中国公司深度调研 Agent 🔍

🙏 本项目基于 guy-hartstein/company-research-agent（Apache License 2.0）改造，由 Guy Hartstein 创作。

**本项目最初基于 Company Research Agent 演进，现已重构为面向中国公司的开源深度调研 Web 服务。**除保留上游归属和部分技术起点外，当前项目已经形成完全不同的产品定位、业务闭环、模型与检索接入、专业数据边界、安全策略、前后端交互和部署体系，不再是原项目的简单汉化或同功能复刻。

主要差异：

🇨🇳 国产原厂直连 —— 服务端支持 DeepSeek、Kimi、Qwen、GLM、MiniMax、MiMo，无需经过聚合平台

🆓 OpenCode Zen 免费优先 —— 部署者配置 Key 后优先使用 deepseek-v4-flash-free，可按需配置付费回退

🌏 聚合与原生兼容入口 —— 保留 OpenRouter 和 OpenAI，部署者可按网络、成本与合规要求选择

🔐 任务级用户 Key —— Web 用户可为单次任务选择厂商与模型；Key 不持久化、不写应用日志，也可继续使用部署者的服务端配置

🇨🇳 Prompt 全量中文化 —— 不是机翻，人工重写，对国内模型更友好

🎨 中文 UI 与示例 —— 默认提供苹果、字节跳动、宁德时代、比亚迪等一键示例

🔌 任务级原生联网 —— Qwen、GLM、MiMo、OpenRouter、OpenAI 可用同一把用户 Key 完成模型生成、网页搜索与来源引用

当前界面会根据后端返回的厂商能力和模型目录动态渲染。截图中的模型清单只代表拍摄时的可用状态。

一个多 Agent 架构的中文公司调研工具：输入公司名称，自动产出面向投资、BD 和竞品分析场景的调研报告。项目基于 LangGraph 编排多个 AI 节点，按流水线采集、过滤并合成公开信息。

原版在线 Demo（英文，可参考效果）：companyresearcher.tavily.com

✨ 特性

多源调研：从公司官网、新闻、财报和行业分析等公开来源采集信息
来源引用：只接收适配器能够归属到具体网页的来源，不把模型生成的链接冒充引用
异步处理：后台任务与可重放 SSE 进度流并行工作，断线后可从事件游标继续
三段式 LLM 架构（服务端可按角色配置，Web BYOK 使用任务模型）：
- Researcher（搜集与初步分析）— 各供应商使用适合高频分析的当前模型
- Briefing（分类摘要、长上下文）— 各供应商使用通用或长上下文模型
- Editor（终稿编辑、严谨格式）— 各供应商使用高质量终稿模型
现代 React 前端：厂商与模型选择、进度跟踪、报告复制和 PDF 下载
动态模型目录：优先读取厂商官方目录；Qwen、GLM 使用项目集中维护的能力清单
用户自带 Key：临时 Key 仅在任务处理期间驻留内存，不持久化、不写应用日志
模块化架构：每个 Agent 是独立的 LangGraph 节点，模型与检索依赖按任务注入
工商司法专业数据（预览）：主体确认、预算账本、安全降级和确定性附录已就绪；生产 QCC Provider 尚未装配，默认关闭

🆚 与原版的差异

本项目并非简单翻译，而是围绕“中国用户调研中国公司”这一场景进行针对性改造。

维度	原版（`guy-hartstein/company-research-agent`）	本项目
语言	英文 prompt + 英文 UI + 英文报告	中文 prompt + UI + 报告
Prompt 质量	英文（中文公司用英文 prompt 时模型偏向英文资料）	人工重写而非机翻，占位符与下游解析依赖的标题（`### 核心产品/服务` 等）同步迁移，对国产模型更友好
LLM 供应商	OpenAI（GPT 系列）+ Google（Gemini 系列）硬编码	统一 `backend.services.llm_factory.get_llm(role)`，支持 OpenCode Zen 免费优先 + 六家国产原厂 + OpenRouter / OpenAI 兼容兜底；同时支持部署者配置和任务级用户 Key
模型成本控制	无	`LLM_MAX_TOKENS` 兜底避免 OpenRouter 按模型最大窗口预扣余额导致小余额账号 402
检索层	直接调 Tavily 客户端，5 个文件分散调用	`SearchProvider` 抽象接口；部署者模式默认 Tavily，用户模式已接入 5 家同 Key 原生联网适配器
启动校验	缺 Key 时到运行阶段才报错	声明服务端模型配置时进行启动期校验；未配置时仍可运行纯 Web BYOK 模式
默认示例	Apple、Stripe 等欧美公司	苹果、字节跳动、宁德时代、比亚迪等
国内可用性	需要科学上网调 OpenAI / Gemini	可选六家国产原厂直连；OpenCode、OpenRouter、OpenAI 仍需评估网络与数据出境边界

🧠 Agent 框架

系统架构

flowchart TB
    UI["前端 React + Vite<br/>(ui/)"] -- HTTP / SSE --> API
    subgraph Backend["FastAPI 后端(application.py)"]
        API["REST + SSE 接口<br/>POST /research · GET /research/{job_id}/stream"]
        ClientDeps["任务级依赖<br/>用户厂商 + 模型 + 临时 Key"]
        ServerDeps["部署者依赖<br/>LLM 工厂 + SearchProvider"]
        Graph["LangGraph 编排<br/>(backend/graph.py)"]
        API --> Graph
        API -.用户自带 Key.-> ClientDeps
        API -.部署者配置.-> ServerDeps
        ClientDeps --> Graph
        ServerDeps --> Graph
        Graph --> Pipeline["10 节点 DAG<br/>见下方流水线"]
    end
    ClientDeps --> NativeSearch["原生联网与来源引用<br/>Qwen · GLM · MiMo · OpenRouter · OpenAI"]
    ServerDeps --> LLM["llm_factory.get_llm(role)<br/>Zen 免费优先与受控回退"]
    ServerDeps --> Tavily["Tavily SearchProvider"]
    ClientDeps --> Vendors
    LLM --> Vendors
    subgraph Vendors["LLM 供应商"]
        OC[OpenCode Zen]
        D[DeepSeek 原厂]
        Q[Qwen / 阿里百炼]
        K[Kimi / Moonshot]
        G[GLM / 智谱]
        MM[MiniMax]
        M[MiMo / 小米]
        OR[OpenRouter 聚合]
        OAI[OpenAI 兜底]
    end

调研流水线

10 个节点的有向无环图（DAG），采用并行与串行混合编排：

flowchart LR
    Input([用户输入<br/>公司名]) --> Grounding
    Grounding["GroundingNode<br/>SearchProvider 抓取（支持时）"] --> R1 & R2 & R3 & R4
    R1["CompanyAnalyzer<br/>核心业务 / 产品 / 团队"] --> Collector
    R2["IndustryAnalyzer<br/>行业地位 / 市场 / 竞品"] --> Collector
    R3["FinancialAnalyst<br/>融资 / 营收 / 估值"] --> Collector
    R4["NewsScanner<br/>近期新闻 / 事件"] --> Collector
    Collector["Collector<br/>汇总四路结果"] --> Curator["Curator<br/>相关性过滤 score≥0.4"]
    Curator --> Enricher["Enricher<br/>文档内容补全"]
    Enricher --> Briefing["Briefing × LLM<br/>4 份分类摘要"]
    Briefing --> Editor["Editor × LLM<br/>终稿编辑（流式）"]
    Editor --> Report([中文调研报告])

    classDef llmnode fill:#fff4e1,stroke:#d4a017
    classDef parallel fill:#e1f5ff,stroke:#0288d1
    class R1,R2,R3,R4 parallel
    class Briefing,Editor llmnode

入口节点 GroundingNode：从用户输入建立公司背景；Provider 支持 crawl 时抓取公司官网，不支持时安全降级
4 个并行 Researcher：
- CompanyAnalyzer：核心业务、产品、团队
- IndustryAnalyzer：行业地位、市场趋势、竞品
- FinancialAnalyst：融资、营收、估值等财务指标
- NewsScanner：近期新闻与重要事件
后处理节点（串行）：
- Collector：汇总四路 Researcher 结果
- Curator：相关性过滤（默认阈值 0.4）
- Enricher：对入选文档做内容补全
- Briefing：生成 4 份分类摘要（使用 briefing role LLM）
- Editor：整合为终稿（使用 editor role LLM，流式输出）

内容生成架构（三段式 LLM）

不同节点对模型能力的需求不同。部署者模式通过 llm_factory.get_llm(role) 按角色绑定模型；用户 BYOK 模式则让三个角色使用本次任务选定的同一家厂商和模型。

Role	能力侧重	用在哪
`researcher`	高频检索与初步分析	4 个 Researcher 节点搜集与分析
`briefing`	分类摘要与长上下文	`briefing.py` 生成分类摘要
`editor`	长报告编辑与格式稳定性	`editor.py` 整合终稿（流式）

配置示例见下方环境变量。Web 用户可以选择“用户自带 Key”或“使用部署者配置”。用户模式只访问后端固定的官方端点，不继承部署者的付费回退链。

内容过滤系统

backend/nodes/curator.py 实现：

相关性打分：由 SearchProvider 返回或按来源排名标准化为 score（0-1），低于默认阈值 0.4 的文档会被过滤
文档处理：URL 去重、内容标准化、按相关度排序；调研全程异步执行

后端架构

后端基于 FastAPI 与异步任务运行，前端通过 REST 提交任务，并使用可重放 SSE 接收进度和终稿。

API 端点：

方法	路径	用途
`POST`	`/research`	提交调研请求，返回 `job_id`
`GET`	`/ai/providers`	返回前端可展示的厂商能力，不含端点或 Key
`POST`	`/ai/models`	使用当前用户临时 Key 读取模型目录
`GET`	`/research/{job_id}`	从 MongoDB 查询历史任务；未配置 MongoDB 时返回 501
`GET`	`/research/{job_id}/stream`	订阅进度流（SSE）
`GET`	`/research/{job_id}/report`	拉取终稿报告
`POST`	`/generate-pdf`	生成 PDF
`GET`	`/research/pdf/{filename}`	下载已生成的 PDF
`GET`	`/health`	健康检查，不调用模型或付费 Provider
`GET`	`/capabilities`	查询专业数据能力是否可用
`POST`	`/companies/resolve`	解析并确认公司主体；能力关闭时不会调用付费 Provider

工商司法专业数据（预览）

专业数据分支采用部署者自备企查查 Key（BYOK）的设计。当前仓库已经实现主体确认、一次性 Token、幂等与预算准入、MongoDB 持久账本、MCP 传输边界、前端降级流程，以及工商司法事实的确定性报告附录。

当前版本尚未完成生产 QCC Provider 的真实业务响应字段适配和应用生命周期装配，所以 /capabilities 会返回不可用状态。请不要把填写 QCC_API_KEY 视为已经启用；在取得经过脱敏的官方工具真实响应样例并完成回归测试前，项目不会猜测上游字段，也不会执行未经部署者明确授权的付费 Smoke 测试。

项目不会抓取需要登录的爱企查、企查查网页或中国执行信息公开网，不保存第三方 Cookie，也不绕过验证码、限流或反自动化措施。专业分支不可用、预算受限或主体未确认时，基础 Web 调研仍会继续生成报告。

🚀 安装与运行

运行要求：Python 3.11+、Node.js 18+。仅使用 Web 用户 Key 时，无需预先创建 .env。

Web BYOK 快速开始（推荐）

macOS / Linux：

git clone https://github.com/BovmantH/cn-company-research-agent.git
cd cn-company-research-agent

python3 -m venv .venv
source .venv/bin/activate
python -m pip install -r requirements.txt
npm --prefix ui install

# 终端 1：启动后端
python -m uvicorn application:app --reload --port 8000

# 终端 2：启动前端
npm --prefix ui run dev

Windows PowerShell：

git clone https://github.com/BovmantH/cn-company-research-agent.git
Set-Location cn-company-research-agent

py -3.11 -m venv .venv
.\.venv\Scripts\python.exe -m pip install -r requirements.txt
npm --prefix ui install

# 终端 1：启动后端
.\.venv\Scripts\python.exe -m uvicorn application:app --reload --port 8000

# 终端 2：启动前端
npm --prefix ui run dev

访问 http://localhost:5174，选择 Qwen、GLM、MiMo、OpenRouter 或 OpenAI，填写该厂商的普通 API Key，再加载模型并提交调研。

服务端配置向导（macOS / Linux / WSL）

setup.sh 会检查版本、安装依赖、收集 Tavily 与一个 LLM Key，并可同时启动前后端。它面向“使用部署者配置”模式；纯 Web BYOK 不需要运行该向导。

chmod +x setup.sh
./setup.sh

Docker 运行

构建单个生产镜像时，FastAPI 会同时提供 API 和前端静态文件，统一从 8000 端口访问：

docker build -t cn-company-research .

# 纯 Web BYOK
docker run --rm -p 8000:8000 cn-company-research

# 使用部署者配置时改为
docker run --rm --env-file .env -p 8000:8000 cn-company-research

访问 http://localhost:8000。

本地联调可使用 Compose；它会额外启动 Vite 开发服务器：

git clone https://github.com/BovmantH/cn-company-research-agent.git
cd cn-company-research-agent

# Compose 声明了根目录 .env；先从模板复制并按需填写
cp .env.example .env
docker compose up --build

API 与生产构建入口：http://localhost:8000
Vite 开发入口：http://localhost:5174

修改 .env 后需要重建容器环境：docker compose down && docker compose up --build。

🔧 环境变量

两个配置文件都不是纯 Web BYOK 的启动前提。根目录 .env 用于部署者模型、Tavily、MongoDB 和专业数据配置；ui/.env 仅在前后端不同源或需要 Google Maps 自动补全时使用。

根目录 `.env`（后端）

# === 服务端 LLM（可选；仅使用 Web 用户 Key 时全部留空）===
# OpenCode Zen 限时免费优先
# OPENCODE_API_KEY=sk-...

# 可选付费候选；只配置你愿意付费并已设置预算的供应商
# DEEPSEEK_API_KEY=sk-...
# MOONSHOT_API_KEY=sk-...       # Kimi K3
# DASHSCOPE_API_KEY=sk-...      # Qwen 3.7
# ZAI_API_KEY=...               # GLM 4.7 / 5.2
# MINIMAX_API_KEY=...           # MiniMax M3
# MIMO_API_KEY=...              # MiMo 2.5
# OPENROUTER_API_KEY=sk-or-...
# OPENAI_API_KEY=sk-...         # GPT-5.6

# 通用参数；温度默认不发送，由模型决定
# LLM_MAX_TOKENS=4096
# LLM_BASE_URL=http://localhost:11434/v1   # 可选：本地 vLLM / Ollama 等

# === 部署者模式检索（使用服务端配置时必填）===
# 当前服务端工厂只注册 tavily
# SEARCH_PROVIDER=tavily
# TAVILY_API_KEY=tvly-...

# === 可选：MongoDB 持久化 ===
# MONGODB_URI=mongodb://localhost:27017/cn-research

完整变量列表见 .env.example。

部署者 Key 只应放在服务端 .env 或 Secret 中，不会下发到浏览器。用户临时 Key 会先发送给当前部署实例，再由后端访问固定的厂商官方端点；它只在本次任务处理期间驻留内存，不写入 MongoDB、任务状态、SSE 或应用日志。

公开部署必须使用 HTTPS。用户应只在可信部署实例中填写 Key。Python 无法承诺对字符串内存做物理擦除，因此项目不会使用“绝不留在内存”这类不准确表述。

`ui/.env`（前端）

# 前后端同源或使用仓库内 Vite 代理时可以不设置
VITE_API_URL=http://localhost:8000
VITE_GOOGLE_MAPS_API_KEY=...                                 # 可选：地点自动补全

需要时直接创建 ui/.env 或 ui/.env.development。不要把真实 Key 提交到仓库。

国内访问 OpenRouter

部分中国大陆网络无法稳定直连 OpenRouter。部署者可在确认网络与合规边界后设置代理：

export HTTPS_PROXY=http://127.0.0.1:7890
export HTTP_PROXY=http://127.0.0.1:7890

也可以使用国产原厂，或把 LLM_BASE_URL_<VENDOR> 指向自建的 OneAPI / LiteLLM 网关。设置全局 LLM_BASE_URL 会进入单供应商模式并关闭跨供应商回退。

LLM 供应商与免费优先策略

只配置一家原厂 Key 时，三个角色均由该供应商承担。配置 OpenCode Zen 后，系统优先使用 deepseek-v4-flash-free；如果还配置了付费 Key，Zen 仅在首个流式响应块之前遇到受控的连接、鉴权、限流、模型不存在或服务端故障时回退。已经输出首块后不会切换供应商，避免重复或拼接报告。

# 免费优先
OPENCODE_API_KEY=sk-...

# 按意愿配置付费候选；未配置的供应商绝不会被调用
DEEPSEEK_API_KEY=sk-...
MOONSHOT_API_KEY=sk-...

当前内置配置（核对日期：2026-08-11，以 backend/services/provider_registry.py 中的 VENDOR_REGISTRY 为准）：

供应商	服务端环境变量	端点	默认模型标识
OpenCode Zen	`OPENCODE_API_KEY`	`https://opencode.ai/zen/v1`	`deepseek-v4-flash-free`
DeepSeek	`DEEPSEEK_API_KEY`	`https://api.deepseek.com`	`deepseek-v4-flash` / `deepseek-v4-pro`
Kimi（Moonshot）	`MOONSHOT_API_KEY`	`https://api.moonshot.cn/v1`	`kimi-k3`
Qwen（阿里百炼）	`DASHSCOPE_API_KEY`	`https://dashscope.aliyuncs.com/compatible-mode/v1`	`qwen3.7-flash` / `qwen3.7-plus` / `qwen3.7-max`
GLM（智谱）	`ZAI_API_KEY`	`https://open.bigmodel.cn/api/paas/v4/`	`glm-4.7-flash` / `glm-4.7` / `glm-5.2`
MiniMax	`MINIMAX_API_KEY`	`https://api.minimaxi.com/v1`	`MiniMax-M3`
MiMo（小米）	`MIMO_API_KEY`	`https://api.xiaomimimo.com/v1`	`mimo-v2.5` / `mimo-v2.5-pro`
OpenRouter	`OPENROUTER_API_KEY`	`https://openrouter.ai/api/v1`	DeepSeek V4 / Qwen 3.7 / Kimi K3
OpenAI	`OPENAI_API_KEY`	`https://api.openai.com/v1`	`gpt-5.6-luna` / `gpt-5.6-terra` / `gpt-5.6-sol`

Web 用户模型目录与联网边界

OpenCode Zen、DeepSeek、Kimi、MiniMax、MiMo、OpenRouter、OpenAI：通过各厂商的官方模型列表 API 动态读取，前端不写死模型列表。
Qwen、GLM：当前没有适合普通按量推理选择器的可靠官方模型目录 API，因此后端集中维护推荐清单，界面明确标为“项目维护的推荐清单”。
动态目录只说明 Key 能读取哪些模型，不自动证明模型适合本项目的联网和引用契约。当前 Web 用户单 Key 联网已开放 Qwen、GLM、MiMo、OpenRouter 和 OpenAI；后端会按厂商能力清单过滤可提交模型。
OpenCode Zen、DeepSeek、Kimi 和 MiniMax 当前只开放模型目录查看，界面统一标记为“暂未开放联网调研”。项目不会把模型生成的链接冒充可验证来源。
用户 Key 同时承担所选厂商的模型生成和原生联网费用。GLM 联网检索、MiMo Web Search 插件、OpenRouter Server Tool 和 OpenAI Web Search 均可能单独计费；MiMo 还需先在原厂控制台开通 Web Search 插件。价格和可用政策以厂商实时说明为准。
选择“使用部署者配置”时继续使用服务端 LLM 与 SearchProvider；在默认配置下，部署者仍需分别承担 LLM 和 Tavily 检索费用。

OpenCode Zen 的免费型号是限时免费，服务托管在美国，免费期间提交的数据可能用于模型改进。不要发送个人、机密或受合同/监管限制的数据；部署前请复核 Zen 官方说明。如果启用付费回退，请在对应平台设置预算、月度限额，并谨慎配置或关闭自动充值。

进阶选项：

# 自动模式下 OpenCode 始终优先；这里调整其后的付费顺序
LLM_VENDOR_PRIORITY=kimi,deepseek,qwen,glm,minimax,mimo,openrouter,openai

# 锁死一家，同时关闭跨供应商回退
LLM_VENDOR=deepseek

# 走自建网关（OneAPI / LiteLLM）代理某一家：
LLM_BASE_URL_DEEPSEEK=http://localhost:3000/v1

设置全局 LLM_BASE_URL、代码级 model 或连接/认证类覆盖参数时，工厂会进入单供应商模式并关闭跨供应商回退，防止同一个模型名、Key 或 Authorization 头被发送到不同端点。若需要保留安全回退，请使用 LLM_BASE_URL_<VENDOR> 分别配置各供应商。

完整说明见 .env.example 第 1~4 节。

🌐 生产部署

正式部署建议使用长期运行的 Linux 服务器或支持常驻容器的平台。仓库内的 Dockerfile 会把 React 前端和 FastAPI 后端打进同一个镜像，并统一通过 8000 端口提供服务。GitHub Pages 只能托管静态页面，不能单独运行本项目的 FastAPI、后台任务和 SSE。

上线前至少完成以下检查：

使用 HTTPS，并确认反向代理不会记录请求体、Authorization 或用户临时 Key
为 SSE 关闭代理缓冲并设置足够长的读取超时
把部署者 Key 放入平台 Secret，不写入镜像、仓库或前端环境变量
当前活动任务与 SSE 事件保存在单进程内存中，生产环境应先运行单个应用实例；重启会丢失活动状态，终态默认仅保留 1 小时
MongoDB 可持久化任务记录和报告，但当前版本不支持依靠 MongoDB 在多实例之间接管活动任务或重放 SSE
为模型、联网搜索和专业数据分别设置预算与供应商侧限额
在启用 OpenCode Zen、OpenRouter 或 OpenAI 前，核对网络可达性、数据出境要求和供应商隐私政策

工商司法专业数据仍是默认关闭的预览能力。即使填写 QCC_API_KEY，在生产 Provider 完成真实响应适配与装配前也不会对外宣称可用。

🤝 贡献

Fork 仓库
创建功能分支：git checkout -b feat/your-feature
按 Conventional Commits 提交：type 与 scope 使用英文小写，冒号后使用中文说明，例如 feat(search): 增加新的联网适配器
推送并创建 Pull Request：git push origin feat/your-feature

📜 License

Apache License 2.0，与原项目一致。详见 LICENSE。

🙏 致谢

Guy Hartstein —— 原项目作者，本仓库的架构骨架来自 guy-hartstein/company-research-agent
Tavily —— 部署者模式的默认检索 Provider
OpenRouter —— 可选的聚合模型与联网入口
所有底层开源依赖的维护者们

📍 项目状态：中文 Prompt/UI、LLM 工厂、六家国产原厂、OpenCode 免费优先回退、OpenRouter/OpenAI 兼容入口、检索抽象，以及 Qwen、GLM、MiMo、OpenRouter、OpenAI 五家任务级联网适配器均已通过离线测试。仓库不会自动执行消耗额度或发送真实报告数据的供应商 Smoke 测试；部署者上线前应使用自己的测试数据逐家验收网络、模型兼容性、费用和数据政策。

Name		Name	Last commit message	Last commit date
.claude		.claude
.github		.github
backend		backend
docs		docs
scripts		scripts
static		static
tests		tests
ui		ui
.dockerignore		.dockerignore
.env.example		.env.example
.gitignore		.gitignore
AGENTS.md		AGENTS.md
Dockerfile		Dockerfile
LICENSE		LICENSE
README.md		README.md
application.py		application.py
docker-compose.yml		docker-compose.yml
langgraph.json		langgraph.json
langgraph_entry.py		langgraph_entry.py
pyproject.toml		pyproject.toml
pytest.ini		pytest.ini
render.yaml		render.yaml
requirements-dev.txt		requirements-dev.txt
requirements.txt		requirements.txt
setup.sh		setup.sh

Navigation Menu

Repository files navigation

中国公司深度调研 Agent 🔍

✨ 特性

🆚 与原版的差异

🧠 Agent 框架

系统架构

调研流水线

内容生成架构（三段式 LLM）

内容过滤系统

后端架构

工商司法专业数据（预览）

🚀 安装与运行

Web BYOK 快速开始（推荐）

服务端配置向导（macOS / Linux / WSL）

Docker 运行

🔧 环境变量

根目录 `.env`（后端）

`ui/.env`（前端）

国内访问 OpenRouter

LLM 供应商与免费优先策略

Web 用户模型目录与联网边界

🌐 生产部署

🤝 贡献

📜 License

🙏 致谢

About

Releases

Packages

Contributors

Languages

Latest commit

History

Folders and files

Repository files navigation

中国公司深度调研 Agent 🔍

✨ 特性

🆚 与原版的差异

🧠 Agent 框架

系统架构

调研流水线

内容生成架构（三段式 LLM）

内容过滤系统

后端架构

工商司法专业数据（预览）

🚀 安装与运行

Web BYOK 快速开始（推荐）

服务端配置向导（macOS / Linux / WSL）

Docker 运行

🔧 环境变量

根目录 .env（后端）

ui/.env（前端）

国内访问 OpenRouter

LLM 供应商与免费优先策略

Web 用户模型目录与联网边界

🌐 生产部署

🤝 贡献

📜 License

🙏 致谢

About

Topics

Resources

Stars

Watchers

Forks

Releases

Packages

Contributors

Languages

根目录 `.env`（后端）

`ui/.env`（前端）