场景和使用的模型类型

news/2025/11/5 16:21:20/文章来源:https://www.cnblogs.com/aibi1/p/19194018

背景和价值
- - 一、推理型智能体（绑定reasoning模型）
  - 二、基础型智能体（绑定basic模型）
  - 三、设计逻辑总结
参考资料

背景和价值

以下是 deer-flow 的大模型配置如下链接
https://github.com/bytedance/deer-flow/blob/main/docs/configuration_guide.md

分析map的key的场景是哪些？

AGENT_LLM_MAP: dict[str, LLMType] = {
"coordinator": "reasoning",
"planner": "reasoning",
"researcher": "reasoning",
"coder": "basic",
"reporter": "basic",
"podcast_script_writer": "basic",
"ppt_composer": "basic",
"prose_writer": "basic",
"prompt_enhancer": "basic",
}

一、推理型智能体（绑定`reasoning`模型）

这类智能体负责复杂决策、逻辑拆解、信息深度分析等需要高阶推理能力的任务，需依赖支持复杂逻辑的reasoning模型（如文档中示例的qwen3-235b-a22b）。

智能体Key	核心功能	典型应用场景
`coordinator`	全局任务协调与调度：分配任务、衔接各智能体工作流、处理异常（如任务中断/信息不足）、判断任务完成度。	1. 用户发起“AI医疗研究”任务后，协调`planner`先出计划，再让`researcher`执行搜索，最后让`reporter`生成报告； 2. 若`researcher`未找到足够数据，决策是否让其重新搜索或调整`planner`的计划。
`planner`	任务拆解与方案设计：将用户模糊需求（如“研究AI”）拆解为可执行的分步计划，明确每个步骤的目标、依赖资源（如工具/智能体）。	1. 将“AI教育应用研究”拆解为： - 步骤1：确定K12/高等教育细分场景； - 步骤2：收集2024年核心案例； - 步骤3：分析技术瓶颈； 2. 为复杂任务（如“开发数据可视化工具”）规划“需求定义→编码→测试”流程。
`researcher`	深度信息检索与分析：根据`planner`的计划搜索信息（如论文/行业报告）、筛选高可信度内容、提取核心结论、分析逻辑关联。	1. 学术研究：搜索“生成式AI在蛋白质预测领域的最新论文”，提取模型性能数据并对比； 2. 行业调研：收集“2024中国AI芯片市场规模”数据，分析头部企业份额及增长驱动因素； 3. 文档中提到的“Deep Research过程”（需长上下文窗口），如梳理某技术的发展脉络。

二、基础型智能体（绑定`basic`模型）

这类智能体负责标准化内容生成、格式转化、简单文本优化等无需复杂推理的任务，依赖轻量高效的basic模型（如文档中示例的deepseek-v3、doubao-1.5-pro）。

智能体Key	核心功能	典型应用场景
`coder`	代码生成与基础优化：根据需求编写符合语法规范的代码、补充注释、实现简单功能模块（非复杂架构设计）。	1. 生成基础脚本：如“Python数据清洗脚本（处理CSV文件缺失值）”； 2. 补全代码片段：如“根据用户需求补全Pandas数据分析函数”； 3. 简单工具开发：如“生成一个计算AI模型参数量的小工具”。
`reporter`	结构化报告生成：将`researcher`的分析结果/分散信息（数据、案例）整合成逻辑清晰的正式报告（含标题、目录、结论）。	1. 生成“2024生成式AI医疗应用研究报告”，整合论文结论、医院落地案例、政策监管信息； 2. 输出“项目进展报告”，梳理任务完成情况、待解决问题及下一步计划。
`podcast_script_writer`	播客脚本撰写：按口语化风格生成播客内容，包含开场白、话题展开、模拟对话、结束语，适配音频传播场景。	1. 生成“AI与未来教育”播客脚本：设计主持人与嘉宾的对话（如“如何用AI辅助个性化教学”），加入案例（如某学校的AI辅导系统）； 2. 创作科技类播客开场白：“大家好，今天我们聊聊AI如何改变传统制造业……”。
`ppt_composer`	PPT内容结构化：将报告/研究结果转化为PPT框架（含每页标题、核心文字、图表说明），无需设计排版。	1. 为“AI医疗研究报告”生成PPT大纲：封面→目录→核心案例（3页）→数据图表（2页）→结论； 2. 为会议汇报设计PPT内容：如“第5页：AI芯片性能对比表（文字描述表格内容）”。
`prose_writer`	非结构化书面内容生成：撰写散文、专栏文章、评论等，注重文字流畅性与文学性，无需严格逻辑框架。	1. 生成“AI伦理：平衡创新与隐私”的专栏文章，用生动语言讨论技术风险与监管建议； 2. 创作“AI改变日常生活”的散文，描述AI助手、智能家电等场景的用户体验。
`prompt_enhancer`	提示词优化：将用户模糊需求（如“研究AI”）补充为清晰、具体的提示词，提升后续智能体的执行准确性。	1. 将用户输入“研究AI”优化为：“研究2024年生成式AI在K12教育的应用案例，需包含3个以上公立学校案例及效果数据”； 2. 优化编码需求：将“写个AI脚本”调整为“用Python编写一个调用OpenAI API生成图像的脚本，需包含API密钥配置、参数调节功能”。