Multi-Agent
科技前沿识别多智能体工作流系统
省重点实验室开放基金项目 · 迭代至 v1.0 完成高校正式交付
核心成员 · 主导 AI-Native 开发与交付2025.01 - 2025.12
面向科技情报领域，设计并落地「采集-抽取-分析-成报-审核」多智能体工作流系统。从实验室开放基金课题起步，迭代至 SciAgent v1.0 完成对高校科研团队的正式交付——可复现、可维护、可验收的研究支撑能力，而非仅可运行代码。
- v1.0
- 高校正式交付（2026.03）
- 136 个
- 全球信息源
- 5 步
- LangGraph 工作流闭环
- 4 步
- 标准化验收实验
✦真实界面
01问题定义
科技前沿情报散落于 ArXiv、GitHub 等多源异构渠道，人工追踪耗时且难以体系化，难以高效转化为可决策的洞察；而生成式报告缺乏质量控制机制，难以直接服务科研场景。
02策略与路径
- 01
工作流设计：v1.0 采用 5 步 LangGraph 编排——数据采集管道（混合爬虫 + 向量过滤 + 质量筛选，无 LLM）→ 事实抽取器（A/B/C 分级 + 时间过滤）→ 深度分析师 → 报告生成器 → 质量审核员；审核不通过自动回退报告生成，形成闭环修订机制
- 02
混合爬虫两阶段调度：aiohttp 异步爬取静态页面优先，JS 重度页面自动切换 Chromium 无头浏览器补救，信息源从早期 8 类扩展至 136 个全球信息源
- 03
工程化交付：FastAPI + SSE 实时进度推送、前端单页操作界面、AsyncSqliteSaver 断点恢复；配套一键启动脚本、README、交付使用报告与历史示例数据
- 04
验收方法论：设计「可用性→配置→流程→成果」四步验收实验（A-D），每步有明确操作与通过标准，支撑新环境复现与部署验收
04收获与反思
从实验室原型到商业交付，最大的跨越不是加功能，而是把「能跑」变成「可验收」：每一步都有通过标准的实验设计、断点可恢复的执行链路、以及面向新环境的复现文档——这决定了系统能不能离开开发者独立存活。