# deepagents-demo **Repository Path**: 8686555/deepagents-demo ## Basic Information - **Project Name**: deepagents-demo - **Description**: No description available - **Primary Language**: Python - **License**: Not specified - **Default Branch**: main - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 0 - **Forks**: 0 - **Created**: 2026-07-09 - **Last Updated**: 2026-07-09 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README # DeepAgents Skills Demo 基于 LangGraph 和 DeepAgents 框架的智能体 Skills 能力演示项目。 ## 项目简介 本项目演示了如何使用 **DeepAgents** 框架构建具有 **Skills(技能)** 能力的智能体系统。通过 Skills 机制,智能体可以动态加载和使用各种预定义的技能模块,实现更强大、更灵活的任务执行能力。 ### 核心特性 - 🛠️ **Skills 技能系统**:实现 Anthropic 的 Agent Skills 模式,支持技能的动态加载和渐进式披露 - 🔧 **Middleware 中间件架构**:通过 SkillsMiddleware 和 ShellMiddleware 扩展智能体能力 - 🤖 **子智能体协作**:支持主智能体与专业子智能体(如搜索智能体)的协作 - 📁 **文件系统后端**:支持虚拟文件系统,便于管理生成的内容 - 🌐 **Web 搜索集成**:集成 Tavily 和 SearXNG 搜索引擎 ## Skills 系统说明 Skills 是一种让智能体具备专业能力的机制: 1. **渐进式披露**:智能体只知道技能的名称和描述,需要时才读取完整指令 2. **目录结构**: - 用户级 Skills: `~/.deepagents/{AGENT_NAME}/skills/` - 项目级 Skills: `{PROJECT_ROOT}/agent/skills/` ### 内置 Skills 示例 - **web-research**:结构化的 Web 研究技能,支持多子任务并行研究 - **fullstack-template-generator**:全栈应用模板生成器(FastAPI + React + Vite) ## 项目结构 ``` . ├── research_skills_deep_agent.py # Skills 演示 Agent(主入口) ├── research_stock_deep_agent.py # 股票分析 Agent(多智能体协作) ├── skills/ # Skills 模块 │ ├── __init__.py │ ├── load.py # Skills 加载器 │ └── middleware.py # Skills 中间件 ├── shell.py # Shell 中间件 ├── tools.py # 工具集 ├── agent/skills/ # 项目内置 Skills │ ├── web-research/ │ │ └── SKILL.md │ └── fullstack-template-generator/ │ ├── SKILL.md │ └── templates/ ├── pyproject.toml # 项目依赖配置 └── fs/ # 文件系统后端存储目录 ``` ## 工具集 ### 搜索工具 - `search` - 通用网络搜索(Tavily + SearXNG) - `fetch_url` - 获取 URL 内容并转换为 Markdown ### 股票数据工具(可选) - `get_stock_price` - 获取 A 股历史行情数据 - `get_technical_indicators` - 计算技术指标 - `get_financial_statements` - 获取财务报表 - `get_stock_detailed_info` - 获取公司详细信息 - `get_stock_news` - 获取个股新闻 - `get_stock_research_report` - 获取机构研究报告 数据来源:AKShare、Baostock ## 快速开始 ### 1. 环境要求 - Python >= 3.13 - OpenAI API Key(或兼容的 API) - Tavily API Key(可选,用于网络搜索) ### 2. 安装依赖 推荐使用 [uv](https://github.com/astral-sh/uv) 进行包管理: ```bash # 安装 uv(如果尚未安装) curl -LsSf https://astral.sh/uv/install.sh | sh # 同步依赖 uv sync ``` 或使用 pip: ```bash pip install -e . ``` ### 3. 配置环境变量 复制 `.env.example` 为 `.env` 并填写配置: ```bash cp .env.example .env ``` 编辑 `.env` 文件: ```env # OpenAI API 配置 OPENAI_BASE_URL=https://api.openai.com/v1 OPENAI_API_KEY=your_openai_api_key_here OPENAI_MODEL=gpt-4o-mini # Tavily 搜索 API(可选) TAVILY_API_KEY=your_tavily_api_key_here # SearXNG 搜索引擎(可选) SEARXNG_URL=http://localhost:8080 # Agent 配置 RECURSION_LIMIT=25 ``` ### 4. 运行示例 #### Skills 演示版本(推荐) ```bash python research_skills_deep_agent.py ``` 然后在交互式对话中输入任务,例如: ``` 帮我研究 2025 年 AI 智能体的发展趋势 ``` 或者使用 LangGraph Dev 模式: ```bash langgraph dev ``` #### 股票分析版本(多智能体协作) ```bash python research_stock_deep_agent.py ``` ## 使用说明 ### Skills 技能使用 智能体会自动识别合适的 Skill 并使用: 1. **web-research**:当用户请求研究某个主题时 - 自动创建研究计划 - 分解为多个子任务并行研究 - 综合生成研究报告 2. **fullstack-template-generator**:当用户需要创建全栈应用时 - 生成 FastAPI 后端 - 生成 React + Vite + Tailwind 前端 - 包含 OpenAI 集成和完整配置 ### 分析师角色(股票分析版本) 1. **基本面分析师** - 公司基本情况和主营业务 - 财务报表深度分析 - 盈利能力、偿债能力、成长性评估 - 行业趋势和估值水平 2. **技术面分析师** - 价格趋势判断 - 技术指标分析(均线、MACD、KDJ、RSI 等) - 支撑位和阻力位识别 - 买卖时机建议 3. **消息面分析师** - 重大新闻梳理 - 机构研报观点汇总 - 市场情绪分析 - 催化剂识别 ### 输出结果 生成的文件将保存在 `fs/` 目录下,例如: - 研究报告:`fs/research_xxx/research_report.md` - 应用模板:`fs/my-app/` 目录结构 ## 技术栈 - **LangGraph** - 多智能体编排框架 - **DeepAgents** - 深度智能体框架(Skills、Middleware、Backend) - **LangChain** - LLM 应用开发框架 - **Tavily** - AI 搜索引擎 - **AKShare/Baostock** - A 股数据接口(可选) ## 注意事项 - 本项目用于演示 DeepAgents 框架的 Skills 能力 - Skills 系统支持自定义扩展,可创建自己的技能模块 - 股票分析功能仅供参考,不构成投资建议 - API Key 请妥善保管,不要泄露 ## License MIT ## 相关链接 - [DeepAgents 框架](https://github.com/langchain-ai/deepagents) - [LangGraph 文档](https://langchain-ai.github.io/langgraph/) ## 免责声明 本项目提供的功能仅供学习和研究使用。股票分析结果仅供参考,不构成任何投资建议。