DeepSearch AI Agent：簡単な依頼を専門的な記事に変えるAIコンテンツ作成アシスタント

DeepSearch AI Agentは、高度なAIコンテンツ作成アシスタントです。 LangGraphとFastAPIの技術を用いて構築されています。 このツールは一般的なQ&Aボットとは異なります。 専門家チームのワークフローを模倣し、"思考-計画-調査-執筆 "のサイクルを通して、ユーザーからのシンプルなリクエストを、完全な構造と詳細なコンテンツを持つ専門的な記事、チュートリアル、技術ブログに変えることができます。 システム全体はフロントエンドとバックエンドに分かれており、バックエンドはFastAPI処理ロジック、フロントエンドはReactを使ってインターフェースを表示し、この2つはリアルタイムストリーミング技術で通信を行い、ユーザーは記事生成のプロセスをリアルタイムで見ることができます。 このプロジェクトの設計は拡張性が高く、手動レビューや自動修正リンクを追加して、より複雑なインテリジェントエージェントロジックを実現するなど、新しい機能ノードを追加することも容易です。

機能一覧

• ダイナミックな物語プランニング紙にペンを走らせる前に、AIは題材を分析し、コンテンツのタイプ（例えば技術的なものか歴史的なものか）を判断し、堅苦しいテンプレートの使用を避け、最適な物語構造を考案する。
• 専門家によるアウトライン生成このツールは、冷ややかなタスク記述ではなく、実際の専門家が書いたような、自然で魅力的な章見出しを持つ記事のアウトラインを生成する。
• 監督と実行者のワークフローリサーチ・ディレクター」と「ライティング・ディレクター」です。リサーチ・ディレクター」と「ライティング・ディレクター」という2つの役割があり、それぞれ特定のリサーチとライティングの業務を行うエグゼクティブを派遣します。
• 情報の正確な引用と検索つまり、現在の章に最も関連性の高い研究資料のみを照会し、情報の正確性を確保する。
• 学術レベルの引用書式このシステムは、出典の引用を自動的に処理します。記事本文にクリック可能な引用タグを生成する（例[1])、論文の末尾には統一された書式の参考文献リストが作成される。
• 進捗状況のリアルタイム更新バックエンドは、SSE（Server-Sent Events）技術を通じて、タスクの進捗状況、新しく書かれたチャプターの内容、フロントエンドのインターフェースへの参照に関する情報をリアルタイムでプッシュする。
• 最新技術スタックバックエンドはPythonのFastAPIとLangGraphを多用し、フロントエンドはReactとTypeScriptを使用しています。

ヘルプの使用

DeepSearch AI Agentは、フロントエンドとバックエンドに分かれたプロジェクトであるため、バックエンドとフロントエンドを別々にセットアップして起動する必要があります。以下は、ゼロから正常に実行できるようにするための詳細な手順です。

ステップ1：準備

作業を始める前に、以下のソフトウェアがコンピュータにインストールされていることを確認してください：

• Python (バージョン3.9以上）
• Node.js 歌で応える npm (フロントエンドの実行用）
• Git (コードリポジトリのクローン用)

ステップ2：プロジェクトコードの取得

ターミナル（WindowsではコマンドプロンプトまたはPowerShell、macOSまたはLinuxではターミナル）を開き、コードリポジトリをローカルコンピューターにクローンする。

git clone https://github.com/LordFoxFairy/deepseek_deepsearch_quickstart.git

クローニングが完了したら、プロジェクト・ディレクトリに移動する：

cd deepseek_deepsearch_quickstart

ステップ3：バックエンドのセットアップ

バックエンドは、企画、調査、執筆を含むすべてのAIロジック処理を担当する。

1. バックエンドのディレクトリに移動する
   プロジェクトのルート・ディレクトリ(deepseek_deepsearch_quickstartを入力する。backendカタログ

   cd backend
   

2. Python仮想環境の作成と有効化
   あなたのコンピュータのグローバルなPython環境を汚染しないために、仮想環境を作成することを強くお勧めします。

   python -m venv venv
   

   このコマンドはvenvフォルダに保存します。次に、それをアクティブにする必要があります：

   • ある ウィンドウズ システム上で実行する：

     .\venv\Scripts\activate
     

   • ある マックオス もしかしたら リナックス システム上で実行する：

     source venv/bin/activate
     

   アクティベーションに成功すると、ターミナルのコマンドプロンプトの前に(venv)この言葉だ。

3. 依存パッケージのインストール
   バックエンドに必要なPythonライブラリはすべてrequirements.txtファイルをインストールします。以下のコマンドを実行してインストールする：

   pip install -r requirements.txt
   

4. APIキーの設定
   このプロジェクトでは、AIモデルを動作させるためにAPIキーが必要です。2つのAPIキーを設定する必要があります。
   第一にbackend/src/ディレクトリで.env.exampleファイルのそれをコピーして名前を変更する必要があります.env.
   • ある ウィンドウズ 上へ

     copy .\src\.env.example .\src\.env
     

   • ある マックオス もしかしたら リナックス 上へ

     cp src/.env.example src/.env
     

   次に、コードエディタを使って、この新しい.envファイルを開くと、次のようになる：

   # backend/src/.env
   # 用于 RAG 嵌入
   DASH_SCOPE_API_KEY=sk-your-dashscope-api-key
   # 用于 LLM 推理
   DEEPSEEK_API_KEY=sk-your-deepseek-api-key
   DEEPSEEK_BASE_URL=https://api.deepseek.com
   

   を配置する必要があります。sk-your-dashscope-api-key歌で応えるsk-your-deepseek-api-key自分の本当のキーに置き換えてください。DASH_SCOPE_API_KEYテキスト埋め込み用（RAG関数）。DEEPSEEK_API_KEY大規模言語モデルの推論

ステップ4：フロントエンドのセットアップ

フロントエンドはユーザーとのインタラクションのためのインターフェイスを提供する責任がある。

1. フロントエンドのディレクトリに移動する
   新しいターミナル・ウィンドウを開くか、前のターミナルで最初にプロジェクトのルート・ディレクトリに戻る (cd ..)に移動しfrontendカタログ

   cd frontend
   

2. 依存パッケージのインストール
   フロントエンドはNode.js環境を使用し、必要な依存関係はpackage.jsonファイルをインストールします。以下のコマンドを実行してインストールする：

   npm install
   

   この作業には数分かかる。

ステップ5：アプリケーションの実行

フロントエンドとバックエンドの準備が完了したので、アプリケーションを起動することができる。両方のターミナル・ウィンドウを同時に起動しておく必要がある。

1. バックエンド・サービスを開始する（最初のターミナルで）
   に入っていることを確認してください。backendディレクトリに移動し、Python仮想環境を有効にする。次に以下のコマンドを実行する：

   uvicorn src.api.main:app --host 0.0.0.0 --port 8000 --reload
   

   • uvicornは、FastAPI アプリケーションを実行するための ASGI サーバーです。
   • --host 0.0.0.0LAN上でサービスにアクセスできるようにする。
   • --port 8000サービスのポート番号を指定する。
   • --reloadパラメータは、コードファイルが変更されたときにサービスが自動的に再起動することを示します。
2. フロントエンドサービスを開始する（2つ目のターミナルで）
   に入っていることを確認してください。frontendディレクトリに移動します。次に以下のコマンドを実行する：

   npm run dev
   

   このコマンドはローカルの開発サーバーを起動する。5173港。

ステップ6：体験の開始

両方のサービスが正常に開始されたら、ブラウザーを開き、以下のアドレスにアクセスする：
http://localhost:5173
これでDeepSearch AI Agentのインターフェースが表示されます。入力ボックスに記事を作成したいトピックを入力し、送信をクリックすると、AIが「Think-Plan-Research-Write」プロセスを開始し、作業の進捗状況と最終的な記事をインターフェイス上にリアルタイムで表示します。

アプリケーションシナリオ

1. コンテンツクリエーター
   詳細な記事、チュートリアル、ブログを書く必要のある個人やチームにとって、このツールは強力な出発点となる。ユーザーは核となるトピックを提供するだけで、AIが自動的に情報を調査し、構成を考え、最初の原稿を書くので、コンテンツ作成の効率と質が大幅に向上する。
2. 技術文書
   ソフトウェア開発者やテクニカルライターは、技術文書の初稿を素早く作成するために使用することができます。例えば、「特定のAPIの使い方」というリクエストを入力すると、背景、インストール手順、機能の詳細、コードサンプルを含む完全なチュートリアルを自動的に生成することができます。
3. 教育とトレーニング
   教師やトレーナーは、このツールを使ってコースの学習教材を素早く作成することができます。歴史的な出来事の詳細な説明でも、複雑な科学的概念の素人向けの説明でも、AIは明確に構成された有益な記事を作成し、教材や副読本として使用することができます。

品質保証

1. このプログラムに料金はかかりますか？
   プロジェクト自体はオープンソースで、無料で利用できる。ただし、サードパーティのAIモデリング・サービス（DeepSeekやDashScopeなど）に依存しており、これらのサービスのAPIキーを取得し、これらのサービス・プロバイダーの価格戦略に基づいてAPIコールの料金を支払う必要がある。
2. 他の大きな言語モデルに置き換えることはできますか？
   できる。このプロジェクトのアーキテクチャは、あらゆる種類の大規模言語モデルに柔軟に対応できるように設計されています。バックエンドのコードのうち、モデルを呼び出す部分を修正して、OpenAIのGPTファミリーや他のモデルなど、好みのモデルに置き換えることができます。
3. 生成された記事の品質はどのように保証されるのですか？
   このシステムは「スーパーバイザー-パフォーマー」モデルによって品質を保証する。 綿密な調査計画から始まり、RAG（検索補強生成）技術を使用して、コンテンツが正確な情報源に基づいていることを保証する。 同時に、引用と参考文献を自動的に処理し、コンテンツのトレーサビリティを確保する。