Elara(@Elara200410):一家公司的名字输进去，回来的是一份带出处的简报，中间那几步更值得读。 Company Research Agent 在 Github 上放着，作者把它做成了一整套，装完就有界面和接口。后端 FastAPI，前端 React 加 Vite，报告导出成 PDF。整条流程分成五步，先分析，再收集、筛选、写简报，最后编辑成稿。找料这一步交给 Tavily，它负责搜索，顺手给结果打分；分段的简报由 Gemini 写；研究任务和终稿编辑落在 OpenAI 的模型上。仓库目前是 2.3k star，累计 273 次提交。想跑起来得先备好两家模型的 key，搜索服务的 key 由使用者自己填，作业记录只在配了 MongoDB 之后才会留下。抄它的分工，比等它给出结论更实在。真正的门槛在找料那一步，搜到什么、留下什么，决定了后面几段简报的成色。想学多 Agent 怎么协作，读它的流水线比读论文快。 🔗链接：

Elara@Elara200410

2026.09.29 13:42

一家公司的名字输进去，回来的是一份带出处的简报，中间那几步更值得读。 Company Research Agent 在 Github 上放着，作者把它做成了一整套，装完就有界面和接口。后端 FastAPI，前端 React 加 Vite，报告导出成 PDF。整条流程分成五步，先分析，再收集、筛选、写简报，最后编辑成稿。找料这一步交给 Tavily，它负责搜索，顺手给结果打分；分段的简报由 Gemini 写；研究任务和终稿编辑落在 OpenAI 的模型上。仓库目前是 2.3k star，累计 273 次提交。想跑起来得先备好两家模型的 key，搜索服务的 key 由使用者自己填，作业记录只在配了 MongoDB 之后才会留下。抄它的分工，比等它给出结论更实在。真正的门槛在找料那一步，搜到什么、留下什么，决定了后面几段简报的成色。想学多 Agent 怎么协作，读它的流水线比读论文快。 🔗链接：