Deep Research 系统

生物医药行业的 AI 驱动深度研究流水线。基于 OpenCode 多 agent 协作，以麦肯锡/德勤式方法论产出专业级研究报告（PDF + DOCX）。

当前状态：MVP（路径 2 — 最小可用先行），仅实现 Phase 1 能力。 详见 PLAN.md 了解完整方案与迭代路径。

---

快速开始

项目在 macOS 与 Debian/Ubuntu 上均通用。Python 包管理用 uv（Rust 写的 Python 包管理器，比 pip 快 10-100 倍，Astral 出品）。

1. 一键初始化（推荐）

bash scripts/setup.sh

这个脚本会自动：

• 检查并安装 uv（没有会交互询问，走官方 curl -LsSf https://astral.sh/uv/install.sh 脚本）
• 调用 uv sync 按 pyproject.toml 创建 .venv/ 并装所有依赖（ReportLab、matplotlib、biopython 等）
• uv 会自动管理 Python 版本（>=3.10），不依赖系统 Python
• 检查并提示缺失的系统二进制（pandoc、opencode）

为什么选 uv 而不是 pip：

• macOS Homebrew Python、Debian 12+ 默认 PEP 668 保护，pip install 到系统会被拒
• uv 把 venv + 版本管理 + 依赖解析一次搞定，不需要手动 python -m venv + source activate + pip install
• uv sync 10-30 秒装完一整个科学计算栈（pip 要 2-5 分钟）
• 有 uv.lock 锁定精确版本，mac 和 debian 装出来的环境完全一致

2. 安装系统二进制（setup.sh 不装这些）

# macOS
brew install pandoc
curl -fsSL https://opencode.ai/install | bash

# Debian/Ubuntu
sudo apt update && sudo apt install -y pandoc curl
curl -fsSL https://opencode.ai/install | bash

uv 会帮你装 Python 本身，不需要再装 python3-venv / python3-pip。

3. 配置密钥

cp secrets.env.example secrets.env
# 编辑 secrets.env，填入：
#   - ZENMUX_API_KEY（必填，格式 sk-ai-v1-xxx）
#   - TAVILY_API_KEY / BRAVE_API_KEY / EXA_API_KEY
#   - NCBI_API_KEY（可选，PubMed 高频查询时用）

4. 下载中文字体

bash .opencode/templates/fonts/download-fonts.sh

下载思源宋体 + 思源黑体 + 霞鹜文楷（SIL OFL 许可，约 140MB）。

5. 验证 zenmux 端点与 cache（强烈推荐）

source scripts/activate.sh          # 一键激活 venv + 加载 secrets
bash scripts/verify-zenmux.sh       # 3 步自检

verify-zenmux.sh 会：

1. 测 OpenAI 兼容端点（Gemini 3.1 Pro Preview）
2. 测 Anthropic 兼容端点（Claude Haiku 4.5）
3. 测 Claude prompt cache 两次调用命中（Opus 4.7 cache 读取仅 0.5 USD/M tokens）

若第 3 步 cache_read_input_tokens 始终为 0，参见 AGENTS.md §6.5 诊断步骤。

6. 日常使用

cd ~/Documents/Projects/deep_research
source scripts/activate.sh          # 激活 venv + 载入 secrets
opencode                            # 启动 TUI

退出 venv：deactivate

跑单个 Python 脚本（不用先激活）：

uv run python .opencode/templates/report-template.py --input ... --output ...

加新依赖：

uv add <package>                    # 自动更新 pyproject.toml 和 uv.lock

同步到最新锁定版本（新 clone 或切分支后）：

uv sync

如果你用 direnv，可在项目根目录建 .envrc：

source scripts/activate.sh

这样 cd 进项目目录会自动激活，cd 出去会自动卸载。

---

MVP 可用命令

命令	功能	状态
/dr-init <主题>	初始化新研究，启动访谈	✅ MVP
/dr-frame [slug]	Phase 1：生成 8-15 章研究框架	✅ MVP
/dr-research	Phase 2：深度研究（并行）	⏳ 下一阶段
/dr-review	Phase 3：总编审校	⏳ 下一阶段
/dr-finalize	Phase 4：成稿 PDF+DOCX	⏳ 下一阶段
/dr-status	查看进度	⏳ 下一阶段

典型 MVP 流程

1. /dr-init GLP-1 减重药物市场
   → dr-plan 向你提 6-8 个访谈问题（研究类型、受众、时间范围等）
   → 你回答后，生成 projects/glp1-obesity-market-2026/manifest.json

2. /dr-frame
   → dr-plan 调用 skill:search-strategy
   → 委派 3-4 个 dr-searcher（Haiku，轻量）并行初扫
   → 生成 8-15 章框架到 phase1/framework.md
   → 暂停等你确认

3. 你审核框架，或提修改意见，或直接确认
   → 确认后，manifest.phase1.approved = true

4. （后续）/dr-research 触发 Phase 2 深研 — 目前未实现

---

项目结构

deep_research/
├── PLAN.md                      # 完整方案（中断续接从此读起）
├── AGENTS.md                    # 研究方法论与规则（OpenCode 自动加载）
├── README.md                    # 本文件
├── secrets.env.example          # 密钥模板
├── secrets.env                  # 你的密钥（gitignore）
│
├── .opencode/
│   ├── opencode.json            # MCP 配置 + 权限
│   ├── agents/                  # Agent 定义
│   │   ├── dr-plan.md           # [MVP] 框架规划师 Opus 0.7
│   │   └── dr-pm.md             # [MVP] 项目经理 Sonnet 0.2
│   ├── skills/                  # 可复用技能
│   │   ├── search-strategy/     # [MVP] 检索策略总纲
│   │   ├── source-quality/      # [MVP] 信源评级
│   │   ├── length-budget/       # [MVP] 字数预算
│   │   └── pdf-reportlab/       # [MVP] PDF 模板使用
│   ├── commands/
│   │   ├── dr-init.md           # [MVP] /dr-init
│   │   └── dr-frame.md          # [MVP] /dr-frame
│   └── templates/
│       ├── report-template.py   # [MVP] ReportLab PDF 生成器
│       └── fonts/
│           ├── download-fonts.sh
│           └── README.md
│
├── projects/                    # 每个研究一个子目录
│   └── <slug>/
│       ├── manifest.json
│       ├── phase1/
│       ├── phase2/
│       ├── phase3/
│       └── phase4/
│
└── archive/                     # 完成项目归档

---

关键设计要点

1. 防止"多 agent 变单模型跑"

OpenCode 的常见陷阱：AI 在主会话里装样子地"委派"子 agent，实际还是主模型在跑。本项目通过 3 道保险避免：

1. 命令 subtask: true — 强制走 Task 工具起子会话
2. Agent 强绑 model — 每个 subagent 锁死具体模型
3. permission.task 白名单 — 精确限定调用关系

验证方法：TUI 里 <Leader>+Right 切入子会话，能看到真实在跑的模型名。

2. 信源分级（Tier 1-4 + 黑名单）

详见 AGENTS.md §4 与 skills/source-quality/SKILL.md。

• Tier 1：PubMed、顶刊、FDA/NMPA 监管、ClinicalTrials、专利
• Tier 2：权威咨询、系统综述、行业协会
• Tier 3：预印本、券商研报、会议摘要（需 Tier 1-2 支撑）
• Tier 4：通用搜索（仅做发现入口，不做证据）
• 黑名单：自媒体、撤稿论文、软文

3. 字数硬性要求

类型	最小字数
综述	10,000
研究	30,000
投资	20,000
管理	15,000

Phase 1 分配章节配额，Phase 2 自检，不足返工。见 skills/length-budget/SKILL.md。

4. 中文 PDF 无坑

• 字体：思源宋 + 思源黑 + 霞鹜文楷（全 SIL OFL，可商用嵌入）
• 样式：集中在 build_styles()，所有字号行距单点维护
• 引擎：ReportLab（纯 Python，30,000 字 3-5 秒出稿）
• 图表：matplotlib 预渲染 300 DPI PNG 嵌入

5. zenmux 双 provider（Claude cache 关键）

Deep Research 大量使用相同的长 system prompt + skill 内容连续调用 Claude，如果 prompt cache 没生效，Opus/Sonnet 成本会翻 5-10 倍。所以本项目：

• Claude 系列 → zenmux-anthropic/claude-opus-4.7（走 https://zenmux.ai/api/anthropic，@ai-sdk/anthropic 原生支持 cache_control）
• 非 Claude 系列 → zenmux/google/gemini-3.1-pro-preview 等（走 https://zenmux.ai/api/v1，隐式缓存自动生效）

Opus 4.7 cache 读取价格 0.5 USD/M tokens（对比输入 25 USD/M，节省 98%）。

验证 cache 是否生效：

1. 在 https://zenmux.ai/settings/logs 打开 API Call Logging
2. 运行 /dr-frame 让 dr-plan 连续调用 2 次
3. 第 2 次的 cache_read_input_tokens 字段应 > 0
4. 若始终为 0，检查 agent 的 model: 是否以 zenmux-anthropic/ 开头（详见 AGENTS.md §6.5）

---

已知待办

用户侧

1. 在 zenmux 后台确认模型 slug，更新 AGENTS.md §6 映射表（已在 v0.2 完成，使用双 provider 架构）
2. 填写 secrets.env
3. 运行 download-fonts.sh 下载字体
4. 用一个小主题（如"5000 字 PD-1 综述"）跑通 MVP 流水线

系统侧（下一阶段）

• dr-chief-editor / dr-searcher / dr-analyst / dr-verifier / dr-polisher / dr-reporter 6 个 subagent
• /dr-research /dr-review /dr-finalize /dr-status 4 个命令
• 生物医药专业信源 skill：PubMed / ClinicalTrials / openFDA / 专利 / 金融
• citation-manager / evidence-table / mckinsey-method / docx-pandoc / report-template 5 个辅助 skill
• Pandoc reference-doc 模板（中文 DOCX）

---

排错

字体下载失败

# 检查网络访问 GitHub
curl -I https://github.com

# 用镜像手动下载（见 .opencode/templates/fonts/README.md）

MCP Server 启动失败

# 检查 npx 可用
which npx

# 验证 MCP server 可独立运行
npx -y tavily-mcp@latest

subagent 没被真正调度

1. 检查 agent frontmatter 的 mode 字段是否为 subagent
2. 检查命令 frontmatter 是否有 subtask: true
3. 检查主 agent 的 permission.task 是否允许目标 subagent
4. 在 TUI 用 <Leader>+Right 看是否有独立子会话

ReportLab PDF 中文乱码

# 确认字体已注册（venv 里）
source scripts/activate.sh
ls .opencode/templates/fonts/*.otf | wc -l   # 应为 6+

# 手动测试
python .opencode/templates/report-template.py --help

uv 安装后找不到

uv 官方脚本把 uv 装到 ~/.local/bin/。若终端里 which uv 找不到：

export PATH="$HOME/.local/bin:$PATH"
# 永久生效：
echo 'export PATH="$HOME/.local/bin:$PATH"' >> ~/.zshrc   # macOS zsh
echo 'export PATH="$HOME/.local/bin:$PATH"' >> ~/.bashrc  # debian bash

Python 依赖安装报 externally-managed-environment

不要用系统 pip！改用 uv（本项目标准方案）：

bash scripts/setup.sh   # uv sync 会自建 .venv 并装依赖

uv sync 很慢 / 下载超时

国内网络下，可用镜像加速：

export UV_INDEX_URL=https://pypi.tuna.tsinghua.edu.cn/simple
# 或
export UV_INDEX_URL=https://mirrors.aliyun.com/pypi/simple
uv sync

每次开终端都要手动 source

用 source scripts/activate.sh 一次搞定。或装 direnv：

# macOS
brew install direnv

# Debian
sudo apt install direnv

# 都装完后在项目根目录
echo 'source scripts/activate.sh' > .envrc
direnv allow

之后 cd 进项目目录就会自动激活，不用再想。

---

参考链接

• OpenCode 文档：https://opencode.ai/docs
• Agent 配置：https://opencode.ai/docs/agents
• Skill 配置：https://opencode.ai/docs/skills
• MCP Servers：https://opencode.ai/docs/mcp-servers
• ReportLab 文档：https://docs.reportlab.com
• 思源字体：https://github.com/adobe-fonts
• 霞鹜文楷：https://github.com/lxgw/LxgwWenKai

---

变更记录

• v0.1 (2026-04-20) — MVP 路径 2 完成：dr-plan + dr-pm 两主 agent、4 个核心 skill、2 个命令、ReportLab 模板基础版、字体下载脚本
• v0.2 (2026-04-20) — 双 provider 架构（zenmux-anthropic + zenmux），解决 Claude prompt cache 生效问题
• v0.3 (2026-04-20) — 修正 v0.2 模型名（回到 Opus 4.7 / Sonnet 4.6 / Gemini 3.1 Pro / GPT-5.4 Pro 等真实 slug）；改 venv + requirements.txt 跨平台方案（macOS + Debian）；新增 scripts/setup.sh、scripts/activate.sh

见 PLAN.md §12 了解完整变更历史。