面向 2026 深圳 APEC 峰会，帮助外贸企业快速调研目标市场——多 Agent 协作拆解调研维度、多源采集信息、生成结构化市场简报，支持趋势追踪。
2026 年 11 月 APEC 峰会在深圳举办，21 个成员经济体参与。深圳作为中国外贸第一城，大量中小出口企业需要快速了解目标市场的贸易政策、竞争格局和 APEC 政策利好。
痛点：信息源分散（各国新闻、政策文件、经济数据）、更新频繁、人工调研耗时且容易遗漏关键维度。
解决方案：多 Agent 系统自动拆解调研维度 → 多源信息采集 → 结构化市场简报 → 历史趋势追踪。
为什么不直接问 ChatGPT：
- 需要系统化拆解调研维度（市场规模、关税壁垒、竞争格局、APEC 政策），一个问题问不完
- 需要标准化输出格式，不是聊天文字
- 需要历史记录和趋势对比，ChatGPT 没有记忆
- 敏感议题需要人工审核调研维度
典型使用流程：
- 输入调研需求：「我是深圳做消费电子出口的企业，想了解越南市场机会」
- Planner 自动拆解为 5 个调研维度（市场规模、关税壁垒、竞争格局、APEC 政策、物流策略）
- Human Review：确认维度划分，或要求增删修改
- Researcher 逐维度搜索，DuckDuckGo（实时数据）+ Wikipedia（背景知识）
- Writer 汇总为标准化《市场调研简报》（中文，含数据和来源）
- 趋势对比：自动与历史调研结果对比，标注市场规模↑↓、政策变化、竞争格局变动
用户调研需求
│
▼
┌─────────────┐
│ Planner │ 按调研维度拆解（市场/关税/竞争/政策/物流）
└──────┬──────┘
│
▼
┌─────────────┐ 修改意见？ ┌──────────────┐
│ Human Review│ ◀────────────▶ │ Replan │
└──────┬──────┘ └──────────────┘
│ 确认
▼
┌─────────────────────────────────────────────┐
│ Researcher Agent │
│ │
│ 维度 1 → [ReAct 循环] → 搜索结果 │
│ 维度 2 → [ReAct 循环] → 搜索结果 │ ← 失败自动重试（最多 3 次）
│ 维度 N → [ReAct 循环] → 搜索结果 │
│ │
│ Tools: DuckDuckGo（实时） | Wikipedia │
│ 策略: 英文搜索 → 中文总结 │
└──────────────────┬──────────────────────────┘
│
▼
┌──────────────┐
│ Writer │ → 标准化《市场调研简报》
└──────┬───────┘
│
▼
┌──────────────┐
│ Memory │ → SQLite 持久化 + 趋势对比
└──────────────┘
| 功能 | 说明 |
|---|---|
| Multi-Agent 编排 | LangGraph 状态图管理完整工作流，5 个 Agent 节点协作 |
| 外贸调研 Prompt | 针对市场规模、关税壁垒、竞争格局、APEC 政策等维度优化 |
| Human-in-the-Loop | 调研前人工审阅维度划分，支持多轮修改直到满意 |
| 手写 ReAct 循环 | 正则解析 Thought/Action/Observation，不依赖框架 function calling |
| 英文搜索 + 中文输出 | 搜索用英文（国际贸易数据覆盖更广），报告用中文 |
| 错误恢复 | 单任务 3 次重试，失败不中断流程，报告标注失败原因 |
| 趋势追踪 | 同一话题多次调研后，LLM 自动对比新旧报告，标注 ↑↓→ 变化 |
| 结构化简报 | 固定模板：摘要/市场概况/贸易政策/竞争格局/机遇与风险/行动建议 |
| 质量评估 | 计划质量、研究深度、报告完整性三维度自动评分，零 LLM 依赖 |
| 双入口 | Streamlit Web UI + CLI，支持中英双语 |
| 组件 | 技术 | 用途 |
|---|---|---|
| Agent 编排 | LangGraph 0.2+ | 状态图、节点路由、循环控制 |
| LLM 调用 | LangChain + langchain-openai | 统一 LLM 接口 |
| LLM 模型 | DeepSeek-V3（API）/ Ollama（本地） | 可配置切换 |
| 网络搜索 | DuckDuckGo (ddgs) | 实时搜索工具 |
| 百科搜索 | Wikipedia | 结构化知识来源 |
| 数据持久化 | SQLite | 会话记忆 + 趋势对比 |
| 前端 | Streamlit 1.35+ | Web 交互界面 |
| 容器化 | Docker + Compose | 一键部署（GPU 透传） |
| 测试 | pytest | 76 个单元/集成测试 |
- Python 3.11+
- DeepSeek API Key（申请地址，免费额度足够测试）
git clone https://github.com/GuddXzy/multi-agent-research.git
cd multi-agent-research
pip install -r requirements.txt
# 配置 API Key
cp .env.example .env
# 编辑 .env，填入你的 DeepSeek API Key
# 启动 Web 界面
streamlit run app.py
# 或使用 CLI
python main.py "我是深圳做消费电子出口的企业，想了解越南市场机会"docker compose up -d使用本地 Ollama 模型：修改
.env中的LLM_BASE_URL和LLM_MODEL
multi-agent-research/
├── app.py # Streamlit 前端入口
├── main.py # CLI 入口
├── eval_runner.py # 评估脚本
├── Dockerfile
├── docker-compose.yml
├── src/
│ ├── config.py # 全局配置（LLM、重试参数、环境变量）
│ ├── state.py # AgentState 类型定义
│ ├── graph.py # LangGraph 状态图编排
│ ├── memory.py # SQLite 会话记忆 + 趋势对比
│ ├── evaluation.py # 三维度评估框架
│ ├── i18n.py # 中英双语国际化
│ ├── agents/
│ │ ├── planner.py # 调研维度拆解
│ │ ├── researcher.py # ReAct 循环搜索
│ │ ├── writer.py # 市场简报生成
│ │ ├── human_review.py # 人工审阅
│ │ └── replan.py # 计划修改
│ └── tools/
│ ├── web_search.py # DuckDuckGo 搜索
│ ├── wikipedia.py # Wikipedia 搜索
│ └── text_tools.py # 笔记保存
├── tests/ # 76 个测试
└── data/ # SQLite 数据库
同一话题调研两次后，系统自动生成对比：
📊 趋势对比摘要（2026-03-15 vs 2026-04-08）
1. 市场规模：从约 80 亿美元增至 91.2 亿美元（↑），但增速从 6% 放缓至 3-5%（↓）
2. 增长品类：从智能手机转向可穿戴设备（→），消费热点向新兴品类转移
3. 贸易政策：ACFTA 优惠税率从 0-5% 明确降至 0%（↓），新增 APEC 无纸化通关
4. 竞争格局：三星份额稳定超 40%（→），中国品牌份额整体上升（↑）
5. 战略建议：从瞄准中端市场转向聚焦可穿戴增量市场，强调 RCEP+ACFTA 双重优惠