DeepTask

一个可视化的AI研究工具，展示如何通过多分支并行搜索方式解决复杂问题。

安装依赖

项目基于 python3.9 构建

pip install requirements.txt

启动命令

python main.py

启动后，在浏览器中访问: http://localhost:8000

基本用法

1. 任务执行DAG参数配置

   • MaxIteration: 添加依赖节点的最大次数
   • MaxPathLength: 节点到目标节点的最长路径限制
   • DAG/Radial ExplorationWidth: 两种模式下单次添加节点的数量限制
   • Concurrency: 运行时节点的并行数量

2. ResearchMode 研究模式

   • DAG模式: 初始生成完整计划（最多5个子问题）
   • Radial模式: 从目标节点开始自由扩展
   • Auto模式: 根据检索到的业务knowhow自动决定模式（待优化）

3. AgentMode 代理运行逻辑

   • v1模式: 固定流程（预搜索 → 反思是否足够 → 回答）
   • v2模式: 自主决策（可自由选择搜索/回答/反思），支持能力扩展

TODO:

Task	Status
任务拆解加上时间/行业相关信息	2025.4.29 ✅ (partially)
完善evaluator的实现	2025.4.30 ✅
增加reflect部分的实现	2025.4.27 ✅
sub-question->learning过程的prompt重写	2025.4.27 ✅
行业knowhow的注入（decomp & execution）	⏳
search部分的tool选择/是否search	2025.4.30 ✅
action choose 的structured output定义	2025.5.2 ✅
model calling interface	2025.4.30 ✅
溯源KnowledgeItem管理器，保持全程溯源	2025.4.27 ✅
新增问题的检测去重	2025.4.29 ✅
DAG从批量同步执行优化为事件驱动异步	2025.4.27 ✅
根节点搜索后再做plan decomposition？	⏳
单节点辐射模式（Radial）	2025.4.29 ✅
⭐️节点内工作模式(v2)重新设计	2025.5.5 ✅
Embedding服务接入，knowhow和dedup可能都要用	2025.4.30 ✅
工作模式v2 的better visual debug	2025.5.8 ✅
外网搜索（改造paipai or 单独接博查）	⏳
pre-search & agent mode的配置	2025.5.7 ✅
Research Mode 的Auto模式（Mock）	2025.5.9 ✅
行业knowhow的离线生成和在线选择	2025.5.9 ✅
Debug页面的全部打印分享	2025.5.9 ✅
添加STOP功能防止资源浪费	2025.5.9 ✅