깊은 연구 에이전트 구축 : $ 1의 $ 200 OpenAI의 도구 대안

이 기사는 OpenAI의 깊은 연구에 대한 비용 효율적인 대안 인 깊은 연구 및 보고서 세대 에이전트를 구축하는 자세한 내용을 자세히 설명합니다. 이 안내서는 Langgraph를 사용하여 단계별 구현을 제공하여 1 달러 미만의 강력하고 사용자 정의 가능한 솔루션을 제공합니다. Openai의 깊은 연구 : 간단한 개요 2025 년 2 월에 시작된 Openai의 깊은 연구는 Chatgpt Pro의 에이전트 AI 기능입니다. 복잡한 주제를 자율적으로 연구하여 수많은 온라인 소스의 정보를 종합하여 포괄적 인 보고서를 작성합니다. 강력하지만 가용성은 $ 200 Chatgpt Pro 구독으로 제한됩니다.

깊은 연구 및 보고서 생성을위한 에이전트 AI 시스템 아키텍처 이 프로젝트는 Langchain의 Langgraph Framework를 활용하여 상태 가득한 에이전트 시스템을 만듭니다. 아키텍처는 몇 가지 주요 구성 요소로 구성됩니다 : 큰 언어 모델 (LLM) : gpt-4o (또는 오픈 소스 대안) 추론 및 텍스트 생성. langgraph : 에이전트 시스템의 워크 플로를 구축합니다

tavily ai :

웹 리서치를위한 Ai 기반 검색 엔진

시스템은 계획 에이전트 설계 패턴을 따라 다음 과정을 자동화합니다.

보고서 계획 : 주제 및 기본 보고서 템플릿 분석, 계획을 작성하고 섹션을 정의합니다 (소개, 주요 섹션, 결론). 병렬 실행 : 동시에 웹 연구 및 쓰기 섹션을 수행합니다 형식 :

보고서 구조의 일관성 보장 소개/결론 쓰기 :

본체 내용을 기반 으로이 섹션을 생성합니다. 최종 컴파일 : 모든 섹션을 최종 보고서에 결합합니다

langgraph 및 tavily 를 사용한 실습 구현 구현에는 몇 가지 단계가 포함됩니다

의존성 설치 :
1. API 키 설정 : OpenAi 및 Tavily API 키를 안전하게 입력하십시오. > 에이전트 상태 스키마 정의 : 효율적인 워크 플로 관리를위한 데이터 구조. 유틸리티 함수 : pip install langchain==0.3.14 langchain-openai==0.3.0 langchain-community==0.3.14 langgraph==0.2.64 rich 병렬 웹 검색 및 서식 결과를위한 함수 만들기. 기본 보고서 템플릿 :
LLM에 대한 구조 지침 제공. 교육 프롬프트 :
2. 보고서 계획, 쿼리 생성 및 섹션 쓰기를위한 제작 프롬프트. 노드 함수 : langgraph 워크 플로의 각 단계에 대한 함수 정의 (보고서 계획, 쿼리 생성, 웹 검색, 섹션 작성, 서식, 최종 보고서 컴파일). 하위 에이전트 생성 :
병렬 섹션 건물을위한 하위 에이전트 구축 동적 병렬화 :
3. 평행 실행을 위해 langgraph ' 메인 에이전트 구축 : 모든 구성 요소를 단일 응집제로 결합합니다. 에이전트 테스트 : 샘플 주제로 에이전트를 실행하고 생성 된 보고서를 검토합니다.
4. 코드는 신속한 엔지니어링, LLM 상호 작용 및 병렬 처리 기술을 포함하여 각 단계의 상세한 구현을 제공합니다. 마지막 섹션에서는 테스트 실행을 보여 주며, 사용자가 제공 한 주제를 기반으로 포괄적 인 보고서를 생성 할 수있는 에이전트의 능력을 보여줍니다. 자리 표시 자 API 키를 자신의 것으로 바꾸는 것을 잊지 마십시오. 결론
5. 이 안내서는 강력하고 사용자 정의 가능하며 비용 효율적인 깊은 연구 및 보고서 생성 에이전트를 구축하는 방법을 보여줍니다. 이 시스템은 상업적 대안에 비해 상당한 이점을 제공하여 더 큰 제어와 유연성을 제공합니다. 구현이 상세하지만 기본 원칙은 다양한 연구 작업 및 보고서 형식에 쉽게 적응할 수 있습니다. 특히 광범위한 웹 검색을 수행 할 때 API 사용량을 모니터링해야합니다.

위 내용은 깊은 연구 에이전트 구축 : $ 1의 $ 200 OpenAI의 도구 대안의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!