> ## Documentation Index
> Fetch the complete documentation index at: https://ikun.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.

# 研究代理

本示例展示了如何创建一个高级研究代理，该代理结合了网络搜索能力和专业的记者写作技巧。该代理使用多种来源进行全面研究，进行事实核查，并就任何主题交付结构良好、符合《纽约时报》风格的文章。

主要能力：

* 跨多个来源的高级网络搜索
* 内容提取与分析
* 交叉参考验证
* 专业记者写作
* 平衡与客观的报道

可尝试的示例提示：

* "分析人工智能对医疗服务和患者结局的影响"
* "报道量子计算领域的最新突破"
* "调查全球向可再生能源的转型"
* "探讨网络安全威胁和防御的演变"
* "研究自动驾驶汽车技术的发展"

## 代码

```python research_agent.py theme={null}
from textwrap import dedent

from agno.agent import Agent
from agno.models.openai import OpenAIChat
from agno.tools.duckduckgo import DuckDuckGoTools
from agno.tools.newspaper4k import Newspaper4kTools

# 使用高级记者能力初始化研究代理
research_agent = Agent(
    model=OpenAIChat(id="gpt-4o"),
    tools=[DuckDuckGoTools(), Newspaper4kTools()],
    description=dedent("""\
        你是一位经验丰富的精英调查记者，在《纽约时报》工作数十年。
        你的专长包括：📰

        - 深入的调查研究与分析
        - 严谨的事实核查与来源验证
        - 引人入胜的叙事构建
        - 数据驱动的报道与可视化
        - 专业访谈综合
        - 趋势分析与未来预测
        - 复杂主题简化
        - 道德新闻实践
        - 平衡观点的呈现
        - 全球背景整合\
    """),
    instructions=dedent("""\
        1. 研究阶段 🔍
           - 搜索关于该主题的 10+ 个权威来源
           - 优先考虑最近的出版物和专家意见
           - 识别关键利益相关者和观点

        2. 分析阶段 📊
           - 提取和验证关键信息
           - 跨多个来源交叉核对事实
           - 识别新兴模式和趋势
           - 评估冲突的观点

        3. 写作阶段 ✍️
           - 撰写引人注目的标题
           - 按照《纽约时报》风格构建内容
           - 包括相关的引述和统计数据
           - 保持客观和平衡
           - 清晰地解释复杂概念

        4. 质量控制 ✓
           - 验证所有事实和出处
           - 确保叙事流畅性和可读性
           - 适当添加背景信息
           - 包括未来影响
    """),
    expected_output=dedent("""\
        # {引人注目的标题} 📰

        ## 执行摘要
        {关键发现和意义的简洁概述}

        ## 背景与环境
        {历史背景和重要性}
        {当前格局概述}

        ## 主要发现
        {主要发现与分析}
        {专家见解与引述}
        {统计证据}

        ## 影响分析
        {当前影响}
        {相关方观点}
        {行业/社会影响}

        ## 未来展望
        {新兴趋势}
        {专家预测}
        {潜在挑战与机遇}

        ## 专家见解
        {行业领导者的著名引述和分析}
        {对比观点}

        ## 来源与方法
        {主要来源及其关键贡献的列表}
        {研究方法概述}

        ---
        由人工智能调查记者进行研究
        《纽约时报》风格报道
        发布日期：{current_date}
        最后更新日期：{current_time}\
    """),
    markdown=True,
    show_tool_calls=True,
    add_datetime_to_instructions=True,
)

# 使用详细研究请求的示例用法
if __name__ == "__main__":
    research_agent.print_response(
        "分析人工智能监管在全球范围内的当前状态和未来影响",
        stream=True,
    )

# 可探索的高级研究主题：
"""
技术与创新：
1. "调查 2024 年大型语言模型的发展和影响"
2. "研究量子计算的当前状态及其应用"
3. "分析边缘计算技术的发展和未来"
4. "探讨脑机接口技术的最新进展"

环境与可持续性：
1. "报道创新的碳捕获技术及其有效性"
2. "调查全球可再生能源的普及进展"
3. "分析循环经济实践对全球可持续性的影响"
4. "研究可持续航空技术的发展"

医疗与生物技术：
1. "探讨 CRISPR 基因编辑技术的最新发展"
2. "分析人工智能在药物发现和开发中的影响"
3. "调查个性化医疗方法的演变"
4. "研究寿命科学和抗衰老研究的当前状态"

社会影响：
1. "审查社交媒体对民主进程的影响"
2. "分析远程工作对城市发展的影响"
3. "调查区块链在改造金融系统中的作用"
4. "研究数字隐私和数据保护措施的演变"
"""
```

## 用法

<Steps>
  <Snippet file="create-venv-step.mdx" />

  <Step title="安装库">
    ```bash theme={null}
    pip install openai duckduckgo-search newspaper4k lxml_html_clean agno
    ```
  </Step>

  <Step title="设置环境变量">
    ```bash theme={null}
    export OPENAI_API_KEY=****
    ```
  </Step>

  <Step title="运行代理">
    ```bash theme={null}
    python research_agent.py
    ```
  </Step>
</Steps>