文章目录
- 一、概述
- 二、项目概述
- 2.1 项目简介
- 2.2 核心功能一览
- 2.3 技术栈详解
- 后端技术栈
- 前端技术栈
- 外部服务
- 2.4 系统架构设计
- 2.5 核心数据流转
- 三、环境准备
- 3.1 系统要求
- 3.2 Python 环境安装
- Windows 系统
- macOS 系统
- Linux 系统
- 3.3 Node.js 环境安装
- Windows/macOS
- Linux
- 3.4 FFmpeg 安装
- Windows
- macOS
- Linux
- 3.5 开发工具推荐
- 四、项目初始化
- 4.1 创建项目根目录结构
- 4.2 初始化 Git 仓库
- 4.3 创建 .gitignore 文件
- 4.4 初始化后端 Python 项目
- 4.4.1 pyproject.toml
- 4.4.2 requirements.txt
- 4.4.3 环境变量模板
- 4.5 初始化前端 Vue 项目
- 4.5.1 package.json
- 4.5.2 Vite 配置
- 4.5.3 TypeScript 配置
- 4.5.4 Tailwind CSS 配置
- 4.5.5 HTML 入口文件
- 五、后端核心模块开发
- 5.1 核心数据模型(models.py)
- 5.2 配置中心(config.py)
- 5.3 提示词模板(prompts.py)
- 5.3.1 研究规划 Agent 提示词
- 5.3.2 摘要生成 Agent 提示词
- 5.3.3 报告撰写 Agent 提示词
- 5.3.4 脚本生成 Agent 提示词
- 六、后端服务层实现
- 6.1 工具函数模块(utils.py)
- 6.2 文本预处理服务(text_processing.py)
- 6.3 工具调用事件处理(tool_events.py)
- 6.4 笔记持久化服务(notes.py)
- 七、常见问题解答(FAQ)
- Q1:为什么要使用两种搜索引擎?
- Q2:MAX_WEB_RESEARCH_LOOPS 设置为多少合适?
- Q3:FFmpeg 安装后系统找不到命令?
- Q4:前后端跨域问题如何处理?
- Q5:脚本生成的 JSON 格式不稳定怎么办?
- 八、实践建议与最佳实践
- 九、总结
一、概述
在 AI 技术迅猛发展的今天,自动化内容创作已经从文本生成延伸到音频领域。想象一下:你只需输入一个研究主题,系统就能自动进行全网深度调研、生成结构化报告,并最终产出一段双人对谈式播客——这就是DeepCast要解决的问题。
DeepCast 是一个基于 HelloAgents 智能体框架构建的自动化播客生成系统。它结合了大语言模型(LLM)、搜索引擎、语音合成(TTS)等多种技术,将"研究 → 报告 → 脚本 → 音频"这一完整链路实现全自动化。
本文将从零开始,详细讲解 DeepCast 的完整开发流程,涵盖项目架构设计、环境搭建、前后端初始化、后端核心服务层实现等关键环节。无论你是想学习多智能体系统开发,还是对 AI 内容创作感兴趣,都能从中获得实用的技术参考。
二、项目概述
2.1 项目简介
DeepCast 能够针对用户提出的任何复杂主题,进行全维度深度调研,生成结构化的研究报告,并进一步将其转化为生动的双人对谈式播客(Podcast)。
2.2 核心功能一览
| 功能模块 | 描述 | 技术实现 |
|---|---|---|
| 深度全网调研 | 自动拆解复杂课题,多 |