Multi-Agent Writer

三阶段多智能体写作流水线：

1. 1. 热点抓取 — 通过DuckDuckGo搜索近7天实时新闻，由LLM筛选推荐选题
2. 文章撰写 — WriterAgent生成微信公众号风格文章（含3组备选标题）
3. 审校循环 — ReviewerAgent按5个维度打分，低于通过线则自动触发修改，最多N轮

项目已安装至：

---

快速调用

Demo模式（无需API Key，约1秒完成）

bash
cd
python main.py --demo
python main.py --demo --topic 量子计算 --words 800

生产模式（需在.env中配置LLM API Key）

bash
cd
python main.py --topic AI --words 1000 --pass-threshold 85

---

全部CLI参数

参数	类型	默认值	说明
--topic	str	AI	关注的领域/话题
--count

int | 5 | 抓取热点数量 |
| --style | str | 深度分析 | 文章写作风格 |
| --words | int | 1000 | 目标字数 |
| --max-revisions | int | 2 | 最大审校-修改轮次 |
| --pass-threshold | int | 85 | 审校通过最低分（1-100） |
| --output | str | output.json | 输出文件路径 |
| --demo | flag | False | 使用Mock LLM，无需API |

---

输出文件

文件	格式	内容
output.json	JSON	完整结果：热点、文章、审校历史、耗时
output.md

Markdown | 可直接复制的文章正文 |
| experiments.tsv | TSV | 追加实验记录（分数、状态、通过线等） |

---

Python程序化调用

python
import sys
sys.path.insert(0, )

from orchestrator import Orchestrator
from base_agent import LLMClient
from config import ReviewConfig, LLMConfig
from search import DuckDuckGoSearchClient

llmconfig = LLMConfig.fromenv()
llm = LLMClient(
apikey=llmconfig.api_key,
baseurl=llmconfig.base_url,
model=llm_config.model,
apistyle=llmconfig.api_style,
)

orchestrator = Orchestrator(
llm=llm,
max_revisions=2,
reviewconfig=ReviewConfig(passthreshold=85),
search_client=DuckDuckGoSearchClient(),
)

result = orchestrator.run(
topic=AI,
hotspot_count=5,
article_style=深度分析,
articlewordcount=1000,
)

print(result.final_article[title])
print(result.final_article[content])

---

审校维度（5维，共100分）

维度	权重	说明
内容洞察力	30分	新颖观点、信息价值
可读性

25分 | 短段落、移动端友好 |
| 标题吸引力 | 20分 | 点击率、情绪共鸣 |
| 结构流畅性 | 15分 | 开篇钩子、逻辑递进 |
| 准确性 | 10分 | 事实正确 |

---

环境配置（.env文件）

bash
LLMAPIKEY=your-api-key
LLMBASEURL=https://api.moonshot.cn/v1 # 可选
LLM_MODEL=moonshot-v1-8k # 可选
LLMAPISTYLE=openai # openai 或 anthropic

支持：Kimi、DeepSeek、OpenAI、Claude、Qwen、GLM、Ollama等兼容OpenAI/Anthropic API的模型。

---

常见场景

bash

生成科技领域热点文章

python main.py --topic AI大模型 --words 1500 --style 深度分析

严格评分A/B测试

python main.py --demo --pass-threshold 90 --description strict_90 python main.py --demo --pass-threshold 75 --description loose_75

运行测试（验证系统完整性）

cd && pytest

---

关键文件

/
├── main.py # CLI入口
├── orchestrator.py # 工作流协调器
├── agents.py # 3个业务智能体
├── base_agent.py # LLMClient、BaseAgent框架
├── config.py # 配置类
├── search.py # DuckDuckGo搜索封装
└── tests/