Dify智能体深度研究报告生成 Agent

🔬 深度研究报告生成 Agent

该工作流是一个高度复杂的对话式研究助理 Agent。它被设计用来模拟一位专业研究员的工作全流程：首先通过多轮对话与用户共同深度提炼研究主题，然后将主题拆解为多个研究角度，接着针对每个角度进行深度知识检索，最后链式撰写并整合出一份结构完整、内容详实的深度研究报告。

第一阶段：对话式主题精炼（前 4 轮对话）

工作流的前半部分是一个用于精确锁定用户真实意图的结构化对话流程。

1. 用户提出初步主题：用户在“开始”节点输入一个初步的研究方向，并选择报告的语言。
2. AI 生成澄清问题：一个“问题分解” LLM 会分析初步主题，并生成 4 个循序渐进的澄清式问题，旨在帮助用户思考并明确研究的边界和重点。
3. 四轮问答：工作流会通过“条件分支”节点，利用对话轮次（dialogue_count）作为状态机，在接下来的 4 轮对话中，逐一向用户提出这 4 个问题，并将用户的每一个回答，都通过“赋值”节点，存入相应的会话变量中。
4. 最终主题确立：在收集完所有回答后，一个“主题提取” LLM 会综合用户的原始主题和全部 4 轮问答的内容，提炼并生成一个最终的、精确的研究主题。

第二阶段：报告大纲生成与深度知识检索

在研究主题被最终确认后，工作流进入后台的“研究”阶段。

1. 生成报告大纲：一个 LLM 会将提炼后的研究主题，拆解成 4 个逻辑连贯的子主题（Sub-titles），这 4 个子主题将构成最终报告的核心章节。
2. 深度知识检索：这是信息收集的核心。工作流会对每一个子主题，都执行一次独立的、深度的知识检索流程：
   • 提取关键词：“参数提取器”会从子主题中抽取出若干核心关键词。
   • 迭代搜索：“迭代”节点会遍历这些关键词，并使用“知识检索”节点，在绑定的知识库中为每一个关键词都进行一次搜索，从而为每个子主题都搜集到一批高度相关的参考资料。

第三阶段：链式报告撰写与整合

这是报告的最终生成阶段，它采用了一种精巧的“链式调用”方法，以确保报告的连贯性：

1. 分段撰写：工作流会依次调用 4 个独立的 LLM 节点，分别负责撰写 4 个子主题的详细内容。每个 LLM 在撰写时，不仅会参考为其准备的专属知识库资料，还被明确指令其内容的结尾要为下一个子主题做平滑过渡。
2. 撰写首尾：在 4 个核心章节完成后，另外两个 LLM 会分别负责撰写报告的“引言”和“结论”，确保报告的完整性。
3. 全文整合：最后，一个“模板转换”节点会将所有生成的部分——引言、四个章节的正文、结论——按照标准的报告格式，拼接成一份单一、完整的最终报告。

主要特点

• 结构化多轮对话：通过对话轮次计数和条件分支，实现了一个复杂但可控的对话状态机，能够引导用户完成一个复杂的任务，是构建高级 Agent 的核心技术。
• 分治策略（Divide and Conquer）：将一个宏大的研究任务，智能地拆解为“主题提炼 -> 大纲制定 -> 分章节研究 -> 整合撰写”等多个子任务，并逐一攻克。
• 深度知识检索：为报告的每一个章节都进行了独立的、多关键词的迭代搜索，确保了每一个论点都有充分的、来自知识库的资料支撑。
• 链式内容生成（Chain-of-Thought Writing）：通过让每个章节的生成节点都“承上启下”，保证了长篇报告在逻辑上的连贯性和上下文的一致性，显著提升了生成质量。

重要提示

这是一个极其复杂的“高级聊天”工作流，其内部状态由多个会话变量和对话轮次共同管理。它的强大之处在于其精巧的流程设计，而非单一节点的强大。

非常适合用于自动化生成结构复杂、逻辑要求高的长篇内容，例如学术论文初稿、市场分析报告、技术白皮书等。它不仅仅是一个问答工具，更是一个能够与用户协作，共同完成深度研究任务的强大 AI 伙伴。