---
title: DeepResearchReport
canonical_url: "https://www.modelscope.cn/studios/wisdom11111/DeepResearchReport"
md_url: "https://www.modelscope.cn/studios/wisdom11111/DeepResearchReport.md"
repository: wisdom11111/DeepResearchReport
chinese_name: "宏观-行业专业级深度研报生成“MCP&Agent挑战赛”"
last_updated: 2025-09-10
sdk_type: gradio
sdk_version: 5.42.0
downloads: 0
stars: 2
---

# DeepResearchReport

> DeepResearchReport - wisdom11111 在 ModelScope 创建的在线 Demo。构建一个基于多智能体协同的金融研报自动生成系统，能够高效产出金融研报：宏观经济、行业/子行业研报。端自动化流程：从需求理解到最终报告输出的完全自动化处理。多模态内容生成：整合文本、图表、数据的专业化呈现方式

wisdom11111/DeepResearchReport 是 ModelScope 魔搭社区上的在线可交互 Demo（创空间），基于 gradio 5.42.0 构建，中文名为「宏观-行业专业级深度研报生成“MCP&Agent挑战赛”」。

- **Repository**: wisdom11111/DeepResearchReport
- **SDK**: gradio
- **SDK version**: 5.42.0
- **Downloads**: 0
- **Stars**: 2
- **Last updated**: 2025-09-10

Source: https://www.modelscope.cn/studios/wisdom11111/DeepResearchReport

---

# 金融研报自动生成系统

## 整体架构
![多智能体生成架构架构](image-1.png)

### 技术创新点
* 多智能体协同
    - 采用planning agent进行任务规划，让执行agent进行不同的action
    - Deep Researcher负责信源筛选，检索高质量数据源
    - Brower agent负责信息源的`细粒度交互，如网页交互、pdf文件浏览`等
    - Deep analyze负责深度分析数据，挖掘数据财报，进行专业估值分析
    - Final report负责最终报告的`html渲染，质量评估，格式转换`
* 扩展性强
    - 不同的agent均可接入mcp server扩展tool call能力
    - agent之间通信通过`function json格式传递，稳健性比较强`
    - 同时可以适配tools能力从而接入不同的场景
* 内容生成创新
    - 实现`图表丰富、溯源真实数据，高亮区域展示`
    - 理论与数据支撑丰富，易读性高

## 运行说明

### 1. planning智能体
核心组件：
- `data_analysis_agent/data_analysis_agent.py` - 任务理解与流程规划
- `muti_agent_workflow.py` - 子任务分解与协调调度

主要职责：
- 理解用户输入的研究任务需求
- 规划整体研究流程和执行步骤
- 将复杂任务分解为可执行的子任务
- 动态协调各专业子智能体的协作
- 监控任务执行状态并确保顺利完成

### 2. 专业子智能体（Specialized Sub-agents）

#### 深度分析器（Deep Analyzer）
可能实现文件：
- `data_analysis_agent/utils/` 目录下的分析工具
- `utils/data_processor.py` 等数据处理工具

功能特点：
- 对输入的公司信息、财务数据进行深入分析
- 从文本和结构化数据中提取关键信息
- 识别潜在的业务需求和发展趋势
- 为上层决策提供数据支撑

#### 深度研究者（Deep Researcher）
可能实现文件：
- `data_analysis_agent/data_analysis_agent.py` 的研究模块
- `utils/search_info.py` 信息整合工具

功能特点：
- 对指定研究主题进行深度调研
- 自动获取并整合来自多个来源的高质量信息
- 生成结构化的研究报告或知识总结
- 支持跨领域知识的关联分析

#### 浏览器操作智能体（Browser Use）
可能实现文件：
- `utils/search_engine.py` - 浏览器自动化操作
- `data_analysis_agent/prompts.py` - MCP Server接口提示词

功能特点：
- 自动化网页浏览、搜索和信息提取
- 实时获取最新的网络信息
- 接入不同的MCP Server提高信息获取精度
- 支持多种搜索引擎和数据源的集成

### 系统工作流程
1. 任务接收：顶层规划智能体接收用户的研究任务请求
2. 任务解析：分析任务类型（公司/行业/宏观）和具体要求
3. 任务分解：将复杂研究任务分解为多个子任务
4. 智能体调度：根据任务需求调用相应的专业子智能体
5. 并行执行：各专业子智能体并行处理分配的子任务
6. 信息整合：浏览器操作智能体获取实时网络信息
7. 深度分析：深度分析器处理收集到的数据
8. 研究报告：深度研究者生成最终研究报告
9. 结果返回：将完整报告返回给用户

### 使用 Graido 工作流

本系统支持使用 Graido 工作流来执行宏观研报生成，提供了更灵活和可扩展的执行方式。

#### Graido 工作流文件
- `graido_workflow.py` - Graido 工作流实现
- `run_macro_graido.py` - 直接使用 Graido API 的脚本

#### 使用方式

1. **使用 run.sh 脚本（带 Graido 参数）**
```bash
# 传统方式
bash run.sh macro "国家级'人工智能+'政策效果评估" "2023-2025"

# Graido 工作流方式
bash run.sh macro "国家级'人工智能+'政策效果评估" "2023-2025" --graido
```

2. **使用 run.py 脚本（带 Graido 参数）**
```bash
# 传统方式
python run.py macro "国家级'人工智能+'政策效果评估" "2023-2025"

# Graido 工作流方式
python run.py macro "国家级'人工智能+'政策效果评估" "2023-2025" --graido
```

3. **直接使用 Graido API**
```bash
python run_macro_graido.py --macro_name "国家级'人工智能+'政策效果评估" --time "2023-2025"
```

### 使用 Gradio UI 界面

本系统提供了一个基于 Gradio 的用户界面，可以方便地输入研报主题和时间范围，并查看生成结果。

#### 启动 Gradio UI

```bash
# 直接运行 Gradio 应用
python app/gradio_app.py

# 或者使用 Docker 运行（推荐）
docker run -p 7860:7860 -v $(pwd)/results:/app/results your-submission-image
```

访问 `http://localhost:7860` 即可使用 Web 界面生成宏观研报。

#### Gradio UI 功能
- 输入宏观研报主题和时间范围
- 实时显示生成进度
- 生成完成后可下载研报文件

### 其他使用说明

#### tips
由于Spire.Doc超过25个表格限制转换，html2docx更换新方案，高亮背景色、字体颜色可以根据不同方案设置

#### 构建镜像
在docker_image目录下执行
```bash
docker build -t your-submission-image .
```

#### 配置api key
**在.env文件中依次写入对应的模型api key以及base url,以及配置对应的mcp Server**

#### 生成公司研报
```bash
docker run -v $(pwd)/results:/app  your-submission-image bash run.sh company "4Paradigm" "06682.HK"
```

#### 生成行业研报
```bash
docker run -v $(pwd)/results:/app your-submission-image bash run.sh industry "中国智能服务机器人产业"
```

#### 生成宏观报告
```bash
# 传统方式
docker run -v $(pwd)/results:/app/results your-submission-image bash run.sh macro "国家级'人工智能+'政策效果评估" "2023-2025"

# Graido 工作流方式
docker run -v $(pwd)/results:/app/results your-submission-image bash run.sh macro "国家级'人工智能+'政策效果评估" "2023-2025" --graido

# Gradio UI 方式
docker run -p 7860:7860 -v $(pwd)/results:/app/results your-submission-image
```

#### 生成结果保存在results中。

#### 目录压缩zip
```bash
zip -r docker_image.zip docker_image/
```