Spring AI Alibaba DeepResearch源码解读

DeepResearch是由SAA社区发起的一个智能体项目，参考了许多市面上DeepResearch Agent的相关用法。对于用户而言，可以通过这样的系统实现复杂的信息搜索、分析到产出结构化报告的全流程。

本文主要介绍DeepResearch项目在实现过程中的一些关键源码。

官方整体架构

官方仓库内这张图能够大致的描述出DeepResearch项目的整体架构，但其实读源码之后还有更多的技术细节没有在图中表达，比如Hybrid RAG，Reflection机制等

DeepResearch通过SAA Graph构建了一个多节点的智能体系统，其Plant UML图结构如下

在com.alibaba.cloud.ai.example.deepresearch.config.DeepResearchConfiguration中，我们可以看到DeepResearch的Graph节点配置以及边关系

共有13个节点，功能如下：

CoordinatorNode(协调节点)：根据用户提问信息，识别任务类型走接下来的流程，非任务类型直接结束；
RewriteAndMultiQueryNode(重写和扩展节点)：优化用户提问信息，并扩展为多个语义；
BackgroundInvestigationNode(背景调查节点)：利用搜索引擎查询问题相关资讯，可根据主题类型(学术研究、生活旅游、百科、数据分析、通用研究)定向查找对应内容；
PlannerNode(规划节点)：将任务拆解为几个步骤；
InformationNode(信息节点)：判断搜寻的内容是否充足；
HumanFeedbackNode(人类节点)：支持用户新增反馈内容；
ParallelExecutorNode(并行执行节点)：设置子Plan Step结果，Reflection调度；
ResearchTeamNode(研究组节点)：异步并行执行ReseacherNode、CoderNode，等待返回结果；
ReseacherNode(研究者节点)：调用搜索引擎，可根据主题类型查找对应内容；
CoderNode(数据处理节点)：调用python处理工具，进行数据分析；
RagNode(Rag节点)：针对用户上传的文件，针对提问进行检索出相关内容；
ProfessionalKbDecisionNode(专业知识库决策节点)：根据查询内容和知识库描述智能判断是否需要查询专业知识库
ReporterNode(报告节点)：整合上述所有节点整理的内容，生成对应的报告；

// todo