Sistema de fluxo de trabalho inteligente baseado em LangGraph
O núcleo técnico do Open Deep Research foi desenvolvido com base no mecanismo de fluxo de trabalho LangGraph. Esse sistema MemorySaver permite o gerenciamento do estado e o controle do processo das tarefas de pesquisa. O fluxograma gerado pelo método builder.compile pode exibir intuitivamente a lógica completa de geração de relatórios e oferece suporte à apresentação visual por meio de gráficos Mermaid.
No nível de execução, o sistema usa uma arquitetura de processamento de fluxo assíncrono (astream), em que cada tarefa de pesquisa é identificada e rastreada por um ID de thread exclusivo. O fluxo de trabalho consiste em três fases principais: primeiro, um esboço de relatório é gerado usando o modelo de planejamento, seguido por uma API de pesquisa para acessar o material de pesquisa e, por fim, o relatório completo é integrado e produzido pelo modelo de redação. Cada estágio permite várias rodadas de iteração até que os critérios de qualidade predefinidos sejam atendidos.
A vantagem dessa arquitetura é que o complexo processo de pesquisa inteligente é decomposto em componentes modulares gerenciáveis, e os desenvolvedores podem chamar diretamente o objeto gráfico subjacente por meio do Jupyter Notebook para obter uma personalização mais flexível do processo de pesquisa e monitoramento de efeitos.
Essa resposta foi extraída do artigoOpen Deep Research: o assistente inteligente de código aberto da LangChain para pesquisa profundaO
Português do Brasil 
简体中文 
English 
日本語 
Deutsch