deepsearch-agents
🔎 深度研搜對話式多智能體 AI Agents,最適合系統學習 DeepAgents 的實戰專案|AI Deep Research Agent 實戰 · LangGraph + RAGFlow + Tavily + FastAPI + WebSocket 從0
deepsearch-agents 是什麼?
🔎 深度研搜對話式多智能體 AI Agents,最適合系統學習 DeepAgents 的實戰專案|AI Deep Research Agent 實戰 · LangGraph + RAGFlow + Tavily + FastAPI + WebSocket 從0到工程化落地。前後端完整程式碼全棧可跑,Docker 環境一鍵部署,配套 ai-agents-from-zero 免費教程與章節程式碼分支。適合系統學習大模型應用、多智能體 Agent 和企業級 AI 工程落地
deepsearch-agents 概覽
這是什麼
deepsearch-agents 是一個對話式多智能體研究系統,專為深度研究場景設計。它使用 DeepAgents 組織主智能體與專家子智能體,讓系統可以查詢公開網路、結構化資料庫、透過 RAGFlow 存取私有知識庫、讀取使用者上傳的附件,並將最終結果整理成回答、Markdown 或 PDF。本專案是 ai-agents-from-zero 教程系列的配套原始碼,提供完整可執行的前後端實作,並支援 Docker 一鍵部署。
主要功能
- Orchestrator-Workers 架構:一個主智能體負責規劃與調度,三個專家子智能體分別處理網路搜尋、資料庫查詢與 RAGFlow 知識庫。
- 多來源檢索:Tavily 用於公開網路、MySQL 用於結構化資料、RAGFlow 用於內部文件,以及讀取上傳附件。
- 完整的交付流程:從檢索到產生 Markdown/PDF,不僅止於提示詞設計。
- 長任務執行過程可觀察:工具呼叫、子智能體呼叫、結果、取消與錯誤皆透過 WebSocket 推送至前端。
- 會話級上下文隔離:透過 thread_id 與 session_dir 區分任務,ContextVar 讓深層工具也能取得當前會話身份與檔案目錄。
- 工程化前後端:FastAPI + WebSocket + DeepAgents + React,結構清晰。
- 免費系統化教程:提供章節對應的 Git 分支與線上文件。
使用情境
- 系統學習 DeepAgents,不滿足於簡單範例。
- 理解如何將 Tavily、MySQL、RAGFlow 與大模型整合在同一個研究助手場景中。
- 建立比單純模型呼叫更接近真實開發的 AI Agent 專案。
- 製作一份能清楚說明智能體層、工具層、服務層、檔案層與前端層的履歷專案。
快速開始
請參閱儲存庫的 README 以取得安裝與快速開始指令。
授權與價格
授權未在儲存庫中明確說明。該專案標示為開源。
內容整理自該專案公開的 README 與儲存庫資訊。