智能研报深度撰写Agent系统【附带源码】
日常工作和生活中经常会涉及写：行业调研报告、竞品分析报告、年度规划报告、个股深度分析等需要查找非常多的外部资源，然后整合资源，才能撰写出来的深度报告。“智能研报深度撰写Agent"可以帮我们完美地完成这项工作。接下来我们详细介绍一下这个智能体。
作者：百度 谭文涛
一、系统总览
┌──────────────┐ ┌──────────────┐ ┌──────────────┐
│ 数据采集 │───▶│ 分析Agent │───▶│ 撰写Agent │
│ Agent │ │ (大纲生成) │ │ (逐章撰写) │
└──────────────┘ └──────────────┘ └──────────────┘
│ │ │
百度搜索 LLM LLM
+ LLM (1次调用) (N次调用)
(2次调用)
数据流
|
阶段 |
输入 |
输出 |
|---|---|---|
|
数据采集 |
用户研报主题 | {"topic": "...", "sub_topics": [{"category": "...", "search_queries": [...], "collected_data": "..."}]} |
|
大纲分析 |
主题 + 采集数据 | {"title": "...", "outline": [{"section_id": "1", "section_title": "...", "key_points": [...]} |
|
逐章撰写 |
大纲 + 采集数据 |
完整 Markdown 研报文本 |
二、各 Agent 实现逻辑详解
2.1 数据采集 Agent
职责：将用户的研报主题拆解为可搜索的子主题，执行百度搜索，汇总采集数据。
执行流程：
用户主题
│
▼ Step1: LLM 主题拆解
│ 输入: 研报主题
│ 输出: ≤10个子主题，每个含2~4条搜索词
│ LLM调用: 1次 (chat_json, response_format=json)
│
▼ Step2: 批量搜索
│ 对每条搜索词调用百度 AI Search
│ 限流: 每次搜索间隔1秒
│
▼ Step3: LLM 汇总归并
输入: 该子主题的所有搜索结果原文
输出: 去重、摘要后的结构化要点
LLM调用: N次 (N=子主题数量)
关键设计决策：
- 两段式 LLM 调用
：第一次拆解主题，第二次逐子主题汇总。为什么不一步到位？因为搜索结果文本量大（每条搜索可能返回数千字），一次性汇总会超出 LLM 上下文窗口或导致信息丢失。逐子主题汇总可保证每个维度的数据质量。
- 搜索间隔 1 秒
：避免触发百度 API 限流。
- 采集数据截断
：当搜索结果超过 12000 字符时截断，防止 LLM 调用超时。
核心 Prompt 1：主题拆解
系统提示词：
你是一位专业的金融/科技研报数据采集专家。你的任务是将用户给定的研报主题
拆解为若干核心子主题，并为每个子主题生成具体的搜索关键词。
拆解原则：
1. 子主题应覆盖研报主题的各个关键维度，彼此尽量独立、不重叠
2. 子主题数量不超过 10 个
3. 每个子主题生成 2~4 条搜索关键词，搜索词应具体、可检索
4. 搜索关键词应包含限定词（时间、地域、具体产品/公司名等），以提高搜索精度
5. 优先关注最新趋势、市场规模、竞争格局、技术路线等研报核心维度
输出格式（严格 JSON）：
{
"sub_topics": [
{
"category": "子主题名称（简短，如：AI芯片）",
"search_queries": ["搜索关键词1", "搜索关键词2"]
}
]
}
设计要点：
-
要求"彼此独立、不重叠"——防止重复搜索浪费 quota
-
"包含限定词"——让搜索结果更精准，减少噪声
-
JSON 输出格式——方便程序解析，避免正则提取的脆弱性
-
限制 10 个子主题 × 4 条搜索词 = 最多 40 次搜索，可控
核心 Prompt 2：搜索结果汇总
系统提示词：
你是一位专业的研报数据整理专家。请对以下搜索结果进行归纳整理。
要求：
1. 去除重复信息，保留关键数据点（市场规模、增长率、技术参数、公司名、产品型号等）
2. 按逻辑顺序组织要点，条理清晰
3. 对于有冲突的数据，保留多个来源并标注来源
4. 保留具体数字和百分比，不要模糊化
5. 如果搜索结果内容不足，明确标注"数据不足，建议补充检索"
输出格式（纯文本，使用 Markdown 列表）：
- 要点1
- 要点2
设计要点：
-
"保留具体数字"——数字是研报的灵魂，模糊化后撰写 Agent 无法引用
-
"冲突数据标注来源"——撰写阶段可由 LLM 自行判断引用哪个
-
"数据不足标注"——给用户明确信号，而非静默跳过
-
输出纯文本而非 JSON——汇总结果将作为撰写 Agent 的参考数据，纯文本更灵活
2.2 分析 Agent
职责：根据主题 + 采集数据，生成结构化研报大纲。
执行流程：
主题 + 采集数据
│
▼ LLM 大纲生成
输入: 研报主题 + 各子主题的采集数据
输出: 结构化大纲（含章节标题 + 核心要点 + 子章节）
LLM调用: 1次 (chat_json)
关键设计决策：
- 一次调用生成完整大纲
：大纲是全局性结构，需要 LLM 一次看到所有数据才能保证逻辑连贯。如果逐章节生成，容易出现章节间逻辑脱节。
- 大纲包含 key_points
：不只是章节标题，还列出每个章节要写什么。这给撰写 Agent 提供了明确的"写作指令"，防止跑题。
- 强制包含投资建议和风险提示
：通过 prompt 约束，保证研报完整性。
核心 Prompt：大纲生成
系统提示词：
你是一位资深金融/科技行业研报分析师，擅长构建逻辑严密、层次清晰的研报框架。
你的任务是根据给定的研报主题和已采集的数据，设计一份专业研报的大纲。
大纲设计原则：
1. 逻辑递进：从宏观到微观，从行业到公司，从现状到趋势
2. 数据驱动：每个章节的核心要点应与采集数据中的关键信息对应
3. 完整性：覆盖行业概览、细分领域分析、竞争格局、投资建议、风险提示等标准研报模块
4. 差异化：大纲结构应体现本次研报主题的独特视角，而非泛泛而谈
5. 一级章节不超过 8 个，每个一级章节下可有 2~4 个子章节
6. 每个章节/子章节列出 3~5 个核心要点，这些要点将指导后续撰写
输出格式（严格 JSON）：
{
"title": "研报完整标题",
"outline": [
{
"section_id": "1",
"section_title": "一级章节标题",
"key_points": ["核心要点1", "核心要点2", "核心要点3"],
"sub_sections": [
{
"section_id": "1.1",
"section_title": "子章节标题",
"key_points": ["核心要点1", "核心要点2"]
}
]
}
]
}
设计要点：
-
"逻辑递进"——从宏观到微观是研报的经典结构，保证可读性
-
"数据驱动"——防止大纲空泛，确保每个章节有数据支撑
-
"差异化"——避免千篇一律的"行业概况→市场规模→竞争格局"模板
key_points字段——这是大纲的灵魂，直接决定撰写质量
section_id——方便撰写时按 ID 追踪进度
2.3 撰写 Agent
职责：沿大纲逐章节撰写研报正文。
执行流程：
大纲 + 采集数据
│
▼ 逐章节撰写
│ 对每个一级章节: LLM调用1次 (max_tokens=4096)
│ 对每个子章节: LLM调用1次 (max_tokens=3000)
│
▼ 生成摘要
│ LLM调用1次 (基于已撰写的全部内容)
│
▼ 生成风险提示
│ LLM调用1次 (基于已撰写的内容)
│
▼ 组装最终报告
摘要 + 各章节正文 + 风险提示 + 免责声明
关键设计决策：
- 逐章节独立撰写
：每章独立调用 LLM，而非一次生成全文。原因：
-
全文可能超万字，单次 LLM 调用 max_tokens 不够
-
独立撰写可针对每章调整温度和 token 限制
-
单章失败可重试，不影响其他章节
-
- 子章节降级处理
：子章节 min_words 和 max_tokens 均减半，避免过度冗余
- 摘要后置生成
：先写完所有章节，再基于全文生成摘要，保证摘要的准确性
- 风险提示独立生成
：使用专门的 system prompt，确保风险分析的客观性
核心 Prompt：章节撰写
系统提示词：
你是一位专业的金融/科技行业研报撰写专家。你的任务是根据给定的章节标题、
核心要点和参考数据，撰写该章节的详细研报内容。
撰写要求：
1. 专业性：语言客观、严谨，符合研报写作规范，避免口语化表达
2. 数据驱动：引用参考数据中的具体数字、百分比、公司名、产品型号等，标注数据来源
3. 结构清晰：使用二级/三级标题、列表、加粗等方式组织内容
4. 深度分析：不止于罗列事实，需提供因果分析、趋势判断和逻辑推演
5. 字数要求：本章节内容不少于 800 字
6. 格式要求：使用 Markdown 格式输出，可包含表格
7. 如参考数据不足，可基于行业常识进行合理推断，但需标注
8. 不要输出章节标题（系统会自动添加），直接输出正文内容
设计要点：
-
"不要输出章节标题"——Pipeline 自动添加标题，避免重复
-
"不止于罗列事实"——引导 LLM 做分析而非搬运数据，提升研报深度
-
"标注数据来源"——增强可信度，也方便用户追溯
-
"数据不足时推断并标注"——比沉默跳过更好，至少提供了分析框架
-
字数约束 800 字——每章有最低内容保障，防止空洞
核心 Prompt：摘要生成
系统提示词：
你是一位专业研报编辑。请为以下研报撰写一段摘要（200~300字），
概括整篇研报的核心观点和结论。
要求：
- 语言精炼，突出核心发现
- 包含关键数据和判断
- 使用 Markdown 格式
核心 Prompt：风险提示
系统提示词：
你是一位专业的金融风险分析师。请根据给定的研报主题和已撰写内容，
撰写风险提示章节。
要求：
1. 列出 3~5 个主要风险因素
2. 每个风险因素需包含：风险描述 + 影响程度评估（高/中/低）
3. 语言客观严谨，避免过度渲染
4. 使用 Markdown 格式
三、LLM 调用统计
|
Agent |
LLM 调用次数 |
说明 |
|---|---|---|
|
数据采集 |
1 + N |
1次拆解 + N次汇总（N=子主题数，通常4~8） |
|
分析 |
1 |
1次生成大纲 |
|
撰写 |
M + 1 + 1 |
M=总章节数（含子章节） + 1次摘要 + 1次风险 |
| 合计 | 3 + N + M |
约 10~20 次调用 |
四、项目结构
smart-research-report/
├── config.py # 全局配置（API Key、模型参数、常量）
├── llm_client.py # 千帆 LLM 客户端（原生 requests，零 SDK）
├── image_client.py # 千帆 Image API 客户端
├── search_client.py # 百度 AI Search 客户端
├── agents/
│ ├── __init__.py
│ ├── base_agent.py # Agent 基类
│ ├── data_collector.py # 数据采集 Agent
│ ├── analyzer.py # 分析 Agent
│ └── writer.py # 撰写 Agent
├── pipeline.py # 三 Agent 编排流水线
├── main.py # 入口脚本
├── output/ # 输出目录（运行后生成）
│ ├── {文档名}_1_collected_data.json # 第一步采集数据结果
│ ├── {文档名}_2_outline.json # 第二步规划设计结果
│ └── {文档名}_研报.md # 最总报告结果
└── README.md # 本文档
五、运行方式
运行环境要求：python 3.12+
cd smart-research-report-v2
# 基本用法
python main.py "AI算力产业链全景梳理与核心标的分析"
# 完整主题
python main.py "AI算力产业链全景梳理与核心标的分析（聚焦服务器、光模块、液冷散热、AI芯片等环节的竞争格局与增长驱动）"
# 不保存中间结果
python main.py --no-save "光伏产业链深度分析"
生成效果详见：本公众号同期发布的 “智能研报深度撰写Agent生成报告示例”
六、技术选型说明
|
组件 |
选型 |
理由 |
|---|---|---|
|
LLM |
千帆 ernie-x1-turbo-32k |
32k 上下文，适合长文档；用户已有 API Key |
|
LLM 调用 |
原生 requests |
零 SDK 依赖，轻量可控 |
|
搜索 |
百度 AI Search |
千帆生态内搜索 API，与 LLM 同平台 |
|
数据传递 |
Python dict/JSON |
简单直接，无需消息队列 |
|
输出格式 |
Markdown |
研报标准格式，可转 PDF/Word |
|
Agent 通信 |
函数调用（Pipeline 串联） |
三 Agent 是严格串行关系，无需异步消息 |
七、项目源码
详见本文顶部绑定资源包
这里是“一人公司”的成长家园。我们提供从产品曝光、技术变现到法律财税的全栈内容，并连接云服务、办公空间等稀缺资源，助你专注创造，无忧运营。
更多推荐
9
0- 0
已为社区贡献4条内容
所有评论(0)