buzzup-docs/development/engine.mdx

---
title: 引擎
description: 
icon: "lightbulb"
---


### 开源/闭源LLMs

支持LLMs的有 openai 、 google （gemini）、 azureopenai 、 ollama 、 anthropic 、 mistral huggingface 和 groq 。

GPT-4 Turbo 模型（128K 上下文）


### LangGraph 

一个库，用于构建有LLMs状态的多参与者应用程序
通过使用Langgraph，通过利用具有专业技能的多个代理，可以在深度和质量上显着提高研究过程。受最近的 STORM 论文的启发，这个例子展示了一个 AI 代理团队如何协同工作，对给定主题进行研究，从计划到发布



### 多代理团队

由 7 个 AI顾问组成一个Team

- **Chief Editor(主编)** - 监督研究过程并管理团队。这是使用 Langgraph 协调其他代理的“主”代理
- **Researcher(研究员)**  - 对给定主题进行深入研究的专用自主代理
- **Editor(编辑)** - 负责规划研究大纲和结构.
- **Reviewer(审稿人)** - 根据一组标准验证研究结果的正确性
- **Revisor(修订者)** - 根据审稿人的反馈修改研究结果
- **Writer(撰稿人)** - 负责编制和撰写最终报告
- **Publisher(发布者)** - 负责以各种格式发布最终报告



### 运作方式

该过程基于以下阶段：

1. 规划阶段
2. 资料收集与分析
3. 审查和修订
4. 写作和投稿
5. 出版发布

### 步骤

- Browser(浏览器) - 根据给定的研究任务浏览互联网进行初步研究
- Editor(主编辑) - 根据初步研究计划报告大纲和结构。
- 对于每个大纲主题（并行）:
  - Researcher(研究员) - 对子主题进行深入研究并撰写草稿
  - Reviewer(审阅者) - 根据一组标准验证草稿的正确性并提供反馈
  - Revisor(修订者) - 根据审阅者的反馈修改草稿，直到满意为止
- Writer(撰稿人) - 编译和撰写最终报告，包括给定研究结果的引言、结论和参考文献部分
- Publisher(发布者) - 将最终报告发布为多种格式，例如 PDF、Docx、Markdown 等。