> ## Documentation Index > Fetch the complete documentation index at: https://langchain-zh.cn/llms.txt > Use this file to discover all available pages before exploring further. # 构建内容创作智能体 > 构建一个具备品牌记忆、技能、子智能体和图像生成功能的内容写作智能体 ## 概述 本指南演示如何使用 [Deep Agents](/oss/python/deepagents) 从零开始构建一个内容写作智能体。 您将构建的智能体能够： 1. 从 `AGENTS.md` 和技能文件夹加载品牌语调和流程规则 2. 将网络研究任务委托给具备 `web_search` 功能的专用子智能体 3. 根据加载的技能起草博客或社交媒体内容 4. 使用 Gemini 生成封面或社交媒体图片，并将文件保存在项目目录下 本教程中的代码集成了图像生成工具和文件系统后端，使智能体能够在项目目录下读取和写入文章、研究笔记和图像。有关完整的可运行项目，请参阅 [content-builder-agent](https://github.com/langchain-ai/deepagents/tree/main/examples/content-builder-agent) 示例。 ### 核心概念 本教程涵盖： * [长期记忆](/oss/python/deepagents/long-term-memory) 用于 TODO * [技能](/oss/python/deepagents/skills) 用于 TODO * [子智能体](/oss/python/deepagents/subagents) 用于 TODO * [文件系统后端](/oss/python/deepagents/backends) 用于文件读写 * 用于搜索和图像生成的自定义 [工具](/oss/python/langchain/tools) ## 先决条件 API 密钥： * Anthropic (Claude) * Google (Gemini)，用于通过 `gemini-2.5-flash-image` 生成图像 * [Tavily](https://www.tavily.com/) 用于网络搜索（免费套餐） * [LangSmith](https://smith.langchain.com/) 用于追踪（可选） Python 3.11 或更高版本。 ## 设置 ```bash theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} mkdir content-builder-agent cd content-builder-agent ``` ```bash pip wrap theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} pip install deepagents google-genai pillow pyyaml rich tavily-python langchain ``` ```bash uv wrap theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} uv init uv add deepagents google-genai pillow pyyaml rich tavily-python langchain uv sync ``` 在您自己的项目中，请将 `deepagents` 固定在一个支持的版本范围内（例如 `>=0.3.5,<0.4.0`），以匹配上游示例。 ```bash theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} export ANTHROPIC_API_KEY="your_anthropic_api_key" export GOOGLE_API_KEY="your_google_api_key" export TAVILY_API_KEY="your_tavily_api_key" # 可选 export LANGSMITH_API_KEY="your_langsmith_api_key" # 可选 ``` ## 添加配置文件 示例将行为保存在三种文件中：记忆、技能和子智能体定义。 在项目根目录创建 `AGENTS.md`。 当您稍后创建智能体并将此文件指定为 [记忆](/oss/python/deepagents/long-term-memory) 参数的一部分时，它会被加载到系统提示中，从而使品牌语调和研究要求适用于每次运行。 ```markdown expandable wrap theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} # 内容写作智能体 您是一家科技公司的内容写手。您的工作是创作引人入胜、信息丰富的内容，向读者介绍人工智能、软件开发和新兴技术。 ## 品牌语调 - **专业但平易近人**：像知识渊博的同事一样写作，而不是教科书 - **清晰直接**：除非必要，避免使用术语；用简单的方式解释技术概念 - **自信但不傲慢**：分享专业知识而不居高临下 - **引人入胜**：使用具体示例、类比和故事来说明观点 ## 写作标准 1. **使用主动语态**："智能体处理请求"，而不是"请求被智能体处理" 2. **以价值为先**：从对读者重要的内容开始，而不是背景 3. **每段一个观点**：保持段落重点突出且易于浏览 4. **具体而非抽象**：使用具体示例、数字和案例研究 5. **以行动结尾**：每篇文章都应让读者知道下一步该做什么 ## 内容支柱 我们的内容专注于： - 人工智能智能体与自动化 - 开发者工具与生产力 - 软件架构与最佳实践 - 新兴技术与趋势 ## 格式指南 - 使用标题（H2、H3）来分割长内容 - 在相关处包含代码示例（带语法高亮） - 对于 3 个或更多项目的列表，使用项目符号 - 尽可能将句子保持在 25 个词以内 - 在结尾包含清晰的行动号召 ## 研究要求 在撰写任何主题之前： 1. 使用 `researcher` 子智能体进行深入的主题研究 2. 收集至少 3 个可信来源 3. 确定读者需要理解的关键点 4. 寻找具体示例或案例研究来说明概念 ``` 要使此智能体符合您自己的语调、支柱和格式规则，请更新 `AGENTS.md` 中的文本。 创建一个名为 `subagents.yaml` 的文件。 然后添加以下文本，其中描述了一个 `researcher` 子智能体，它具备 Tavily 支持的 `web_search` 工具、一个 Haiku 模型 ID，以及将发现保存到您在主智能体委托时指定的路径的说明： ```yaml expandable wrap theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} # 子智能体定义 # 这些由 content_writer.py 加载并与工具连接 researcher: description: > 在撰写任何内容之前，务必首先使用此智能体进行研究。 搜索网络以获取最新信息、统计数据和来源。 委托时，请告知它主题以及保存结果的文件路径 （例如，'研究可再生能源并保存到 research/renewable-energy.md'）。 model: anthropic:claude-haiku-4-5-20251001 system_prompt: | 您是一名研究助手。您可以使用 web_search 和 write_file 工具。 ## 您的工具 - web_search(query, max_results=5, topic="general") - 搜索网络 - write_file(file_path, content) - 保存您的发现 ## 您的流程 1. 使用 web_search 查找有关主题的信息 2. 进行 2-3 次有针对性的搜索，使用具体的查询 3. 收集关键统计数据、引用和示例 4. 将发现保存到任务中指定的文件路径 ## 重要事项 - 用户会告诉您保存文件的位置 - 请使用该确切路径 - 始终在您的发现中包含来源 URL - 保持发现简洁但信息丰富 tools: - web_search ``` 该文件稍后在创建深度智能体时作为参数传递。 创建一个 `skills/` 目录。每个技能都是一个包含 `SKILL.md` 文件的文件夹，该文件包含 YAML 前言（`name`、`description`）和技能说明。 创建 `skills/blog-post/SKILL.md` 并将以下文本复制到其中，其中包含关于创建长篇博文、优化 SEO 内容和生成封面图像的信息。 ````md expandable wrap theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} --- name: blog-post description: 撰写和构建长篇博客文章，创建教程大纲，优化 SEO 内容并生成封面图像。当用户要求撰写博客文章、文章、操作指南、教程、技术文章、思想领导力文章或长篇内容时使用。 --- # 博客文章写作技能 ## 先研究（必需） **在撰写任何博客文章之前，您必须委托研究：** 1. 使用 `task` 工具，并指定 `subagent_type: "researcher"` 2. 在描述中，同时指定主题和保存位置： ``` task( subagent_type="researcher", description="Research [TOPIC]. Save findings to research/[slug].md" ) ``` 示例： ``` task( subagent_type="researcher", description="Research the current state of AI agents in 2025. Save findings to research/ai-agents-2025.md" ) ``` 3. 研究完成后，在写作前阅读发现文件 ## 输出结构（必需） **每篇博客文章必须同时包含文章和封面图像：** ``` blogs/ └── / ├── post.md # 博客文章内容 └── hero.png # 必需：生成的封面图像 ``` 示例：一篇关于"2025 年 AI 智能体"的文章 → `blogs/ai-agents-2025/` **您必须完成两个步骤：** 1. 将文章写入 `blogs//post.md` 2. 使用 `generate_image` 生成封面图像并保存到 `blogs//hero.png` **没有封面图像的博客文章是不完整的。** ## 博客文章结构 每篇博客文章应遵循以下结构： ### 1. 引子（开头） - 以一个引人注目的问题、统计数据或陈述开始 - 让读者想要继续阅读 - 保持 2-3 句话 ### 2. 背景（问题） - 解释为什么这个主题重要 - 描述问题或机会 - 联系读者的经验 ### 3. 主要内容（解决方案） - 分成 3-5 个主要部分，使用 H2 标题 - 每个部分涵盖一个关键点 - 在有用处包含代码示例、图表或截图 - 对列表使用项目符号 ### 4. 实际应用 - 展示如何应用这些概念 - 如果适用，包含分步说明 - 提供代码片段或模板 ### 5. 结论与行动号召 - 总结关键要点（最多 3 个要点） - 以清晰的行动号召结尾 - 链接到相关资源 ## 封面图像生成 撰写文章后，使用 `generate_cover` 工具生成封面图像： ``` generate_cover(prompt="A detailed description of the image...", slug="your-blog-slug") ``` 该工具将图像保存到 `blogs//hero.png`。 ### 撰写有效的图像提示 使用以下元素构建您的提示： 1. **主体**：主要焦点是什么？要具体、明确。 2. **风格**：艺术方向（极简主义、等距、扁平设计、3D 渲染、水彩等） 3. **构图**：元素如何排列（居中、三分法则、对称） 4. **调色板**：特定颜色或氛围（温暖的土色调、冷色调的蓝紫色、高对比度） 5. **灯光/氛围**：柔和的漫射光、戏剧性的阴影、黄金时刻、霓虹灯发光 6. **技术细节**：宽高比考虑、用于文本叠加的负空间 ### 示例提示 **对于技术博客文章：** ``` 等距 3D 插图，展示代表 AI 智能体的相互连接的发光立方体，每个立方体都有微妙的电路图案。立方体通过发光的数据流连接。深海军蓝背景 (#0a192f)，带有电光蓝 (#64ffda) 和柔和的紫色 (#c792ea) 点缀。干净简约的风格，顶部有大量负空间用于标题。专业科技美学。 ``` **对于教程/操作指南：** ``` 干净的扁平插图，展示双手在键盘上打字，抽象的代码符号向上漂浮，转变为灯泡和齿轮。从柔和的珊瑚色到浅桃色的温暖渐变背景。友好、平易近人的风格。居中构图，留有文本叠加空间。 ``` **对于思想领导力：** ``` 人类剪影轮廓与几何神经网络模式融合的抽象可视化。分割构图 - 左侧为有机水彩纹理过渡到右侧干净的矢量线条。柔和的鼠尾草绿和温暖的赤陶土色系。沉思、前瞻性的情绪。 ``` ## SEO 注意事项 - 在标题和第一段中包含主要关键词 - 在全文自然地使用关键词 3-5 次 - 将标题保持在 60 个字符以内 - 撰写元描述（150-160 个字符） ## 质量检查清单 完成前： - [ ] 文章已保存到 `blogs//post.md` - [ ] 封面图像已生成于 `blogs//hero.png` - [ ] 引子在前 2 句话中吸引注意力 - [ ] 每个部分都有明确的目的 - [ ] 结论总结了关键点 - [ ] 行动号召告诉读者下一步该做什么 ```` 接下来，创建 `skills/social-media/SKILL.md` 并将以下文本复制到其中，其中包含关于起草社交媒体帖子和生成配套图像的信息： ````md expandable wrap theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} --- name: social-media description: 起草引人入胜的社交媒体帖子，撰写引子，建议话题标签，创建线程结构，并生成配套图像。当用户要求撰写 LinkedIn 帖子、推文、Twitter/X 线程、社交媒体标题、社交帖子或为社交平台重新利用内容时使用。 --- # 社交媒体内容技能 ## 先研究（必需） **在撰写任何社交媒体内容之前，您必须委托研究：** 1. 使用 `task` 工具，并指定 `subagent_type: "researcher"` 2. 在描述中，同时指定主题和保存位置： ``` task( subagent_type="researcher", description="Research [TOPIC]. Save findings to research/[slug].md" ) ``` 示例： ``` task( subagent_type="researcher", description="Research renewable energy trends in 2025. Save findings to research/renewable-energy.md" ) ``` 3. 研究完成后，在写作前阅读发现文件 ## 输出结构（必需） **每个社交媒体帖子必须同时包含内容和图像：** **LinkedIn 帖子：** ``` linkedin/ └── / ├── post.md # 帖子内容 └── image.png # 必需：生成的视觉内容 ``` **Twitter/X 线程：** ``` tweets/ └── / ├── thread.md # 线程内容 └── image.png # 必需：生成的视觉内容 ``` 示例：一篇关于"提示工程"的 LinkedIn 帖子 → `linkedin/prompt-engineering/` **您必须完成两个步骤：** 1. 将内容写入相应的路径 2. 使用 `generate_image` 生成图像并保存在帖子旁边 **没有图像的社交媒体帖子是不完整的。** ## 平台指南 ### LinkedIn **格式：** - 1,300 字符限制（约 210 个字符后显示"更多"） - 第一行至关重要 - 使其具有吸引力 - 使用换行符提高可读性 - 在末尾使用 3-5 个话题标签 **语调：** - 专业但个人化 - 分享见解和学习心得 - 提出问题以推动互动 - 使用"我"并分享经验 **结构：** ``` [引子 - 1 行引人注目的内容] [空行] [背景 - 为什么这很重要] [空行] [主要见解 - 2-3 个短段落] [空行] [行动号召或问题] #话题标签1 #话题标签2 #话题标签3 ``` ### Twitter/X **格式：** - 每条推文 280 字符限制 - 对于较长内容使用线程（使用 1/🧵 格式） - 每条推文不超过 2 个话题标签 **线程结构：** ``` 1/🧵 [引子 - 主要见解] 2/ [支持点 1] 3/ [支持点 2] 4/ [示例或证据] 5/ [结论 + 行动号召] ``` ## 图像生成 每个社交媒体帖子都需要一张引人注目的图像。使用 `generate_social_image` 工具： ``` generate_social_image(prompt="A detailed description...", platform="linkedin", slug="your-post-slug") ``` 该工具将图像保存到 `//image.png`。 ### 社交媒体图像最佳实践 社交媒体图像需要在拥挤的信息流中以小尺寸有效： - **大胆、简洁的构图** - 一个清晰的焦点 - **高对比度** - 滚动时脱颖而出 - **图像中无文字** - 太小无法阅读，平台会添加自己的文字 - **方形或 4:5 比例** - 跨平台适用 ### 撰写有效的提示 包含以下元素： 1. **单一焦点**：一个清晰的主体，而不是繁忙的场景 2. **大胆的风格**：鲜艳的色彩、强烈的形状、高对比度 3. **简单的背景**：纯色、渐变或微妙的纹理 4. **情绪/能量**：匹配帖子的语调（鼓舞人心、紧迫、深思熟虑） ### 示例提示 **对于见解/技巧帖子：** ``` 单个发光的灯泡漂浮在深紫色渐变背景上，灯泡由相互连接的金色几何线条构成，向外散发出柔和的光线。极简、醒目、高对比度。方形构图。 ``` **对于公告/新闻：** ``` 由彩色几何形状组成的抽象火箭向上发射，带有粒子轨迹。明亮的珊瑚色和蓝绿色配色方案，背景为干净的白色。充满活力、庆祝的情绪。大胆的扁平插图风格。 ``` **对于发人深省的内容：** ``` 两个重叠的半透明圆圈，一个蓝色一个橙色，在中心形成一个发光的交叉点。代表协作或思想的交汇。深炭灰色背景，柔和空灵的光晕。极简主义和沉思感。 ``` ## 内容类型 ### 公告帖子 - 以新闻开头 - 解释影响 - 包含链接或下一步 ### 见解帖子 - 分享一个具体的学习心得 - 简要解释背景 - 使其具有可操作性 ### 提问帖子 - 提出一个真实的问题 - 首先提供您的看法 - 专注于一个主题 ## 质量检查清单 完成前： - [ ] 帖子已保存到 `linkedin//post.md` 或 `tweets//thread.md` - [ ] 图像已在帖子旁边生成 - [ ] 第一行吸引注意力 - [ ] 内容符合平台限制 - [ ] 语调符合平台规范 - [ ] 有清晰的行动号召或问题 - [ ] 话题标签相关（非通用） ```` 它们指示智能体首先调用 `researcher` 子智能体，在 `blogs/`、`linkedin/` 或 `tweets/` 下写入 Markdown，并调用 `generate_cover` 或 `generate_social_image` 来生成图像。 当您稍后创建智能体并指定技能文件夹时，这些技能文件夹中的 `SKILLS.md` 文件的前言会被加载到系统提示中，以便当任务描述匹配技能描述时，智能体可以使用该技能。 ## 构建脚本 在项目根目录创建 `content_writer.py`。以下部分按顺序属于同一个文件。 研究员子智能体使用 Tavily 搜索。 博客和社交媒体工作流使用 Gemini 图像生成。 稍后创建智能体时，`load_subagents` 函数会读取 `subagents.yaml` 并将工具名称解析为这些装饰函数。 ```python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} import os from pathlib import Path from typing import Literal import yaml from langchain.tools import tool EXAMPLE_DIR = Path(__file__).parent @tool def web_search( query: str, max_results: int = 5, topic: Literal["general", "news"] = "general", ) -> dict: """在网络上搜索当前信息。 参数： query: 搜索查询（请具体且详细） max_results: 返回结果的数量（默认值：5） topic: 大多数查询使用 "general"，当前事件使用 "news" 返回： 包含标题、URL 和内容摘录的搜索结果。 """ try: from tavily import TavilyClient api_key = os.environ.get("TAVILY_API_KEY") if not api_key: return {"error": "TAVILY_API_KEY not set"} client = TavilyClient(api_key=api_key) return client.search(query, max_results=max_results, topic=topic) except Exception as e: return {"error": f"Search failed: {e}"} @tool def generate_cover(prompt: str, slug: str) -> str: """为博客文章生成封面图片。 参数： prompt: 要生成的图像的详细说明。 slug: 博客文章标识符。图片保存至 blogs//hero.png """ try: from google import genai client = genai.Client() response = client.models.generate_content( model="gemini-2.5-flash-image", contents=[prompt], ) for part in response.parts: if part.inline_data is not None: image = part.as_image() output_path = EXAMPLE_DIR / "blogs" / slug / "hero.png" output_path.parent.mkdir(parents=True, exist_ok=True) image.save(str(output_path)) return f"Image saved to {output_path}" return "No image generated" except Exception as e: return f"Error: {e}" @tool def generate_social_image(prompt: str, platform: str, slug: str) -> str: """为社交媒体帖子生成图片。 参数： prompt: 要生成的图像的详细说明。 platform: 可以是 "linkedin" 或 "tweets" slug: 帖子标识符。图片保存至 //image.png """ try: from google import genai client = genai.Client() response = client.models.generate_content( model="gemini-2.5-flash-image", contents=[prompt], ) for part in response.parts: if part.inline_data is not None: image = part.as_image() output_path = EXAMPLE_DIR / platform / slug / "image.png" output_path.parent.mkdir(parents=True, exist_ok=True) image.save(str(output_path)) return f"Image saved to {output_path}" return "No image generated" except Exception as e: return f"Error: {e}" def load_subagents(config_path: Path) -> list: """从 YAML 加载子代理定义并连接工具。 与 `memory` 和 `skills` 不同，Deep Agents 默认不会从文件加载子代理。 此辅助函数将配置外部化，以便您可以在不更改 Python 代码的情况下编辑 YAML。 """ available_tools = { "web_search": web_search, } with open(config_path) as f: config = yaml.safe_load(f) subagents = [] for name, spec in config.items(): subagent = { "name": name, "description": spec["description"], "system_prompt": spec["system_prompt"], } if "model" in spec: subagent["model"] = spec["model"] if "tools" in spec: subagent["tools"] = [available_tools[t] for t in spec["tools"]] subagents.append(subagent) return subagents ``` 使用 [create\_deep\_agent](https://reference.langchain.com/python/deepagents/graph/create_deep_agent) 创建深度智能体时，传递记忆路径、技能目录、图像工具、来自 YAML 的子智能体，以及一个根目录为示例目录的 [FilesystemBackend](/oss/python/deepagents/backends)，以便像 `./AGENTS.md` 和 `./skills/` 这样的路径能够正确解析。 ```python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} from deepagents import create_deep_agent from deepagents.backends import FilesystemBackend def create_content_writer(): """创建一个由文件系统文件配置的内容编写器代理。""" return create_deep_agent( memory=["./AGENTS.md"], skills=["./skills/"], tools=[generate_cover, generate_social_image], subagents=load_subagents(EXAMPLE_DIR / "subagents.yaml"), backend=FilesystemBackend(root_dir=EXAMPLE_DIR), ) ``` 使用用户消息调用智能体以验证其是否正常工作： ```python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} import sys from langchain.messages import HumanMessage if __name__ == "__main__": task = ( " ".join(sys.argv[1:]) if len(sys.argv) > 1 else "Write a blog post about how AI agents are transforming software development" ) agent = create_content_writer() result = agent.invoke( {"messages": [HumanMessage(content=task)]}, config={"configurable": {"thread_id": "content-builder-demo"}}, ) for msg in result.get("messages", []): if hasattr(msg, "content") and msg.content: print(msg.content) ``` ## 运行智能体 文件系统后端可以读取、写入和删除 `root_dir` 下的文件。仅在专用目录中运行，并在发布前检查生成的内容。 从项目目录，您可以在不传递参数的情况下调用智能体，或者通过将提示作为参数传递： ```bash Default wrap theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} python content_writer.py ``` ```bash With prompt wrap theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} python content_writer.py Write a blog post about prompt engineering ``` 设置 `LANGSMITH_API_KEY` 后，您可以在 [LangSmith](/langsmith/home) 中检查运行情况。 ## 输出 成功时，生成的工件会写入系统临时目录（在 macOS 和 Linux 上，通常在 `/tmp/` 下），而不是您的项目文件旁边。 ```text theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} blogs/ └── prompt-engineering/ ├── post.md └── hero.png research/ └── prompt-engineering.md ``` 路径遵循 `SKILL.md` 中的技能说明。 ## 完整代码 在 GitHub 上浏览完整的 [content-builder-agent 示例](https://github.com/langchain-ai/deepagents/tree/main/examples/content-builder-agent)，包括基于 Rich 的流式 UI。 ## 后续步骤 * 编辑 `AGENTS.md` 以更改品牌语调和研究要求 * 在 `skills//SKILL.md` 下添加新内容类型的技能 * 在 `subagents.yaml` 中添加子智能体，并在 `load_subagents` 中注册工具 * 阅读 [子智能体](/oss/python/deepagents/subagents)、[技能](/oss/python/deepagents/skills) 和 [自定义](/oss/python/deepagents/customization) 以进行更深入的配置 ***
[Edit this page on GitHub](https://github.com/langchain-ai/docs/edit/main/src/i18n\zh-CN\oss\deepagents\content-builder.mdx) or [file an issue](https://github.com/langchain-ai/docs/issues/new/choose). [Connect these docs](/use-these-docs) to Claude, VSCode, and more via MCP for real-time answers.