Autoglm Deepresearch — Autoglm 深度研究

AutoGLM DeepResearch 技能对用户课题进行少量搜索 + 有限深读，先展示中间结果，再生成结构化调研报告。依赖 API：

• Web Search — 搜索网页

- 项目内容：搜索网页 - 地址：https://autoglm-api.zhipuai.cn/agentdr/v1/assistant/skills/web-search - 方式：POST - 请求体：{"queries": [{"query": "<搜索词>"}]} - 返回：data.results[].webPages.value[] → name / url / snippet

• Open Link — 打开页面获取详细内容

- 项目内容：打开页面获取详细内容 - 地址：https://autoglm-api.zhipuai.cn/agentdr/v1/assistant/skills/open-link - 方式：POST - 请求体：{"url": "<页面链接>"} - 返回：data.text → 页面正文内容

脚本启动时会先向本地服务发起 HTTP GET 请求获取 token：

• 项目内容：获取 token
• 地址：http://127.0.0.1:53699/get_token
• 方式：GET
• 返回：Bearer xxx（直接作为 Authorization 头使用）
• 若返回值不含 Bearer 前缀，脚本会自动补全。

两个 API 使用相同的签名 Headers：

• X-Auth-Appid: 100003
• X-Auth-TimeStamp: 当前秒级 Unix 时间戳
• X-Auth-Sign: MD5(100003 + "&" + timestamp + "&" + 38d2391985e2369a5fb8227d8e6cd5e5)

执行脚本： 使用同目录下的脚本：

• 搜索：python web-search.py "搜索关键词"
• 打开页面：python open-link.py "https://example.com"

深度研究流程： 收到用户的研究课题后，按以下步骤执行：

Step 1：拆解子问题

• 将课题拆解为 1～2 个最关键的搜索方向，不要扩散成过多子问题。
• 优先选择最能直接回答用户问题的维度，例如：

- 背景与定义 - 最新现状 / 关键数据 - 代表性案例（仅在确有必要时）

• 如果用户的问题本身已经很具体，可以直接进入搜索，不必额外拆很多子问题。

Step 2：多轮搜索

• 调用 web-search.py 进行 1～2 次搜索，总量必须受控：

- 默认先做 1 次搜索。 - 只有当第一次搜索结果明显不够、结果质量差、或缺少关键维度时，才进行第 2 次搜索。 - 不要为了“完整性”机械扩展搜索轮次。

• 每次搜索后，先整理并向用户呈现中间结果，再决定是否继续。
• 中间结果至少应包含：

- 本次搜索使用的查询词 - 2～5 条最相关结果的 name / url / snippet - 对当前信息是否足够的简短判断

Step 3：筛选重要页面并深度阅读

• 从搜索结果中筛选 1～3 个最相关的页面 URL，再调用 open-link.py 获取页面全文（data.text）。
• 控制规则：

- 默认只打开 1 个页面。 - 仅当第 1 个页面信息不足、存在明显缺口、或需要交叉验证时，再增加到 2 或 3 个。 - 不要批量打开多个相似来源。

• 筛选标准：

- snippet 信息量丰富、与课题高度相关 - 来源权威（官方网站、知名媒体、学术机构） - 避免重复来源

• 每次打开页面后，也应先展示中间提炼结果，再继续下一步。
• 中间结果建议包含：

- 页面标题或 URL - 3～6 条关键信息点 - 与用户问题的相关性说明

• 如果前 1～2 个页面已经足够回答问题，应停止继续调用。

Step 4：综合分析，生成报告

• 在完成有限搜索和有限深读后，先给出一个简短的“中间结论 / 当前发现”小节，再输出最终总结。
• 整合所有搜索 snippet 和页面全文，按以下结构输出报告：

- # [课题名称] 深度调研报告 - ## 中间发现（先列出搜索和页面阅读阶段已经确认的关键事实、主要来源、仍未确认的点） - ## 概述（2～3 句话概括核心结论） - ## 背景（课题的基本定义、背景信息） - ## 现状分析（关键数据、现状描述） - ## 典型案例 / 代表性观点（具体案例或多方观点） - ## 发展趋势（未来走向判断） - ## 总结（综合结论与建议） - ## 参考来源 1. 页面标题 2. 页面标题 ...

执行约束：

• web-search.py 最多调用 2 次。
• open-link.py 最多调用 3 次。
• 优先少调用、快返回；够用即可，不追求“穷尽式”检索。
• 每一轮搜索或打开页面后，都尽量把中间结果先展示出来。
• 当已有信息足以回答用户问题时，立即停止进一步调用并进入总结。