Bina Ejen Penyelidikan Deep: $ 1 Alternatif kepada $ 200 Alat Terbuka '

Butir-butir artikel ini membina ejen generasi penyelidikan dan laporan yang mendalam, alternatif kos efektif untuk penyelidikan yang mendalam. Panduan ini menyediakan pelaksanaan langkah demi langkah menggunakan Langgraph, menawarkan penyelesaian yang kuat dan disesuaikan dengan kurang daripada satu dolar.

Penyelidikan Deep Openai: Gambaran Keseluruhan Ringkas

Penyelidikan Deep Openai, yang dilancarkan pada bulan Februari 2025, adalah keupayaan AI yang agensi dalam ChatGPT Pro. Ia secara autonomi menyelidik topik kompleks, mensintesis maklumat dari banyak sumber dalam talian untuk menghasilkan laporan yang komprehensif. Walaupun berkuasa, ketersediaannya terhad kepada langganan $ 200 Chatgpt Pro.

Senibina Sistem Agentic AI untuk Penyelidikan Deep dan Generasi Laporan

Projek ini memanfaatkan kerangka Langgraph Langchain untuk mewujudkan sistem agenik yang berkesudahan. Seni bina terdiri daripada beberapa komponen utama:

• Model Bahasa Besar (LLM): GPT-4O (atau alternatif sumber terbuka) untuk penalaran dan penjanaan teks.
• Langgraph: untuk membina aliran kerja sistem agentik.
• tavily ai: enjin carian berkuasa AI untuk penyelidikan web.

Sistem ini mengikuti corak reka bentuk ejen perancangan, mengautomasikan proses:

1. Perancangan Laporan: Menganalisis topik dan templat laporan lalai untuk membuat rancangan, menentukan bahagian (pengenalan, bahagian utama, kesimpulan).
2. Pelaksanaan selari: serentak menjalankan bahagian penyelidikan dan penulisan web.
3. pemformatan: Memastikan konsistensi dalam struktur laporan.
4. Pengenalan/Penulisan Kesimpulan: Menjana bahagian -bahagian ini berdasarkan kandungan badan utama.
5. Penyusunan Akhir: Menggabungkan semua bahagian ke dalam laporan akhir.

pelaksanaan tangan dengan langgraph dan tavily

Pelaksanaan melibatkan beberapa langkah:

1. Memasang dependensi: pip install langchain==0.3.14 langchain-openai==0.3.0 langchain-community==0.3.14 langgraph==0.2.64 rich
2. persediaan kunci API: memasuki kekunci API terbuka dan tavily dengan selamat.
3. Menentukan Skema Negeri Ejen: Penstrukturan data untuk pengurusan aliran kerja yang cekap.
4. fungsi utiliti: Membuat fungsi untuk carian web selari dan hasil pemformatan.
5. Templat Laporan Lalai: Menyediakan garis panduan struktur untuk LLM.
6. arahan arahan: Crafting arahan untuk perancangan laporan, penjanaan pertanyaan, dan penulisan seksyen.
7. Fungsi Node: Menentukan fungsi untuk setiap langkah dalam aliran kerja Langgraph (perancangan laporan, penjanaan pertanyaan, carian web, penulisan seksyen, pemformatan, kompilasi laporan akhir).
8. Penciptaan sub-agen: Membina sub-agen untuk bangunan seksyen selari.
9. Parallelization Dinamik: Menggunakan Langgraph's API untuk pelaksanaan selari. Send
10. Membina ejen utama: Menggabungkan semua komponen ke dalam satu agen yang kohesif.
11. Menguji ejen: menjalankan ejen dengan topik sampel dan mengkaji laporan yang dihasilkan.

Kod ini menyediakan pelaksanaan terperinci setiap langkah, termasuk kejuruteraan segera, interaksi LLM, dan teknik pemprosesan selari. Bahagian akhir menunjukkan ujian yang dijalankan, mempamerkan keupayaan ejen untuk menghasilkan laporan yang komprehensif berdasarkan topik yang disediakan pengguna. Ingatlah untuk menggantikan kunci API letak dengan anda sendiri.

Kesimpulan

Panduan ini menunjukkan cara membina ejen generasi dan laporan generasi yang kuat, disesuaikan, dan kos efektif. Sistem ini menawarkan kelebihan yang signifikan terhadap alternatif komersial, memberikan kawalan dan fleksibiliti yang lebih besar. Walaupun pelaksanaannya terperinci, prinsip -prinsip asas mudah disesuaikan dengan pelbagai tugas penyelidikan dan format laporan. Ingatlah untuk memantau penggunaan API anda, terutamanya semasa melakukan carian web yang luas.

Atas ialah kandungan terperinci Bina Ejen Penyelidikan Deep: $ 1 Alternatif kepada $ 200 Alat Terbuka '. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!