Agentic Read - 基于 Qwen API 的多步骤研究助手 Agent

项目简介

Agentic Read 是一个基于 Qwen API 的多步骤研究助手 Agent，专为复杂任务的自动化分解与执行而设计。通过智能的任务拆解、逐步执行和反思闭环机制，帮助用户高效完成需要多步骤推理和验证的研究任务。

核心功能

• 任务自动拆解：将复杂研究任务智能分解为可执行的子任务序列
• 逐步执行：按顺序执行每个子任务，确保逻辑连贯性
• 反思闭环：内置质量评估机制，对执行结果进行反思，不够好时自动重试
• 结果汇总：整合所有子任务结果，生成最终的完整答案

技术架构

┌─────────────┐    ┌─────────────┐    ┌─────────────┐    ┌─────────────┐    ┌─────────────┐
│             │    │             │    │             │    │             │    │             │
│  Decompose  │───▶│  Execute    │───▶│  Reflect    │───▶│   Retry?    │───▶│  Summarize  │
│             │    │             │    │             │    │             │    │             │
└─────────────┘    └─────────────┘    └─────────────┘    └─────────────┘    └─────────────┘
                                                          ▲
                                                          │
                                                          └───────────────────┘
                                                                          (最多重试2次)

流程说明：

1. Decompose：将用户输入的复杂任务分解为有序的子任务列表
2. Execute：依次执行每个子任务，收集执行结果
3. Reflect：调用评估函数对结果质量进行判断（是否充分、原因及改进建议）
4. Retry：如果评估结果不充分，则根据建议重试（最多2次，共3次执行机会）
5. Summarize：整合最终结果，生成完整的回答

快速开始

1. 安装依赖

pip install -r requirements.txt

2. 配置 API Key

推荐方式 - 环境变量配置：

Windows PowerShell:

$env:DASHSCOPE_API_KEY='sk-你的密钥'

Linux/macOS:

export DASHSCOPE_API_KEY='sk-你的密钥'

永久配置（Windows）：

[System.Environment]::SetEnvironmentVariable('DASHSCOPE_API_KEY', 'sk-你的密钥', 'User')

3. 运行项目

python task_agent.py

设计亮点

反思闭环机制

本项目的核心创新在于实现了反思闭环机制，这是区别于传统 Agent 的关键设计：

1. 质量保障：每次任务执行后都会进行质量评估，确保输出结果的充分性和准确性
2. 智能重试：当评估结果不理想时，系统会根据具体的改进建议进行有针对性的重试，而不是盲目重复
3. 防死循环：设置最大重试次数（2次），避免无限循环，保证系统稳定性
4. 容错设计：即使评估函数本身出错，也会默认认为结果充分，确保流程正常继续

为什么这样设计？

• 现实场景需求：真实的研究任务往往需要多次迭代和修正才能达到满意效果
• 成本效益平衡：通过有限次数的重试，在保证质量的同时控制 API 调用成本
• 用户体验优化：用户无需手动干预重试过程，系统自动处理质量不达标的情况
• 可靠性保证：多重容错机制确保系统在各种异常情况下都能稳定运行

这种设计使得 Agentic Read 不仅是一个简单的任务执行器，更是一个具备自我反思和改进能力的智能研究助手。