综合介绍

DeepSearch AI Agent 是一个基于 DeepSeek 模型的智能内容创作工具，结合 LangGraph 和 FastAPI 技术，旨在将用户的需求转化为高质量、专业化的文章或技术文档。它通过“思考-规划-研究-写作”的工作流，模拟专家团队协作，提供结构清晰、内容深入的输出。项目采用前后端分离架构，支持实时交互和动态引用，适合需要快速生成高质量内容的用户。开源于 GitHub，遵循 MIT 许可，易于部署和扩展。

功能列表

• 动态叙事规划：AI 分析用户需求，生成符合主题的叙事结构和大纲，确保文章逻辑清晰、自然流畅。
• 主管-执行者模式：研究和写作任务由主管节点调度，流程模块化，支持扩展新功能。
• 动态引用与 RAG：通过范围化的检索增强生成（RAG），确保引用资料精准，并在文章中生成学术级参考文献。
• 实时流式通信：后端通过 Server-Sent Events（SSE）推送任务进度，前端动态更新，提供流畅交互体验。
• 现代化技术栈：后端使用 FastAPI、LangGraph、LlamaIndex，前端采用 React、Vite、TypeScript 和 Tailwind CSS，支持多种大语言模型。

使用帮助

DeepSearch AI Agent 的部署和使用流程清晰，适合有一定技术基础的用户。以下是详细的安装和操作指南。

安装流程

1. 克隆仓库打开终端，运行以下命令获取项目代码：

   git clone https://github.com/LordFoxFairy/deepseek_deepsearch_quickstart.git
   cd deepseek_deepsearch_quickstart
   

2. 后端设置
   • 创建虚拟环境：确保已安装 Python（建议 3.8 或以上）。运行以下命令：

     python -m venv venv
     

     Windows 用户激活环境：

     venv\Scripts\activate
     

     macOS/Linux 用户激活环境：

     source venv/bin/activate
     

   • 安装依赖：进入后端目录并安装所需库：

     cd backend
     pip install -r requirements.txt
     

   • 配置环境变量：复制 backend/src/.env.example 为 backend/src/.env，并填入 API 密钥：

     DASH_SCOPE_API_KEY=sk-your-dashscope-api-key
     DEEPSEEK_API_KEY=sk-your-deepseek-api-key
     DEEPSEEK_BASE_URL=https://api.deepseek.com
     

     密钥可从 DeepSeek 官网获取，确保网络环境支持 API 调用。

3. 前端设置
   • 进入前端目录并安装依赖（需安装 Node.js，建议 16.x 或以上）：

     cd frontend
     npm install
     

4. 运行应用
   • 启动后端：在一个终端中运行：

     cd backend
     uvicorn src.api.main:app --host 0.0.0.0 --port 8000 --reload
     

   • 启动前端：在另一个终端中运行：

     cd frontend
     npm run dev
     

   • 打开浏览器，访问 http://localhost:5173，即可进入 DeepSearch AI Agent 的界面。

功能操作流程

1. 创建内容

• 输入需求：在前端界面输入需要生成的内容主题，例如“编写一篇关于机器学习的基础教程”。AI 会自动分析主题类型（技术、历史等）。
• 动态规划：系统生成大纲，显示在界面上。用户可预览章节标题和结构，确认后进入研究阶段。
• 研究与写作：研究主管分配任务给研究执行者，检索相关资料；写作主管基于研究结果生成文章。用户可通过界面实时查看进度。

2. 动态引用与 RAG

• 系统自动从可靠来源检索资料，仅使用与当前章节相关的内容。
• 文章中插入 [1] 等可点击引用标记，文末生成参考文献列表，格式符合学术规范。
• 用户可在界面查看引用的原始来源，确保内容可信。

3. 实时交互

• 前端通过 SSE 接收后端推送的任务状态（如“正在研究第 2 章”）。界面会动态更新，显示新生成的章节或参考文献。
• 用户可随时暂停或调整任务，例如修改大纲或补充需求。

4. 保存与导出

• 生成的文章支持导出为 Markdown 或 PDF 格式，方便分享或存档。
• 用户可通过界面下载参考文献列表，用于学术或专业用途。

注意事项

• 确保网络稳定，API 调用需要可靠的互联网连接。
• 检查 requirements.txt 和 package.json 的依赖版本，避免兼容性问题。
• 如果遇到启动错误，检查 .env 文件中的 API 密钥是否正确。

应用场景

1. 技术博客写作技术从业者需要快速生成结构清晰的技术博文。DeepSearch AI Agent 可根据输入的主题（如“Python 数据分析”），生成包含引言、代码示例和结论的文章，附带学术引用，提升内容的专业性。
2. 学术研究辅助学生或研究人员需要撰写综述文章。系统通过 RAG 检索最新文献，生成带引用的论文草稿，节省手动搜索时间。
3. 教程内容创作教育工作者需要为课程准备教学材料。DeepSearch 可生成分章节的教程，包含图表和示例代码，适合课堂使用。
4. 商业报告撰写企业用户需要快速生成市场分析报告。系统根据输入的关键指标，检索相关数据并生成结构化报告，适合决策支持。

QA

1. DeepSearch 支持哪些语言模型？系统默认使用 DeepSeek 模型，但支持 OpenAI 等其他模型。用户需在 .env 文件中配置对应 API 密钥。
2. 如何确保引用内容的准确性？系统通过范围化的 RAG 工具，仅检索与主题相关的资料，并优先使用可信来源。用户可手动核查引用的原始链接。
3. 前端界面支持哪些浏览器？前端基于 React 和 Vite 开发，支持 Chrome、Firefox、Safari 等主流浏览器，建议使用最新版本以获得最佳体验。
4. 是否需要编程经验才能使用？部署需要基本的 Python 和 Node.js 知识，但使用界面简单直观，非技术用户也能轻松上手。