深い研究エージェントの構築：200ドルのOpenai＆＃039; sツールの1ドルの代替案

この記事は、Openaiの深い研究に代わる費用対効果の高い代替手段である深い研究および報告エージェントの構築を詳述しています。 このガイドは、Langgraphを使用した段階的な実装を提供し、1ドル未満で強力でカスタマイズ可能なソリューションを提供します。

Openaiのディープリサーチ：簡単な概要 2025年2月に開始されたOpenaiのDeep Researchは、CHATGPT Pro内のエージェントAI機能です。 複雑なトピックを自律的に調査し、多くのオンラインソースから情報を統合して包括的なレポートを作成します。強力ですが、その可用性は200ドルのChatGPT Proサブスクリプションに限定されています。

深い研究と報告のためのエージェントAIシステムアーキテクチャ

大手言語モデル（LLM）：

GPT-4O（またはオープンソースの代替）推論とテキスト生成のための。

langgraph：

エージェントシステムのワークフローを構築してください。
• tavily ai：
ai搭載のWeb Researchのための検索エンジン。
• システムは計画エージェントの設計パターンに従い、次のプロセスを自動化します。
• レポート計画：トピックとデフォルトのレポートテンプレートを分析して、セクションを定義する計画を作成します（紹介、キーセクション、結論）。

並列実行：

同時に、Webリサーチと執筆セクションを実施します

フォーマット：
1. レポートの構造の一貫性を確保します。
はじめに/結論執筆：
2. 本体の内容に基づいてこれらのセクションを生成します。 最終コンピレーション：
すべてのセクションを最終レポートに組み合わせた。
3. LanggraphとTavily
を使用した実践的な実装
4. 実装にはいくつかのステップが含まれます：
1. 依存関係のインストール： pip install langchain==0.3.14 langchain-openai==0.3.0 langchain-community==0.3.14 langgraph==0.2.64 rich
2. apiキーセットアップ：openaiとtavily apiキーを安全に入力します。 エージェント状態スキーマの定義：
効率的なワークフロー管理のためのデータの構造化。
3. ユーティリティ関数：並列Web検索とフォーマットの結果の関数の作成。
>
4. デフォルトのレポートテンプレート：LLMの構造ガイドラインを提供します。
5. 命令プロンプト：レポート計画、クエリ生成、およびセクションライティングのためのプロンプトの作成。
ノード関数：ランググラフワークフローの各ステップの関数の定義（レポート計画、クエリ生成、セクション作成、フォーマット、最終レポートコンパイル）。
6. サブエージェントの作成：並列セクションの構築用のサブエージェントの構築
7. 動的並列化：並列実行のためにLanggraphのAPIを使用しています。
8. メインエージェントの構築：すべてのコンポーネントを単一のまとまりのあるエージェントに組み合わせる。 エージェントのテスト：
サンプルトピックでエージェントを実行し、生成されたレポートをレビューします。
9. Send
コードは、プロンプトエンジニアリング、LLM相互作用、並列処理手法など、各ステップの詳細な実装を提供します。 最後のセクションでは、テストの実行を示し、ユーザーが提供するトピックに基づいて包括的なレポートを生成するエージェントの能力を紹介します。 プレースホルダーAPIキーを独自のものに置き換えることを忘れないでください
10. 結論
11. このガイドは、強力でカスタマイズ可能な、費用対効果の高い深い研究およびレポート生成エージェントを構築する方法を示しています。このシステムは、商業的な代替品よりも大きな利点を提供し、より大きな制御と柔軟性を提供します。 実装は詳細ですが、基礎となる原則は、さまざまな研究タスクやレポート形式に容易に適応できます。特に広範なWeb検索を実施する場合は、APIの使用を監視することを忘れないでください。

以上が深い研究エージェントの構築：200ドルのOpenai＆＃039; sツールの1ドルの代替案の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。