deepagents-demo

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 进行包管理：

# 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：

pip install -e .

3. 配置环境变量

复制 .env.example 为 .env 并填写配置：

cp .env.example .env

编辑 .env 文件：

# 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）

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：

langgraph dev

股票分析版本（多智能体协作）

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
• LangGraph 文档

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。