eino-examples/adk/human-in-the-loop/7_deep-agents/README_ZH.md

人机协同：Deep Agents 模式与追问

本示例演示了 Deep Agents 多智能体模式与 追问 人机协同模式的结合。

它展示了如何构建一个深度推理智能体系统，当用户需求不明确时主动提出澄清问题，确保分析结果准确且个性化。

工作原理

1. Deep Agent 架构：系统使用一个深度智能体来协调专业化的子智能体：

   • ResearchAgent：搜索市场、技术和金融信息
   • AnalysisAgent：执行趋势、对比和统计分析
   • FollowUpTool：提出澄清问题以收集缺失信息

2. 追问工具：FollowUpTool 在以下情况触发中断向用户提问：

   • 分析需求不明确
   • 需要特定参数（时间段、行业、风险承受能力）
   • 智能体需要确认用户偏好

3. 工作流程：

   • 用户请求分析（例如，"分析市场趋势并提供投资建议"）
   • 深度智能体识别模糊性 → 使用 FollowUpTool → 中断
   • 用户回答澄清问题 → 恢复
   • 智能体使用明确的需求进行研究和分析
   • 生成最终综合报告

4. 指令驱动：深度智能体被明确指示在任何分析之前首先使用 FollowUpTool，以确保收集所有必要信息。

实际示例

以下是追问流程的示例：

========================================
User Query: Analyze the market trends and provide investment recommendations.
========================================

name: DataAnalysisAgent
path: [{DataAnalysisAgent}]
tool name: FollowUpTool
arguments: {"questions":["What specific market sectors are you interested in?","What time period should the analysis cover?","What is your risk tolerance?"]}

========================================
CLARIFICATION NEEDED
========================================
The agent needs more information to proceed:

  1. What specific market sectors are you interested in (e.g., technology, finance, healthcare)?
  2. What time period should the analysis cover (e.g., last quarter, year-to-date)?
  3. What type of analysis do you need (e.g., trend, comparison, statistical)?
  4. What is your risk tolerance for investment recommendations (e.g., conservative, moderate, aggressive)?

----------------------------------------
Answer for Q1 (What specific market sectors...): technology and finance
Answer for Q2 (What time period...): last quarter
Answer for Q3 (What type of analysis...): trend analysis
Answer for Q4 (What is your risk tolerance...): moderate

========================================
Resuming with your answers...
========================================

name: DataAnalysisAgent
path: [{DataAnalysisAgent}]
action: transfer to ResearchAgent

name: ResearchAgent
path: [{DataAnalysisAgent} {ResearchAgent}]
tool name: search
arguments: {"query":"technology market trends Q3 2025","category":"technology"}

name: ResearchAgent
path: [{DataAnalysisAgent} {ResearchAgent}]
tool response: {"results":[{"title":"AI Industry Report 2025",...}]}

name: DataAnalysisAgent
path: [{DataAnalysisAgent}]
action: transfer to AnalysisAgent

name: AnalysisAgent
path: [{DataAnalysisAgent} {AnalysisAgent}]
tool name: analyze
arguments: {"data":"...","analysis_type":"trend"}

name: DataAnalysisAgent
path: [{DataAnalysisAgent}]
answer: Based on your preferences for technology and finance sectors with moderate risk tolerance...

此跟踪记录展示了：

• 主动澄清：智能体在开始分析前提出问题
• 结构化问题：在单次中断中收集多个问题
• 用户回答：收集所有答案并用于指导分析
• 定向分析：研究和分析根据用户的具体需求进行定制

如何配置环境变量

在运行示例之前，您需要设置 LLM API 所需的环境变量。您有两个选项：

选项 1: OpenAI 兼容配置

export OPENAI_API_KEY="{your api key}"
export OPENAI_BASE_URL="{your model base url}"
# 仅在使用 Azure 类 LLM 提供商时配置此项
export OPENAI_BY_AZURE=true
# 'gpt-4o' 只是一个示例，请配置您的 LLM 提供商提供的实际模型名称
export OPENAI_MODEL="gpt-4o-2024-05-13"

选项 2: ARK 配置

export MODEL_TYPE="ark"
export ARK_API_KEY="{your ark api key}"
export ARK_MODEL="{your ark model name}"

或者，您可以在项目根目录创建一个 .env 文件来设置这些变量。

如何运行

确保您已设置好环境变量（例如，LLM API 密钥）。然后，在 eino-examples 仓库的根目录下运行以下命令：

go run ./adk/human-in-the-loop/7_deep-agents

您将看到深度智能体询问关于您分析需求的澄清问题，在您提供答案后，它将进行定制化的市场分析。

工作流程图

graph TD
    A[用户请求] --> B{深度智能体};
    B --> C[识别模糊性];
    C --> D[FollowUpTool];
    D --> E[中断：提问];
    E --> F{用户回答};
    F --> G[恢复并携带答案];
    G --> H[委托给 ResearchAgent];
    H --> I[搜索市场数据];
    I --> J[返回研究结果];
    J --> B;
    B --> K[委托给 AnalysisAgent];
    K --> L[分析数据];
    L --> M[返回分析结果];
    M --> B;
    B --> N[生成最终报告];
    N --> O[最终响应];

与其他模式的主要区别

方面	审批	审阅编辑	追问
触发条件	敏感操作	预订/修改	模糊需求
用户操作	是/否	批准/编辑/拒绝	回答问题
目的	授权	参数验证	信息收集
时机	执行前	执行前	规划前