CoolFace
Modelpublic

jkkkkyuedtrt/deepagents-demo

sourceHugging Faceupdated 2mo agoView on Hugging Face
0likes
Model Card

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. 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. 2.目录结构：
  3. 3.用户级 Skills: ~/.deepagents/{AGENT_NAME}/skills/
  4. 4.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：

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. 1.web-research：当用户请求研究某个主题时
  2. 2.自动创建研究计划
  3. 3.分解为多个子任务并行研究
  4. 4.综合生成研究报告
  1. 1.fullstack-template-generator：当用户需要创建全栈应用时
  2. 2.生成 FastAPI 后端
  3. 3.生成 React + Vite + Tailwind 前端
  4. 4.包含 OpenAI 集成和完整配置

分析师角色（股票分析版本）

  1. 1.基本面分析师
  2. 2.公司基本情况和主营业务
  3. 3.财务报表深度分析
  4. 4.盈利能力、偿债能力、成长性评估
  5. 5.行业趋势和估值水平
  1. 1.技术面分析师
  2. 2.价格趋势判断
  3. 3.技术指标分析（均线、MACD、KDJ、RSI 等）
  4. 4.支撑位和阻力位识别
  5. 5.买卖时机建议
  1. 1.消息面分析师
  2. 2.重大新闻梳理
  3. 3.机构研报观点汇总
  4. 4.市场情绪分析
  5. 5.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

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。