Deep Research — 多智能体深度研究平台

从零构建企业级 AI Agent 系统 · 完整教程 + 源码 + 在线文档

📖 在线教程：cheshiping.github.io/deep_research

---

项目全景

本仓库包含三个子项目，覆盖从生产级应用到可复用脚手架的多智能体系统完整学习路径。

graph TB
    subgraph "Deep Research 平台"
        direction LR
        A[核心系统<br/>9节点工作流<br/>四层记忆] -->|精简抽象| B[脚手架模板<br/>零外部依赖<br/>5大扩展点]
        B -->|扩展复用| C[云平台客服<br/>Neo4j图谱<br/>MCP工具]
    end

Loading

项目	定位	核心技术
deep_research	核心多智能体研究系统	LangGraph · Milvus · PostgreSQL · Redis
deep_research_scaffold	零依赖脚手架模板	LangGraph · Protocol 抽象 · 5 大扩展点
cloud_agent	云平台智能客服	Neo4j · MCP · 语义缓存 · 5 Agent 路由

---

技术栈

层级	技术	版本	用途
AI 框架	LangGraph	≥ 1.0	多智能体工作流编排
LLM	DashScope (Qwen)	—	大语言模型推理
后端	FastAPI + Uvicorn	≥ 0.123	REST API + SSE 流式
前端	Vue 3 + Vite	3.5+	单页应用
向量库	Milvus	2.6+	语义检索 + 记忆存储
关系库	PostgreSQL	14+	结构化记忆 + 检查点
图库	Neo4j	5+	知识图谱 (cloud_agent)
缓存	Redis	7+	短期记忆 + 语义缓存

---

快速开始

1. 脚手架（零依赖，5 分钟体验）

cd deep_research_scaffold
pip install -r requirements.txt

# 启动后端
python -m app.app_main

# 启动前端
cd front && npm install && npm run dev

脚手架开箱即用，无需 API Key，使用内置 stub 实现。

2. 核心系统

cd deep_research
# 创建 .env，配置 DashScope API Key + 数据库连接
cp .env.example .env
pip install -r requirements.txt

# 交互模式
python main.py

3. 云平台客服

cd cloud_agent/agent
pip install -r requirements.txt

# 交互模式
python main.py

---

仓库结构

deep_research/
├── deep_research/              # 核心多智能体研究系统
│   ├── main.py                 # CLI 入口
│   ├── app/
│   │   ├── app_main.py         # FastAPI 入口
│   │   ├── mult_agents/        # LangGraph 工作流引擎
│   │   │   ├── graph.py        # 9 节点状态图
│   │   │   ├── nodes.py        # 节点实现
│   │   │   ├── memory/         # 四层记忆系统
│   │   │   └── rag/            # Milvus RAG
│   │   └── backend/            # FastAPI 后端
│   └── front/agent_front/      # Vue 3 前端
│
├── deep_research_scaffold/     # 零依赖脚手架
│   ├── app/
│   │   ├── research_agents/    # 可扩展 Agent 骨架
│   │   │   ├── adapters/llm.py     # LLM 适配器（Protocol 抽象）
│   │   │   └── memory/store.py     # 记忆存储（可替换实现）
│   │   └── backend/            # FastAPI 后端
│   └── front/                  # Vue 3 前端
│
├── cloud_agent/                # 云平台智能客服
│   ├── agent/
│   │   ├── agents/             # 5 个专业 Agent
│   │   ├── mcp_servers/        # MCP 工具服务器
│   │   ├── core/
│   │   │   ├── workflow/       # 工作流编排
│   │   │   ├── memory/         # 记忆系统
│   │   │   └── graph/          # Neo4j 知识图谱
│   │   └── tools/              # 工具函数
│   ├── app/                    # FastAPI 后端
│   └── front/cloud_agent/      # Vue 3 前端
│
└── docs/                       # VitePress 文档站点
    ├── deep-research/          # Part 1 教程（9 章）
    ├── scaffold/               # Part 2 教程（4 章）
    ├── cloud-agent/            # Part 3 教程（7 章）
    └── appendix/               # 附录

---

在线教程

📖 cheshiping.github.io/deep_research

包含 20+ 章完整教程：

部分	内容	章节
Part 1	deep_research — 多智能体深度研究平台	项目架构 · 环境搭建 · 工作流引擎 · 记忆系统 · RAG · FastAPI · Vue 3 · 部署运维 · 最佳实践
Part 2	deep_research_scaffold — 可复用脚手架	设计哲学 · 扩展点 · 生产迁移 · LLM 适配器
Part 3	cloud_agent — 云平台智能客服	系统架构 · 多 Agent 路由 · 知识图谱 · MCP 工具 · 语义缓存 · 全栈 · 部署
附录	参考文档	术语表 · 配置参考 · VitePress 部署指南

---

学习路径

路径	时长	说明
快速上手	1-2 天	先看 Scaffold 教程理解核心架构，运行脚手架体验工作流
深度学习	1-2 周	Part 1 完整学习 → Part 2 对比理解抽象设计 → Part 3 进阶
按需查阅	—	记忆系统 / RAG / MCP 工具 / 部署运维等专项主题

---

License

MIT

---

本项目来自小滴课堂（xdclass.net），已整理为在线文档站点并部署至 GitHub Pages。