Cat-Research：让 AI 像研究员一样工作

Cat Research：让 AI 像研究员一样工作 Cat Research：让 AI 像研究员一样工作 Modified March 23 🔗 原文链接： https://mp.weixin.qq.com/s/zfFvmsYV... 原创 猫叔的AI 猫叔的AI AI替代人类2026年3月22日 16:38 福建 你有没有遇到过这样的场景：把问题丢给 AI，得到的却是一堆"众所周知""据报道"的空话，找不到来源，也经不起追问？ Cat Research 就是为了解决这个问题而生的。 它不是一个聊天机器人，而是一套多智能体协作的深度研究系统。 当你提出一个问题，背后有多个各司其职的 AI智能体同时运转：有人负责规划搜索策略，有人去互联网上实时抓取最新资料，有人核查每一条信息的来源是否权威，有人对关键结论交叉验证……整个过程至少经历 2 轮、最多 5 轮的质量审查，每一轮都有"评审员"打分、"写作者"改稿，直到报告真正达标才停下来。 最终你拿到的，不只是一篇文章，而是一份带有来源可信度评级、事实核查置信度、结论逻辑验证的完整研究报告。 默认设置支持智谱 GLM，实际上也可以支持 OpenAI 等主流模型，提供命令行和 Web 界面两种使用方式，开箱即用。 对了你问这个和openai 的深度研究有啥区别，怎么说呢，你不需要一个 chtgpt 的账号就能享受基本一致的服务，甚至可能更好（允许我吹个牛 项目已开源，欢迎 Star ⭐ 🔗 github.com/mmlong818/Cat Research 项目简介 Cat Research 是一个基于多智能体协作的深度研究系统。它将一个研究问题自动分解为多个专业阶段，由职责各异的 AI 智能体协同完成，最终交付一份经过来源权威性验证、事实交叉核查、结论逻辑验证的高质量研究报告。 不同于普通的 AI 问答，Cat Research 会： • 🔍 主动搜索：通过 Search API 实时获取最新网络信息，自动按时效过滤（优先近 3 个月） • 🔗 验证来源：4 级 Tier 分类 + 0–100 分域名评分 + 4 档置信度等级 • ✅ 核查事实：对关键声明进行交叉验证，输出置信度分数（0.0–1.0） • 🔄 迭代改进：强制执行最少 2 轮、最多 5 轮质量改进循环，配合棘轮机制保留最优版本 • 📊 置信度报告：最终输出综合质量评分（来源 25% + 事实 35% + 结论 40%） 系统架构 Code block Plain Text 用户提问 │ ▼ ┌─────────────────────────────────────────────────────┐ │ Orchestrator │ │ （研究协调器） │ └─────────────────────────────────────────────────────┘ │ ├─→ [阶段 1] 🗣️ Clarifier 意图识别与问题澄清 │ ├─→ [阶段 2] 📋 Planner 研究规划（生成 10–16 个多语言搜索查询） │ ├─→ [阶段 3] 🔍 Researcher 网络搜索 + 网页抓取 + 多源收集 │ ├─→ [阶段 3.5] 🔎 SourceVerifier 来源权威性评估（Tier 1–4 + 0–100 分） │ ├─→ [阶段 4] 🧐 Analyst 综合分析（因果 / 趋势 / 对比） │ ├─→ [阶段 5] ✍️ Writer 初稿撰写（结构化研究报告） │ ├─→ [阶段 5.5] 🔬 FactChecker 事实核查（关键声明交叉验证） │ └─→ [阶段 6] 🔄 质量改进循环（强制 ≥ 2 轮，最多 5 轮） ├─→ 🎯 Critic 多维评审（7 项评分，满分 10） ├─→ 🔍 Researcher 补充研究（仅前 3 轮） ├─→ ✔️ ConclusionValidator 结论验证（5 项评分） └─→ ✍️ Writer 迭代改进（棘轮机制保留最优版本） │ ▼ 最终研究报告（09 final.md）+ 置信度报告（08 verification/confidence report.json） 项目结构 Code block Plain Text cat research/ ├── main.py 命令行入口 ├── run api.py Web UI + API 服务入口 ├── orchestrator.py 研究编排器（主流程控制） ├── config.py 全局配置（模型 / 搜索 / 质量参数） ├── requirements.txt Python 依赖 ├── settings.example.json 配置模板 │ ├── agents/ 所有智能体实现 │ ├── base agent.py 基础智能体（对话 / 上下文压缩） │ ├── clarifier.py 澄清者 │ ├── planner.py 规划师 │ ├── researcher.py 研究员 │ ├── analyst.py 分析师 │ ├── writer.py 写作者 │ ├── critic.py 评审员 │ ├── source verifier.py 来源验证员 │ ├── fact checker.py 事实核查员 │ └── conclusion validator.py 结论验证员 │ ├── api/ FastAPI Web 服务 │ ├── app.py FastAPI 应用 + 所有路由定义 │ ├── models/ Pydantic 数据模型 │ └── services/ 业务逻辑层 │ ├── tools/ 工具模块 │ ├── web search.py 智谱 Web Search API + 网页抓取（降级 DuckDuckGo） │ ├── fact tools.py 事实核查工具 │ ├── file tools.py 文件读写工具 │ ├── domain checker.py 域名权威性检测 │ └── verification registry.py 验证结果缓存注册中心 │ ├── static/ Web UI 前端静态文件 └── workspace/ 研究输出目录（每次研究独立文件夹） 输出结构 每次研究会在 workspace/ 目录下生成独立会话文件夹： Code block Plain Text workspace/session 20250322 143022/ ├── 01 question.txt 原始研究问题 ├── 02 clarification.txt 意图澄清结果 ├── 03 plan.json 研究规划（搜索查询列表） ├── 04 research/ 原始搜索数据与网页内容 ├── 05 analysis.md 综合分析报告 ├── 06 drafts/ 各轮草稿历史 ├── 07 reviews/ 评审记录（含 7 维度分数） ├── 08 verification/ 所有验证结果 │ ├── source verification.json 来源权威性评估 │ ├── fact check.json 事实核查结果 │ ├── conclusion validation.json 结论验证结果 │ └── confidence report.json 📊 综合置信度报告 └── 09 final.md 📄 最终研究报告 😼 这个项目启动后其实很费token，这也是我为啥用国产模型测试的原因，烧不起啊，随便一个任务一个小时，几百万token就没了。（token消耗统计有误，懒得改了 我是 猫叔 ，所发布内容 有限开源，禁止商用 !!! 请 点赞、分享、收藏、关注 哦，对了，我开粉丝群了，如果你想聊聊AI，那么非常欢迎 如果发现二维码过期就找我最新的文章，一般会有新的 点击阅读原文可以查看我发布过的所有提示词 https://mp.weixin.qq.com/s/zfFvmsYV... github.com/mmlong818/Cat Research 🔗 原文链接： https://mp.weixin.qq.com/s/zfFvmsYV... https://mp.weixin.qq.com/s/zfFvmsYV... 原创 猫叔的AI 猫叔的AI AI替代人类2026年3月22日 16:38 福建 你有没有遇到过这样的场景：把问题丢给 AI，得到的却是一堆"众所周知""据报道"的空话，找不到来源，也经不起追问？ Cat Research 就是为了解决这个问题而生的。 它不是一个聊天机器人，而是一套多智能体协作的深度研究系统。 当你提出一个问题，背后有多个各司其职的 AI智能体同时运转：有人负责规划搜索策略，有人去互联网上实时抓取最新资料，有人核查每一条信息的来源是否权威，有人对关键结论交叉验证……整个过程至少经历 2 轮、最多 5 轮的质量审查，每一轮都有"评审员"打分、"写作者"改稿，直到报告真正达标才停下来。 最终你拿到的，不只是一篇文章，而是一份带有来源可信度评级、事实核查置信度、结论逻辑验证的完整研究报告。 默认设置支持智谱 GLM，实际上也可以支持 OpenAI 等主流模型，提供命令行和 Web 界面两种使用方式，开箱即用。 对了你问这个和openai 的深度研究有啥区别，怎么说呢，你不需要一个 chtgpt 的账号就能享受基本一致的服务，甚至可能更好（允许我吹个牛 项目已开源，欢迎 Star ⭐ 🔗 github.com/mmlong818/Cat Research github.com/mmlong818/Cat Research 项目简介 Cat Research 是一个基于多智能体协作的深度研究系统。它将一个研究问题自动分解为多个专业阶段，由职责各异的 AI 智能体协同完成，最终交付一份经过来源权威性验证、事实交叉核查、结论逻辑验证的高质量研究报告。 不同于普通的 AI 问答，Cat Research 会： • 🔍 主动搜索：通过 Search API 实时获取最新网络信息，自动按时效过滤（优先近 3 个月） • 🔗 验证来源：4 级 Tier 分类 + 0–100 分域名评分 + 4 档置信度等级 • ✅ 核查事实：对关键声明进行交叉验证，输出置信度分数（0.0–1.0） • 🔄 迭代改进：强制执行最少 2 轮、最多 5 轮质量改进循环，配合棘轮机制保留最优版本 • 📊 置信度报告：最终输出综合质量评分（来源 25% + 事实 35% + 结论 40%） 系统架构 项目结构 输出结构 每次研究会在 workspace/ 目录下生成独立会话文件夹： 😼 这个项目启动后其实很费token，这也是我为啥用国产模型测试的原因，烧不起啊，随便一个任务一个小时，几百万token就没了。（token消耗统计有误，懒得改了 我是 猫叔 ，所发布内容 有限开源，禁止商用 !!! 请 点赞、分享、收藏、关注 哦，对了，我开粉丝群了，如果你想聊聊AI，那么非常欢迎 如果发现二维码过期就找我最新的文章，一般会有新的 点击阅读原文可以查看我发布过的所有提示词