Multi-Agent Writer#

三阶段多智能体写作流水线：

1. 热点抓取 — DuckDuckGo 搜索近7天实时新闻，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： <INSTALL_DIR>

---

快速调用#

Demo 模式（无需 API Key，约1秒完成）#

bash

cd <INSTALL_DIR>
python main.py --demo
python main.py --demo --topic "量子计算" --words 800

生产模式（需要 .env 配置 LLM API Key）#

bash

cd <INSTALL_DIR>
python main.py --topic "AI" --words 1000 --pass-threshold 85

---

全部 CLI 参数#

参数类型默认值说明--topicstr"AI"关注的领域/话题--countint5抓取热点数量--stylestr"深度分析"文章写作风格--wordsint1000目标字数--max-revisionsint2最大审校-修改轮次--pass-thresholdint85审校通过最低分（1-100）--outputstr"output.json"输出文件路径--demoflagFalse使用 Mock LLM，无需 API

---

输出文件#

文件格式内容output.jsonJSON完整结果：热点、文章、审校历史、耗时output.mdMarkdown可直接复制的文章正文experiments.tsvTSV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, "<INSTALL_DIR>")

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

llm_config = LLMConfig.from_env()
llm = LLMClient(
    api_key=llm_config.api_key,
    base_url=llm_config.base_url,
    model=llm_config.model,
    api_style=llm_config.api_style,
)

orchestrator = Orchestrator(
    llm=llm,
    max_revisions=2,
    review_config=ReviewConfig(pass_threshold=85),
    search_client=DuckDuckGoSearchClient(),
)

result = orchestrator.run(
    topic="AI",
    hotspot_count=5,
    article_style="深度分析",
    article_word_count=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

LLM_API_KEY=your-api-key
LLM_BASE_URL=https://api.moonshot.cn/v1  # 可选
LLM_MODEL=moonshot-v1-8k                 # 可选
LLM_API_STYLE=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 <INSTALL_DIR> && pytest

---

关键文件#

text

<INSTALL_DIR>/
├── 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/