【单智能体】AI 研究规划与执行智能体案例讲解

目录

1. 案例目标

2. 技术栈与核心依赖

3. 工作原理

3.1 第一阶段：规划

3.2 第二阶段：选择与研究

3.3 第三阶段：综合与信息图

4. 核心代码实现

4.1 辅助函数

4.2 后台任务等待机制

4.3 会话状态初始化

4.4 第一阶段 - 创建研究计划

4.5 第二阶段 - 深度研究

4.6 第三阶段 - 综合报告与信息图

5. 运行与测试

5.1 安装依赖

5.2 获取 API 密钥

5.3 启动应用

5.4 访问应用

5.5 示例研究目标

6. 关键设计思想

6.1 有状态对话架构

6.2 模型混合策略

6.3 后台执行与进度跟踪

7. 注意事项

8. 扩展建议

完整源码

requirements.txt

research_planner_executor_agent.py

9. 参考资源

本案例展示如何使用 Google Gemini Interactions API 构建一个多阶段研究智能体，实现有状态对话、模型混合、后台执行和自动信息图生成功能。

1. 案例目标

我们将创建一个基于 Streamlit 的 Web 应用，实现以下核心功能：

1. 第一阶段 - 研究规划：使用 Gemini 3 Flash 创建结构化、可执行的研究计划
2. 第二阶段 - 任务选择与深度研究：选择特定任务并利用内置网络搜索的深度研究智能体
3. 第三阶段 - 综合与 TL;DR：使用 Gemini 3 Pro 生成执行报告，并自动生成信息图
4. 有状态对话：通过 previous_interaction_id 在各阶段间保持上下文
5. 后台执行：异步研究执行并显示进度跟踪
6. 导出报告：将综合研究报告下载为 markdown 文件