构建一个简单的“研究代理”

代码示例

1# 安装 Agents SDK
2pip install openai-agents

Agent 声明

1from agents import Agent, WebSearchTool
2import asyncio
3
4# 创建一个基础研究 Agent
5research_agent = Agent(
6    name="研究助理",
7    instructions="""你是一名专业的研究助理。在收到研究主题后，你应该：
8    1. 搜索关于该主题的最新、可靠信息
9    2. 分析并综合你找到的信息
10    3. 以清晰、有条理的报告形式呈现你的发现
11    4. 包含关键事实、最新进展和多角度观点
12    5. 尽可能引用来源""",
13    tools=[WebSearchTool()]
14)

1from agents import Runner
2import asyncio
3
4async def run_research(topic):
5    """运行研究任务并返回结果"""
6    print(f"🔍 开始研究：{topic}")
7    
8    result = await Runner.run(
9        research_agent, 
10        f"请研究以下主题：{topic}。提供包含最新信息的全面概述。"
11    )
12    
13    print("✅ 研究完成！")
14    return result.final_output
15
16# 示例用法
17async def main():
18    topic = "artificial intelligence in healthcare 2024"
19    research_results = await run_research(topic)
20    print(research_results)
21
22if __name__ == "__main__":
23    asyncio.run(main())

1from agents import Agent, Runner, WebSearchTool
2import asyncio
3
4# 项目符号研究 Agent
5bullet_research_agent = Agent(
6    name="项目符号研究者",
7    instructions="""你是一名专注于简洁、可操作摘要的研究助理。
8
9    在研究任何主题时：
10    1. 搜索最新且相关的信息
11    2. 仅提取关键事实和重要要点
12    3. 将发现格式化为清晰、易扫描的项目符号
13    4. 每个项目符号应表达一个完整的思想
14    5. 最多限制在 8-12 个项目符号
15    6. 每个项目符号以动词或关键洞察开头
16
17    始终按照以下格式输出：
18    # 研究摘要：[主题]
19    
20    ## 关键发现：
21    • [最重要发现]
22    • [第二要点]
23    • [第三要点]
24    
25    ## 最新进展：
26    • [最新新闻或更新]
27    • [最新趋势]
28    
29    ## 重要事实：
30    • [统计数据或具体事实]
31    • [涉及的重要人物或公司]""",
32    tools=[WebSearchTool()]
33)
34
35# 段落研究 Agent
36paragraph_research_agent = Agent(
37    name="详细段落研究者", 
38    instructions="""你是一名创建全面但简洁叙述性报告的研究助理。
39
40    在研究任何主题时：
41    1. 搜索详尽且权威的信息
42    2. 将发现整合为流畅、易读的段落
43    3. 最多撰写 3 段
44    4. 每段应涵盖主题的一个独立方面
45    5. 使用段落间的过渡词确保阅读顺畅
46    6. 包含具体细节、日期和实例
47
48    始终按照以下结构输出：
49    # 研究报告：[主题]
50    
51    **概览：** [第一段 - 引入主题并提供背景]
52    
53    **现状：** [第二段 - 讨论最新进展和当前情况]
54    
55    **影响：** [第三段 - 分析影响、趋势和未来展望]""",
56    tools=[WebSearchTool()]
57)