DeepResearchAgent
正常简介
DeepResearchAgent 是一个分层多智能体系统，专为深度研究任务和通用任务求解设计。通过顶层规划 Agent 协调多个专业子 Agent，实现自动化任务分解和跨领域高效执行。
核心特性
- 分层多 Agent 系统，顶层规划 Agent 协调专业子 Agent
- RSPL 协议层将提示、Agent、工具、环境和记忆建模为版本化资源
- SEPL 自进化协议，支持提议、评估和提交改进并支持回滚
- Act-Observe-Optimize-Remember 迭代循环，在执行过程中实现持续自我改进
- 可组合架构，允许独立添加/替换 Agent、工具、环境和优化器
- 结构化追踪和版本管理，可检查推理轨迹和制品管理
适用场景
💡 执行需要多步推理和跨领域知识的自动化深度研究任务
💡 构建通过经验自动改进提示和策略的自进化 AI 系统
💡 执行具有自动任务分解和 Agent 协调的复杂问题解决工作流
💡 开发能够持久化洞察并从先前会话结果中学习的研究 Agent
分类
快速开始
在你的 Python 环境中安装依赖。将 `.env.template` 复制为 `.env` 并设置模型 API 密钥（如 `OPENROUTER_API_KEY`）。运行：`python examples/run_tool_calling_agent.py --config configs/tool_calling_agent.py`。使用 `--cfg-options model_name=openrouter/gpt-4o` 覆盖模型。