基于Spring AI Deep Researcher Agent

📑 目录

[1. 项目简介](#1. 项目简介)
[2. 技术栈](#2. 技术栈)
[3. 系统架构](#3. 系统架构)
[4. 系统节点详解](#4. 系统节点详解)
[5. 系统流程图](#5. 系统流程图)
[6. 功能特点](#6. 功能特点)
[7. 使用方法](#7. 使用方法)
[8. 项目结构](#8. 项目结构)

1. 项目简介

✨ 本项目基于 Spring AI + LangGraph4j 构建，旨在打造一个 具备自主研究能力的智能体系统。

深度研究智能体 是一款基于 Spring AI 与 LangGraph4j 的智能研究助手，能够根据用户提出的问题，自动完成
澄清需求 → 制定研究简报 → 执行深度搜索 → 整理与压缩信息 → 生成最终报告 的全流程研究任务。

该系统采用 图驱动的智能体架构 (Graph-based Agent Architecture) ，具备 ** 多节点协作、监督机制、工具链调用、实时反馈

** 等特性，可广泛应用于学术研究、市场分析、技术趋势追踪等场景。

github:https://github.com/renpengben/deep-researcher-agent

2. 技术栈

Java 17
Spring Boot 3.5.5
Spring AI 1.0.1
LangGraph4j 1.6.2

3. 系统架构

系统采用分层的智能体图结构，主要包含以下组件：

DeepResearchGraph

主研究流程图，协调整个研究过程
SupervisorGraph

监督研究质量，确保方向正确
ResearcherGraph

执行具体研究任务，包括搜索、思考和信息压缩

架构总览

复制代码

用户输入问题
      │
      ▼
 ClarifyWithUserNode (澄清需求)
      │
      ▼
 WriteResearchBriefNode (生成研究简报)
      │
      ▼
 SupervisorGraph (监督研究)
      │
      ▼
 ResearcherGraph (执行研究 → 压缩信息)
      │
      ▼
 FinalReportGenerationNode (生成报告)

4. 系统节点详解

主图节点

ClarifyWithUserNode: 澄清用户研究问题
WriteResearchBriefNode: 生成研究简报
FinalReportGenerationNode: 生成最终研究报告

SupervisorGraph

SupervisorNode: 分配研究任务，调用 ResearcherGraph
SupervisorToolNode: 处理工具调用结果，支持并行执行

ResearcherGraph

ResearcherNode: 执行研究任务，调用 TavilySearch、ThinkTool、ResearchComplete
ResearcherToolsNode: 处理工具调用结果
CompressResearchNode: 压缩与整理研究内容

5. 系统流程图

总体流程

复制代码

用户输入问题
   │
   ▼
ClarifyWithUserNode ──> WriteResearchBriefNode
   │                          │
   ▼                          ▼
SupervisorGraph  <─────── 研究简报输入
   │
   ▼
ResearcherGraph ──> CompressResearchNode
   │
   ▼
FinalReportGenerationNode (最终报告)

SupervisorGraph 子图

复制代码

研究简报输入
   │
   ▼
SupervisorNode ──> SupervisorToolNode
   ▲                     │
   └────── 循环直到完成 ──┘

ResearcherGraph 子图

复制代码

研究任务输入
   │
   ▼
ResearcherNode ──> ResearcherToolsNode ──> CompressResearchNode

6. 功能特点

✅ 问题澄清 ：确认研究目标，避免偏差

✅ 研究简报 ：生成可执行的研究计划

✅ 信息搜索与整理 ：Tavily 搜索 + 推理工具链

✅ 监督机制 ：保证研究质量与方向

✅ 实时反馈 ：SSE 实时输出进度与中间结果

✅ 最终报告生成：输出结构化分析报告

7. 使用方法

环境要求

JDK 17+
Maven
OpenAI API Key

启动步骤

bash 复制代码

git clone https://github.com/renpengben/deep-researcher-agent
cd deep-researcher-agent

配置大模型和Tavily
在 application.properties 或环境变量中设置，兼容Open AI规范的大模型接口。

yaml 复制代码

   spring:
     ai:
      openai:
      base-url: https://api.siliconflow.cn
      api-key: sk-xxxx
      chat:
      options:
       model: deepseek-ai/DeepSeek-V3.1

Tavily申请key https://www.tavily.com/

yaml 复制代码

tavily:
api-key: tvly-dev-xxx

test

java 复制代码

    CompileConfig compileConfig = CompileConfig.builder()
        .checkpointSaver(new MemorySaver())
        .build();
    var result = deepResearchGraph.build()
        .getGraph(GraphRepresentation.Type.PLANTUML, "deep research graph", false);
    System.out.println(result.content());
    var compileGraph = deepResearchGraph.build().compile(compileConfig);
    compileGraph.setMaxIterations(50);
    var generator = compileGraph
        .stream(Map.of("messages", new UserMessage("研究下Anthropic最新发布的Streamable HTTP的工程中的具体实现方案")));

3.输出结果

8. 项目结构

复制代码

├── src/
│   ├── main/java/io/github/renpengben/deepresearch/
│   │   ├── config/         # 配置类
│   │   ├── graph/          # 智能体图结构
│   │   ├── model/          # 数据模型
│   │   ├── nodes/          # 节点实现
│   │   ├── prompt/         # 提示词模板
│   │   ├── state/          # 状态管理
│   │   ├── tools/          # 工具实现
│   │   └── DeepResearcherAgentApplication.java
│   └── resources/
│       └── application.yml
└── pom.xml