服务器繁忙？动手做：满血版DeepSeek R1+Agentic RAG 构建联网搜索智能体（附源码）

1、用户请求，发送Query
2、意图识别Agent1根据上下文和当前问题进行意图判断，若无须检索则直接回答，否则进入下一步
3、关键词提取Agent2将用户问题进行关键词提取，生成搜索引擎便于识别的关键词
4、搜索引擎执行搜索，返回搜索结果
5、搜索结果，用户Query，当前时间信息放入搜索智能体Agent3提示词模版中，增强生成Answer
6、返回增强生成后的内容

import os
from tavily import TavilyClient
def search_and_parse(keywords, max_results=10):
    """
    搜索并解析结果的函数
    :param keywords: 查询关键词
    :param max_results: 最大搜索结果数量
    :return: 解析后的结果列表
    """
    client = TavilyClient(api_key=os.environ.get("TAVILY_API_KEY"))
    response = client.search(
        query=keywords,
        max_results=max_results,
        time_range="d",
        search_depth="advanced",
        include_answer=True
    )
    # 解析搜索结果
    parsed_results = []
    for result in response["results"][:max_results]:
        title = result.get("title", "无标题")
        url = result.get("url", "无链接")
        score = result.get("score", 0)
        content = result.get("content", "无内容")
        parsed_results.append({
            "title": title,
            "url": url,
            "score": score,
            "content": content
        })
    return parsed_results

### 角色
你现在是一个优秀的检索判断智能体，可以根据自身能力和历史上下文信息准确判断用户当前问题是否还需要进行**联网**检索。
### 技能
1. 你可以根据用户历史信息理解用户的当前问题
2. 根据联网搜索工具解决需要实时检索的问题。
### 要求
1. 不要使用任何模板，直接返回识别的意图的枚举类型（CHAT、SEARCH）
2. 如果当前问题无须实时联网，能够根据自身能力回答，返回 CHAT
3. 当用户历史信息已包含回答当前问题的所有信息时， 返回 CHAT
4. 对于不是上述两种情况的其他情况，都返回SEARCH
### 用户历史信息
{{history_summary}}
### 当前问题
{{user_query}}

## 角色
你是一位问题关键词提取专家，擅长从用户的问题中提炼出最精准的搜索关键词。
# 目标
你的目标是提取最能代表问题核心的信息，以提高搜索引擎的查询效率。
# 规则
1. 保留问题中的核心概念和重要限定词。
2. 去除无关紧要的停用词（如“的”“是”“怎么样”等）。
3. 优先选择简洁且具有搜索潜力的短语。
4. 确保关键词具有实际查询价值，并尽量符合搜索引擎的检索习惯。
5. 如有需要，可提供多个关键词组合，覆盖不同检索需求。
---
# 示例
## 示例1
用户输入：如何提高网站的用户体验和加载速度？
提取关键词：网站用户体验 加载速度 优化方法
## 示例2
用户输入：如何在 Linux 系统中安装新软件？
提取关键词：Linux 系统 软件安装 操作指南
---
用户输入:{{user_query}}
提取关键词：

search_answer_zh_template = \
'''# 以下内容是基于用户发送的消息的搜索结果:
{search_results}
在我给你的搜索结果中，每个结果都是[webpage X begin]...[webpage X end]格式的，X代表每篇文章的数字索引。请在适当的情况下在句子末尾引用上下文。请按照引用编号[citation:X]的格式在答案中对应部分引用上下文。如果一句话源自多个上下文，请列出所有相关的引用编号，例如[citation:3][citation:5]，切记不要将引用集中在最后返回引用编号，而是在答案对应部分列出。
在回答时，请注意以下几点：
- 今天是{cur_date}。
- 并非搜索结果的所有内容都与用户的问题密切相关，你需要结合问题，对搜索结果进行甄别、筛选。
- 对于列举类的问题（如列举所有航班信息），尽量将答案控制在10个要点以内，并告诉用户可以查看搜索来源、获得完整信息。优先提供信息完整、最相关的列举项；如非必要，不要主动告诉用户搜索结果未提供的内容。
- 对于创作类的问题（如写论文），请务必在正文的段落中引用对应的参考编号，例如[citation:3][citation:5]，不能只在文章末尾引用。你需要解读并概括用户的题目要求，选择合适的格式，充分利用搜索结果并抽取重要信息，生成符合用户要求、极具思想深度、富有创造力与专业性的答案。你的创作篇幅需要尽可能延长，对于每一个要点的论述要推测用户的意图，给出尽可能多角度的回答要点，且务必信息量大、论述详尽。
- 如果回答很长，请尽量结构化、分段落总结。如果需要分点作答，尽量控制在5个点以内，并合并相关的内容。
- 对于客观类的问答，如果问题的答案非常简短，可以适当补充一到两句相关信息，以丰富内容。
- 你需要根据用户要求和回答内容选择合适、美观的回答格式，确保可读性强。
- 你的回答应该综合多个相关网页来回答，不能重复引用一个网页。
- 除非用户要求，否则你回答的语言需要和用户提问的语言保持一致。
# 用户消息为：
{question}'''

# 意图分类
intent = intent_classification.classify(user_input, messages)
agent_client = ChatClient(os.environ.get("API_KEY"), os.environ.get("BASE_URL"))
# 获取当前时间
current_time = datetime.now()
formatted_time = current_time.strftime('%Y-%m-%d %H:%M:%S')
# 构建用户提示
user_prompt = prompts.SEARCH_ANSWER_ZH_TEMPLATE \
    .replace("{{cur_date}}", formatted_time) \
    .replace("{{user_query}}", user_input)
if intent == 'CHAT':
    return agent_client.stream_chat(system_prompt="", user_prompt=user_input, stream=True, messages=messages)
else:
    # 提取关键词并搜索
    keywords = keyword_extrator.extractor(user_input)
    search_res = websearch_tool.search_and_parse(keywords, 5)
    # 格式化搜索结果
    search_res_str = "\n".join(
        [f"标题: {item['title']}\n内容: {item['content']}\n链接: {item['url']}\n" for item in search_res])
    user_prompt = user_prompt.replace("{{search_results}}", search_res_str)
    return agent_client.stream_chat(system_prompt="", user_prompt=user_prompt, stream=True, messages=messages)