deepsearch

# DeepSearch ## 概述 深度研究代理系统社区版是一个基于工作流的深度研究系统，能够对复杂主题进行多轮迭代的网络搜索和综合分析。系统通过结合LLM智能分析和实时网络搜索，生成详细的研究报告。 ## 工作流调用逻辑 ### 系统架构 本系统是一个工作流描述文档，没有执行脚本。依赖以下外部技能： - **web-search skill**: 用于执行网页搜索，运行脚本：`python scripts/web_search.py "<query>"` - **LLM技能**: 用于智能分析和推理 ### 工作流程 #### 1. 输入接收阶段 - **用户输入**: 研究主题（sys.query）和研究深度（depth） - **默认深度**: 3（可配置） #### 2. 初始化阶段 - 创建迭代数组，深度为指定的depth值 - 数组格式：`[0, 1, ..., depth-1]` #### 3. 迭代搜索阶段（多轮执行） **每轮迭代执行以下步骤：** ##### a) LLM智能分析 - 使用LLM分析当前研究状态 - 输入：用户查询、已收集的findings、已搜索的topics - 输出：JSON格式，包含： - `nextSearchTopic`: 下一个搜索主题（字符串或None） - `shouldContinue`: 是否继续搜索（布尔值） ##### b) JSON解析 - 提取`nextSearchTopic`和`shouldContinue`字段 - 更新对话变量 ##### c) 条件判断 - 如果`shouldContinue`为True： - 执行web-search：`python scripts/web_search.py "<nextSearchTopic>"` - 将搜索结果追加到findings数组 - 更新搜索进度显示 - 继续下一轮迭代 - 如果`shouldContinue`为False： - 结束当前迭代 - 输出中间结果 ##### d) 变量管理 - 更新`nextSearchTopic`和`shouldContinue`变量 - 将`nextSearchTopic`追加到`topics`数组（记录已搜索主题） - 避免重复搜索相同主题 #### 4. 综合分析阶段 - 所有迭代完成后，使用LLM综合分析所有收集到的findings - 生成详细的综合分析报告 - 输出格式：Markdown格式的详细报告 #### 5. 报告生成阶段 - 输出最终的研究分析结果 - 包含重要洞察、结论和剩余不确定性 - 适当引用来源 ### 变量说明 系统维护以下对话变量： | 变量名 | 类型 | 描述 | | -------- | ------ | ------ | | `topics` | array[string] | 已搜索的主题列表 | | `nextSearchTopic` | string | 下一个要搜索的主题 | | `findings` | array[string] | 收集到的搜索结果列表 | | `shouldContinue` | string | 是否继续搜索的标志 | ### 网页搜索集成 当需要进行网络搜索时： 1. 使用`nextSearchTopic`作为查询参数 2. 运行web-search技能：`python scripts/web_search.py "<query>"` 3. 根据返回的摘要列表组织答案，不新增或臆造内容 4. 将搜索结果追加到`findings`数组 **注意**: 不要使用任何搜索参数配置（如search_depth、topic、max_results、country、time_range、days等），仅保留核心输入query。 ### 进度跟踪 系统实时显示搜索进度： - 格式：`{index + 1}/{depth}th search executed.` - 例如：`1/3th search executed.` ## 使用场景 ### 适用场景 1. **复杂主题研究**: 需要对特定主题进行深入、全面的研究 2. **最新信息分析**: 需要基于最新网络信息生成详细分析报告 3. **多角度探索**: 需要从不同角度和维度探索一个主题 4. **系统化调查**: 需要系统化的调查和证据收集 ### 典型用例 - 市场趋势分析 - 技术发展研究 - 竞争对手分析 - 学术文献综述 - 产品调研 ## 技术特点 ### 智能特性 1. **自适应搜索**: 每轮搜索后由LLM分析结果，智能决定下一步搜索方向 2. **避免重复**: 系统记录已搜索主题，避免重复搜索相同内容 3. **深度推理**: 使用专门的推理模型进行综合分析 ### 系统特性 1. **多轮迭代**: 支持指定深度的多轮搜索 2. **并行能力**: 支持最多10个并行搜索 3. **状态管理**: 完整的变量管理和状态跟踪 4. **进度可视**: 实时显示搜索进度和状态 ### 集成特性 1. **LLM集成**: 结合GPT-4o进行智能分析，deepseek-reasoner进行深度推理 2. **网络搜索**: 集成web-search技能获取实时网络信息 3. **JSON处理**: 使用JSON解析工具处理结构化数据 ## 工作流示例 ### 输入示例 ```markdown 用户查询: "人工智能在医疗领域的最新发展" 研究深度: 3 ``` ### 执行流程 1. **第1轮**: - LLM分析: 决定搜索"AI医疗诊断最新进展" - Web搜索: 执行搜索并收集结果 - 状态更新: 记录主题，决定继续搜索 2. **第2轮**: - LLM分析: 基于第1轮结果，决定搜索"医疗影像AI技术突破" - Web搜索: 执行搜索并收集结果 - 状态更新: 记录主题，决定继续搜索 3. **第3轮**: - LLM分析: 基于前两轮结果，决定搜索"AI药物研发应用" - Web搜索: 执行搜索并收集结果 - 状态更新: 记录主题，决定结束搜索 4. **综合分析**: - LLM综合分析所有收集到的findings - 生成关于"人工智能在医疗领域的最新发展"的详细报告 ### 输出示例 ```markdown # 人工智能在医疗领域的最新发展研究报告 ## 执行摘要 [基于三轮搜索的综合分析...] ## 主要发现 1. AI在医疗诊断方面的最新进展 - [具体发现1] - [具体发现2] 2. 医疗影像AI技术突破 - [具体发现3] - [具体发现4] 3. AI在药物研发中的应用 - [具体发现5] - [具体发现6] ## 结论与建议 [综合分析结论...] ## 未来研究方向 [基于研究发现提出的未来研究方向...] ``` ## 注意事项 ### 工作流限制 1. **无执行脚本**: 本skill是一个工作流描述文档，不包含可执行脚本 2. **外部依赖**: 依赖web-search技能执行实际搜索 3. **参数简化**: 搜索时仅使用query参数，忽略其他搜索配置 ### 使用建议 1. **深度设置**: 根据研究复杂度设置合适的depth值 2. **查询优化**: 提供清晰具体的研究主题 3. **结果验证**: 对生成的报告进行必要的事实核查 ### 最佳实践 1. **渐进式研究**: 从宽泛主题开始，逐步深入具体方向 2. **多源验证**: 结合多个来源的信息进行交叉验证 3. **及时更新**: 对于快速发展的主题，建议定期重新研究 ## 故障排除 ### 常见问题 1. **搜索无结果**: 检查query是否过于具体或专业，尝试更通用的搜索词 2. **迭代过早结束**: 调整LLM的temperature参数或提供更多上下文 3. **结果重复**: 系统已内置避免重复机制，如仍出现可手动干预 ### 性能优化 1. **并行搜索**: 充分利用系统的并行能力（最多10个并行） 2. **缓存利用**: 对于相同主题的多次研究，可考虑结果缓存 3. **增量更新**: 对于持续研究，可采用增量更新策略 --- **重要提示**: 本skill描述了一个深度研究工作流，实际执行需要依赖外部技能和配置。请确保已正确配置web-search技能和相关LLM服务。