万朱浩 / Venue-Ops

Go to a project
Toggle navigation Toggle navigation pinning
戒酒的李白
431cf6a1 1 parent 062f66cb

The multimodal agent has been basically completed.

Inline Side-by-side
Showing 5 changed files with 99 additions and 144 deletions
... ... @@ -19,7 +19,7 @@ from .nodes import (
ReportFormattingNode
)
from .state import State
from .tools import TavilyNewsAgency, TavilyResponse
from .tools import BochaMultimodalSearch, BochaResponse
from .utils import Config, load_config, format_search_results_for_prompt
... ... @@ -40,7 +40,7 @@ class DeepSearchAgent:
self.llm_client = self._initialize_llm()
# 初始化搜索工具集
self.search_agency = TavilyNewsAgency(api_key=self.config.tavily_api_key)
self.search_agency = BochaMultimodalSearch(api_key=self.config.bocha_api_key)
# 初始化节点
self._initialize_nodes()
... ... @@ -53,7 +53,7 @@ class DeepSearchAgent:
print(f"Deep Search Agent 已初始化")
print(f"使用LLM: {self.llm_client.get_model_info()}")
print(f"搜索工具集: TavilyNewsAgency (支持6种搜索工具)")
print(f"搜索工具集: BochaMultimodalSearch (支持5种多模态搜索工具)")
def _initialize_llm(self) -> BaseLLM:
"""初始化LLM客户端"""
... ... @@ -103,46 +103,40 @@ class DeepSearchAgent:
except ValueError:
return False
def execute_search_tool(self, tool_name: str, query: str, **kwargs) -> TavilyResponse:
def execute_search_tool(self, tool_name: str, query: str, **kwargs) -> BochaResponse:
"""
执行指定的搜索工具
Args:
tool_name: 工具名称，可选值：
- "basic_search_news": 基础新闻搜索（快速、通用）
- "deep_search_news": 深度新闻分析
- "search_news_last_24_hours": 24小时内最新新闻
- "search_news_last_week": 本周新闻
- "search_images_for_news": 新闻图片搜索
- "search_news_by_date": 按日期范围搜索新闻
- "comprehensive_search": 全面综合搜索（默认）
- "web_search_only": 纯网页搜索
- "search_for_structured_data": 结构化数据查询
- "search_last_24_hours": 24小时内最新信息
- "search_last_week": 本周信息
query: 搜索查询
**kwargs: 额外参数（如start_date, end_date, max_results）
**kwargs: 额外参数（如max_results）
Returns:
TavilyResponse对象
BochaResponse对象
"""
print(f" → 执行搜索工具: {tool_name}")
if tool_name == "basic_search_news":
max_results = kwargs.get("max_results", 7)
return self.search_agency.basic_search_news(query, max_results)
elif tool_name == "deep_search_news":
return self.search_agency.deep_search_news(query)
elif tool_name == "search_news_last_24_hours":
return self.search_agency.search_news_last_24_hours(query)
elif tool_name == "search_news_last_week":
return self.search_agency.search_news_last_week(query)
elif tool_name == "search_images_for_news":
return self.search_agency.search_images_for_news(query)
elif tool_name == "search_news_by_date":
start_date = kwargs.get("start_date")
end_date = kwargs.get("end_date")
if not start_date or not end_date:
raise ValueError("search_news_by_date工具需要start_date和end_date参数")
return self.search_agency.search_news_by_date(query, start_date, end_date)
if tool_name == "comprehensive_search":
max_results = kwargs.get("max_results", 10)
return self.search_agency.comprehensive_search(query, max_results)
elif tool_name == "web_search_only":
max_results = kwargs.get("max_results", 15)
return self.search_agency.web_search_only(query, max_results)
elif tool_name == "search_for_structured_data":
return self.search_agency.search_for_structured_data(query)
elif tool_name == "search_last_24_hours":
return self.search_agency.search_last_24_hours(query)
elif tool_name == "search_last_week":
return self.search_agency.search_last_week(query)
else:
print(f" ⚠️ 未知的搜索工具: {tool_name}，使用默认基础搜索")
return self.search_agency.basic_search_news(query)
print(f" ⚠️ 未知的搜索工具: {tool_name}，使用默认综合搜索")
return self.search_agency.comprehensive_search(query)
def research(self, query: str, save_report: bool = True) -> str:
"""
... ... @@ -231,7 +225,7 @@ class DeepSearchAgent:
print(" - 生成搜索查询...")
search_output = self.first_search_node.run(search_input)
search_query = search_output["search_query"]
search_tool = search_output.get("search_tool", "basic_search_news") # 默认工具
search_tool = search_output.get("search_tool", "comprehensive_search") # 默认工具
reasoning = search_output["reasoning"]
print(f" - 搜索查询: {search_query}")
... ... @@ -241,41 +235,27 @@ class DeepSearchAgent:
# 执行搜索
print(" - 执行网络搜索...")
# 处理search_news_by_date的特殊参数
# 处理特殊参数（新的工具集不需要日期参数处理）
search_kwargs = {}
if search_tool == "search_news_by_date":
start_date = search_output.get("start_date")
end_date = search_output.get("end_date")
if start_date and end_date:
# 验证日期格式
if self._validate_date_format(start_date) and self._validate_date_format(end_date):
search_kwargs["start_date"] = start_date
search_kwargs["end_date"] = end_date
print(f" - 时间范围: {start_date} 到 {end_date}")
else:
print(f" ⚠️ 日期格式错误（应为YYYY-MM-DD），改用基础搜索")
print(f" 提供的日期: start_date={start_date}, end_date={end_date}")
search_tool = "basic_search_news"
else:
print(f" ⚠️ search_news_by_date工具缺少时间参数，改用基础搜索")
search_tool = "basic_search_news"
if search_tool in ["comprehensive_search", "web_search_only"]:
# 这些工具支持max_results参数
search_kwargs["max_results"] = 10
search_response = self.execute_search_tool(search_tool, search_query, **search_kwargs)
# 转换为兼容格式
search_results = []
if search_response and search_response.results:
if search_response and search_response.webpages:
# 每种搜索工具都有其特定的结果数量，这里取前10个作为上限
max_results = min(len(search_response.results), 10)
for result in search_response.results[:max_results]:
max_results = min(len(search_response.webpages), 10)
for result in search_response.webpages[:max_results]:
search_results.append({
'title': result.title,
'title': result.name,
'url': result.url,
'content': result.content,
'score': result.score,
'raw_content': result.raw_content,
'published_date': result.published_date # 新增字段
'content': result.snippet,
'score': None, # Bocha API不提供score
'raw_content': result.snippet,
'published_date': result.date_last_crawled # 使用爬取日期
})
if search_results:
... ... @@ -324,7 +304,7 @@ class DeepSearchAgent:
# 生成反思搜索查询
reflection_output = self.reflection_node.run(reflection_input)
search_query = reflection_output["search_query"]
search_tool = reflection_output.get("search_tool", "basic_search_news") # 默认工具
search_tool = reflection_output.get("search_tool", "comprehensive_search") # 默认工具
reasoning = reflection_output["reasoning"]
print(f" 反思查询: {search_query}")
... ... @@ -332,41 +312,27 @@ class DeepSearchAgent:
print(f" 反思推理: {reasoning}")
# 执行反思搜索
# 处理search_news_by_date的特殊参数
# 处理特殊参数
search_kwargs = {}
if search_tool == "search_news_by_date":
start_date = reflection_output.get("start_date")
end_date = reflection_output.get("end_date")
if start_date and end_date:
# 验证日期格式
if self._validate_date_format(start_date) and self._validate_date_format(end_date):
search_kwargs["start_date"] = start_date
search_kwargs["end_date"] = end_date
print(f" 时间范围: {start_date} 到 {end_date}")
else:
print(f" ⚠️ 日期格式错误（应为YYYY-MM-DD），改用基础搜索")
print(f" 提供的日期: start_date={start_date}, end_date={end_date}")
search_tool = "basic_search_news"
else:
print(f" ⚠️ search_news_by_date工具缺少时间参数，改用基础搜索")
search_tool = "basic_search_news"
if search_tool in ["comprehensive_search", "web_search_only"]:
# 这些工具支持max_results参数
search_kwargs["max_results"] = 10
search_response = self.execute_search_tool(search_tool, search_query, **search_kwargs)
# 转换为兼容格式
search_results = []
if search_response and search_response.results:
if search_response and search_response.webpages:
# 每种搜索工具都有其特定的结果数量，这里取前10个作为上限
max_results = min(len(search_response.results), 10)
for result in search_response.results[:max_results]:
max_results = min(len(search_response.webpages), 10)
for result in search_response.webpages[:max_results]:
search_results.append({
'title': result.title,
'title': result.name,
'url': result.url,
'content': result.content,
'score': result.score,
'raw_content': result.raw_content,
'published_date': result.published_date
'content': result.snippet,
'score': None, # Bocha API不提供score
'raw_content': result.snippet,
'published_date': result.date_last_crawled
})
if search_results:
... ...
... ... @@ -34,9 +34,7 @@ output_schema_first_search = {
"properties": {
"search_query": {"type": "string"},
"search_tool": {"type": "string"},
"reasoning": {"type": "string"},
"start_date": {"type": "string", "description": "开始日期，格式YYYY-MM-DD，仅search_news_by_date工具需要"},
"end_date": {"type": "string", "description": "结束日期，格式YYYY-MM-DD，仅search_news_by_date工具需要"}
"reasoning": {"type": "string"}
},
"required": ["search_query", "search_tool", "reasoning"]
}
... ... @@ -79,9 +77,7 @@ output_schema_reflection = {
"properties": {
"search_query": {"type": "string"},
"search_tool": {"type": "string"},
"reasoning": {"type": "string"},
"start_date": {"type": "string", "description": "开始日期，格式YYYY-MM-DD，仅search_news_by_date工具需要"},
"end_date": {"type": "string", "description": "结束日期，格式YYYY-MM-DD，仅search_news_by_date工具需要"}
"reasoning": {"type": "string"}
},
"required": ["search_query", "search_tool", "reasoning"]
}
... ... @@ -147,41 +143,34 @@ SYSTEM_PROMPT_FIRST_SEARCH = f"""
{json.dumps(input_schema_first_search, indent=2, ensure_ascii=False)}
</INPUT JSON SCHEMA>
你可以使用以下6种专业的新闻搜索工具：
你可以使用以下5种专业的多模态搜索工具：
1. **basic_search_news** - 基础新闻搜索工具
- 适用于：一般性的新闻搜索，不确定需要何种特定搜索时
- 特点：快速、标准的通用搜索，是最常用的基础工具
1. **comprehensive_search** - 全面综合搜索工具
- 适用于：一般性的研究需求，需要完整信息时
- 特点：返回网页、图片、AI总结、追问建议和可能的结构化数据，是最常用的基础工具
2. **deep_search_news** - 深度新闻分析工具
- 适用于：需要全面深入了解某个主题时
- 特点：提供最详细的分析结果，包含高级AI摘要
2. **web_search_only** - 纯网页搜索工具
- 适用于：只需要网页链接和摘要，不需要AI分析时
- 特点：速度更快，成本更低，只返回网页结果
3. **search_news_last_24_hours** - 24小时最新新闻工具
3. **search_for_structured_data** - 结构化数据查询工具
- 适用于：查询天气、股票、汇率、百科定义等结构化信息时
- 特点：专门用于触发"模态卡"的查询，返回结构化数据
4. **search_last_24_hours** - 24小时内信息搜索工具
- 适用于：需要了解最新动态、突发事件时
- 特点：只搜索过去24小时的新闻
- 特点：只搜索过去24小时内发布的内容
4. **search_news_last_week** - 本周新闻工具
5. **search_last_week** - 本周信息搜索工具
- 适用于：需要了解近期发展趋势时
- 特点：搜索过去一周的新闻报道
5. **search_images_for_news** - 图片搜索工具
- 适用于：需要可视化信息、图片资料时
- 特点：提供相关图片和图片描述
6. **search_news_by_date** - 按日期范围搜索工具
- 适用于：需要研究特定历史时期时
- 特点：可以指定开始和结束日期进行搜索
- 特殊要求：需要提供start_date和end_date参数，格式为'YYYY-MM-DD'
- 注意：只有这个工具需要额外的时间参数
- 特点：搜索过去一周内的主要报道
你的任务是：
1. 根据段落主题选择最合适的搜索工具
2. 制定最佳的搜索查询
3. 如果选择search_news_by_date工具，必须同时提供start_date和end_date参数（格式：YYYY-MM-DD）
4. 解释你的选择理由
3. 解释你的选择理由
注意：除了search_news_by_date工具外，其他工具都不需要额外参数。
注意：所有工具都不需要额外参数，选择工具主要基于搜索意图和需要的信息类型。
请按照以下JSON模式定义格式化输出（文字请使用中文）：
<OUTPUT JSON SCHEMA>
... ... @@ -219,23 +208,21 @@ SYSTEM_PROMPT_REFLECTION = f"""
{json.dumps(input_schema_reflection, indent=2, ensure_ascii=False)}
</INPUT JSON SCHEMA>
你可以使用以下6种专业的新闻搜索工具：
你可以使用以下5种专业的多模态搜索工具：
1. **basic_search_news** - 基础新闻搜索工具
2. **deep_search_news** - 深度新闻分析工具
3. **search_news_last_24_hours** - 24小时最新新闻工具
4. **search_news_last_week** - 本周新闻工具
5. **search_images_for_news** - 图片搜索工具
6. **search_news_by_date** - 按日期范围搜索工具（需要时间参数）
1. **comprehensive_search** - 全面综合搜索工具
2. **web_search_only** - 纯网页搜索工具
3. **search_for_structured_data** - 结构化数据查询工具
4. **search_last_24_hours** - 24小时内信息搜索工具
5. **search_last_week** - 本周信息搜索工具
你的任务是：
1. 反思段落文本的当前状态，思考是否遗漏了主题的某些关键方面
2. 选择最合适的搜索工具来补充缺失信息
3. 制定精确的搜索查询
4. 如果选择search_news_by_date工具，必须同时提供start_date和end_date参数（格式：YYYY-MM-DD）
5. 解释你的选择和推理
4. 解释你的选择和推理
注意：除了search_news_by_date工具外，其他工具都不需要额外参数。
注意：所有工具都不需要额外参数，选择工具主要基于搜索意图和需要的信息类型。
请按照以下JSON模式定义格式化输出：
<OUTPUT JSON SCHEMA>
... ...
"""
工具调用模块
提供外部工具接口，如网络搜索等
提供外部工具接口，如多模态搜索等
"""
from .search import (
TavilyNewsAgency,
SearchResult,
TavilyResponse,
BochaMultimodalSearch,
WebpageResult,
ImageResult,
ModalCardResult,
BochaResponse,
print_response_summary
)
__all__ = [
"TavilyNewsAgency",
"SearchResult",
"TavilyResponse",
"BochaMultimodalSearch",
"WebpageResult",
"ImageResult",
"ModalCardResult",
"BochaResponse",
"print_response_summary"
]
... ...
... ... @@ -14,7 +14,7 @@ class Config:
# API密钥
deepseek_api_key: Optional[str] = None
openai_api_key: Optional[str] = None
tavily_api_key: Optional[str] = None
bocha_api_key: Optional[str] = None
# 模型配置
default_llm_provider: str = "deepseek" # deepseek 或 openai
... ... @@ -44,8 +44,8 @@ class Config:
print("错误: OpenAI API Key未设置")
return False
if not self.tavily_api_key:
print("错误: Tavily API Key未设置")
if not self.bocha_api_key:
print("错误: Bocha API Key未设置")
return False
return True
... ... @@ -65,7 +65,7 @@ class Config:
return cls(
deepseek_api_key=getattr(config_module, "DEEPSEEK_API_KEY", None),
openai_api_key=getattr(config_module, "OPENAI_API_KEY", None),
tavily_api_key=getattr(config_module, "TAVILY_API_KEY", None),
bocha_api_key=getattr(config_module, "BOCHA_API_KEY", None),
default_llm_provider=getattr(config_module, "DEFAULT_LLM_PROVIDER", "deepseek"),
deepseek_model=getattr(config_module, "DEEPSEEK_MODEL", "deepseek-chat"),
openai_model=getattr(config_module, "OPENAI_MODEL", "gpt-4o-mini"),
... ... @@ -92,7 +92,7 @@ class Config:
return cls(
deepseek_api_key=config_dict.get("DEEPSEEK_API_KEY"),
openai_api_key=config_dict.get("OPENAI_API_KEY"),
tavily_api_key=config_dict.get("TAVILY_API_KEY"),
bocha_api_key=config_dict.get("BOCHA_API_KEY"),
default_llm_provider=config_dict.get("DEFAULT_LLM_PROVIDER", "deepseek"),
deepseek_model=config_dict.get("DEEPSEEK_MODEL", "deepseek-chat"),
openai_model=config_dict.get("OPENAI_MODEL", "gpt-4o-mini"),
... ... @@ -147,7 +147,7 @@ def print_config(config: Config):
print(f"LLM提供商: {config.default_llm_provider}")
print(f"DeepSeek模型: {config.deepseek_model}")
print(f"OpenAI模型: {config.openai_model}")
print(f"最大搜索结果数: {config.max_search_results}")
print(f"搜索超时: {config.search_timeout}秒")
print(f"最大内容长度: {config.max_content_length}")
print(f"最大反思次数: {config.max_reflections}")
... ... @@ -158,5 +158,5 @@ def print_config(config: Config):
# 显示API密钥状态（不显示实际密钥）
print(f"DeepSeek API Key: {'已设置' if config.deepseek_api_key else '未设置'}")
print(f"OpenAI API Key: {'已设置' if config.openai_api_key else '未设置'}")
print(f"Tavily API Key: {'已设置' if config.tavily_api_key else '未设置'}")
print(f"Bocha API Key: {'已设置' if config.bocha_api_key else '未设置'}")
print("==================\n")
... ...
... ... @@ -12,8 +12,8 @@ import json
# 添加src目录到Python路径
sys.path.insert(0, os.path.join(os.path.dirname(__file__), '.'))
from QueryEngine import DeepSearchAgent, Config
from config import DEEPSEEK_API_KEY, TAVILY_API_KEY
from MediaEngine import DeepSearchAgent, Config
from config import DEEPSEEK_API_KEY, BOCHA_Web_Search_API_KEY
def main():
... ... @@ -98,19 +98,19 @@ def main():
# 自动使用配置文件中的API密钥
deepseek_key = DEEPSEEK_API_KEY
tavily_key = TAVILY_API_KEY
bocha_key = BOCHA_Web_Search_API_KEY
# 创建配置
config = Config(
deepseek_api_key=deepseek_key if llm_provider == "deepseek" else None,
openai_api_key=openai_key if llm_provider == "openai" else None,
tavily_api_key=tavily_key,
bocha_api_key=bocha_key,
default_llm_provider=llm_provider,
deepseek_model=model_name if llm_provider == "deepseek" else "deepseek-chat",
openai_model=model_name if llm_provider == "openai" else "gpt-4o-mini",
max_reflections=max_reflections,
max_content_length=max_content_length,
output_dir="query_engine_streamlit_reports"
output_dir="media_engine_streamlit_reports"
)
# 执行研究
... ...