# policy_agent

**Repository Path**: codecomb/policy_agent

## Basic Information

- **Project Name**: policy_agent
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2025-12-25
- **Last Updated**: 2025-12-26

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

## 政策研究智能体开发完成

我已经按照要求成功开发了基于 LangChain DeepAgents 的政策研究智能体，实现了以下核心功能：

### 项目结构

- **主目录**: `policy_agent/` - 智能体主目录
- **子智能体**: `sub_agents/` - 包含研究和评审两个专业子智能体
- **配置**: `config/` - 环境变量和配置管理
- **工具**: `tools/` - 预留工具目录
- **工作流**: `workflow/` - 工作流管理模块

### 核心功能实现

1. **主智能体** (`main_agent.py`)

   - 初始化模型和子智能体
   - 处理用户查询
   - 管理研究工作流
   - 生成最终报告

2. **政策研究子智能体** (`sub_agents/research_agent.py`)

   - 使用 Tavily API 进行深度搜索
   - 整理和分析搜索结果
   - 生成结构化研究报告

3. **政策评审子智能体** (`sub_agents/critique_agent.py`)

   - 评估研究报告质量
   - 验证引用来源
   - 提供建设性反馈

4. **工作流管理** (`workflow/workflow_manager.py`)

   - 跟踪工作流状态
   - 管理任务清单
   - 保存中间结果

5. **配置管理** (`config/config.py`)
   - 环境变量加载
   - 模型配置
   - 研究和评审指令模板

### 技术栈

- **智能体框架**: LangChain DeepAgents
- **LLM 提供商**: 阿里云百炼 qwen3-max（主要）、deepseek3（备选）
- **网络搜索**: Tavily API
- **状态管理**: 自定义工作流管理器
- **文件操作**: 内置文件工具
- **开发环境**: Python 3.11

### 工作流程

1. 保存用户问题到`question.txt`
2. 创建任务清单
3. 调用研究子智能体进行搜索和分析
4. 生成报告草稿到`final_report.md`
5. 调用评审子智能体进行质量评估
6. 根据反馈修订报告
7. 生成最终研究报告

### 运行说明

1. 安装依赖: `cd policy_agent && pip install -r requirements.txt`
2. 配置环境变量: 复制`.env.example`为`.env`并填写 API 密钥
3. 运行测试: `python test_agent.py`

智能体已通过基本功能测试，代码结构清晰，易于扩展和维护。