---

XunLong (寻龙) 是一个基于大语言模型的智能内容生成系统，能够通过自然语言指令自动生成高质量的研究报告、小说和演示文稿（PPT）。

系统采用多智能体协作架构，通过LangGraph编排智能体工作流，实现从需求分析、资料搜索、内容生成到格式导出的全流程自动化。

• 🤖 多智能体协作: 基于LangGraph的智能体编排，任务分解与并行执行
• 📊 多模态生成: 支持报告(Report)、小说(Fiction)、PPT三种内容模式
• 🔍 智能搜索: 自动网络搜索、内容提取、知识整合
• 🎨 专业导出: 支持Markdown、HTML、PDF、DOCX、PPTX多种格式
• 🔄 迭代优化: 对已生成内容进行局部或全局修改
• 🎯 风格定制: 支持多种写作风格和演示风格
• 📈 可观测性: 集成LangFuse，全流程追踪和监控

---

---

• Python 3.10+
• OpenAI API Key 或 Anthropic API Key 或 DeepSeek API Key
• （可选）Perplexity API Key 用于高级搜索

1. 克隆项目 ```bash git clone https://github.com/yourusername/XunLong.git cd XunLong ```

2. 创建虚拟环境 ```bash python -m venv venv source venv/bin/activate # Windows: venv\Scripts\activate ```

3. 安装依赖 ```bash pip install -r requirements.txt ```

4. 安装系统依赖（PDF导出功能）

macOS: ```bash brew install pango gdk-pixbuf libffi ```

Ubuntu/Debian: ```bash sudo apt-get install libpango-1.0-0 libpangoft2-1.0-0 gdk-pixbuf2.0 ```

5. 安装浏览器（网页搜索功能） ```bash playwright install chromium ```

6. 配置环境变量

复制`.env.example`为`.env`并填入你的API密钥: ```bash cp .env.example .env ```

编辑`.env`文件: ```env

OPENAI_API_KEY=your_openai_api_key OPENAI_BASE_URL=https://api.openai.com/v1 OPENAI_MODEL=gpt-4o

ANTHROPIC_API_KEY=your_anthropic_api_key ANTHROPIC_MODEL=claude-3-5-sonnet-20241022

DEEPSEEK_API_KEY=your_deepseek_api_key DEEPSEEK_BASE_URL=https://api.deepseek.com/v1 DEEPSEEK_MODEL=deepseek-chat

PERPLEXITY_API_KEY=your_perplexity_api_key

LANGFUSE_PUBLIC_KEY=your_langfuse_public_key LANGFUSE_SECRET_KEY=your_langfuse_secret_key LANGFUSE_HOST=https://cloud.langfuse.com ```

---

XunLong提供简洁的命令行界面：

```bash python xunlong.py [命令] [参数] [选项] ```

```bash

python xunlong.py report "2025年人工智能行业趋势分析"

python xunlong.py report "区块链技术应用研究" \ --style academic \ --depth comprehensive \ --verbose ```

风格选项:

• `business`: 商业报告（默认）
• `academic`: 学术论文
• `technical`: 技术文档
• `consulting`: 咨询报告

深度选项:

• `overview`: 概览（快速）
• `standard`: 标准（默认）
• `comprehensive`: 深度

```bash

python xunlong.py fiction "一个关于时间旅行的科幻故事"

python xunlong.py fiction "都市悬疑推理小说" \ --style mystery \ --chapters 10 \ --verbose ```

风格选项:

• `romance`: 言情
• `scifi`: 科幻
• `fantasy`: 玄幻
• `mystery`: 悬疑
• `urban`: 都市

```bash

python xunlong.py ppt "2025年AI产品发布会" --slides 15

python xunlong.py ppt "公司年度总结报告" \ --style business \ --slides 20 \ --speech-notes "面向全体员工的年度总结" \ --verbose ```

风格选项:

• `business`: 商务风格（默认）
• `creative`: 创意风格
• `minimal`: 极简风格
• `academic`: 学术风格

演说稿功能: 使用`--speech-notes`参数可生成每页幻灯片的演讲稿

对已生成的内容进行修改：

```bash

python xunlong.py iterate <项目ID> "在第二章添加更多案例分析"

python xunlong.py iterate <项目ID> "将第5页的图表改为饼图"

python xunlong.py iterate <项目ID> "重写第三章，增加更多悬念" ```

项目ID: 在`storage/`目录下的项目文件夹名，格式如`20251004_220823`

```bash

python xunlong.py export <项目ID> pdf

python xunlong.py export <项目ID> docx

python xunlong.py export <项目ID> pptx

python xunlong.py export <项目ID> pdf --output /path/to/output.pdf ```

---

``` XunLong/ ├── src/ │ ├── agents/ # 智能体模块 │ │ ├── coordinator.py # 主协调器 │ │ ├── iteration_agent.py # 迭代优化智能体 │ │ ├── report/ # 报告生成智能体 │ │ ├── fiction/ # 小说生成智能体 │ │ ├── ppt/ # PPT生成智能体 │ │ └── html/ # HTML转换智能体 │ ├── llm/ # LLM管理 │ │ ├── manager.py # LLM管理器 │ │ ├── client.py # LLM客户端 │ │ └── prompts.py # 提示词管理 │ ├── search/ # 搜索模块 │ │ ├── web_search.py # 网页搜索 │ │ └── content_extractor.py # 内容提取 │ ├── export/ # 导出模块 │ │ ├── pdf_exporter.py # PDF导出 │ │ ├── docx_exporter.py # DOCX导出 │ │ └── pptx_exporter.py # PPTX导出 │ └── storage/ # 存储管理 │ └── manager.py ├── config/ # 配置文件 ├── templates/ # HTML模板 ├── storage/ # 项目存储目录 ├── xunlong.py # CLI入口 ├── requirements.txt # 依赖清单 └── README_CN.md # 中文文档 ```

---

XunLong采用基于LangGraph的状态机工作流：

每个项目在`storage/`目录下创建独立文件夹：

``` storage/20251004_220823_项目名称/ ├── metadata.json # 项目元数据 ├── intermediate/ # 中间结果 │ ├── 01_task_decomposition.json │ ├── 02_search_results.json │ └── 03_content_outline.json ├── reports/ # 最终输出 │ ├── FINAL_REPORT.md │ ├── FINAL_REPORT.html │ └── PPT_DATA.json # PPT项目专用 ├── versions/ # 迭代版本 │ └── 20251005_101435/ └── exports/ # 导出文件 ├── report.pdf └── report.docx ```

---

在`config/llm_config.yaml`中配置多个LLM提供商：

```yaml providers: default: provider: "openai" model: "gpt-4o" temperature: 0.7

creative: provider: "anthropic" model: "claude-3-5-sonnet-20241022" temperature: 0.9

search: provider: "perplexity" model: "sonar" ```

在`config/search_config.yaml`中配置搜索行为：

```yaml search: max_results: 10 timeout: 30 engines: - perplexity # 优先使用Perplexity - playwright # 备用浏览器搜索 ```

HTML模板位于`templates/`目录，支持自定义：

• `templates/report_template.html`: 报告模板
• `templates/fiction_template.html`: 小说模板
• `templates/ppt_slide_template.html`: PPT幻灯片模板

---

• 报告生成（Markdown/HTML/PDF/DOCX）
• 小说生成（多章节、多风格）
• PPT生成（结构化、配色、布局）
• 演说稿生成
• 内容迭代优化
• 多格式导出
• LangFuse可观测性集成

• 支持在文档中插入图片
• 支持自定义模板
• 更丰富的样式选项

• 解析用户上传的文档（PDF、Word、PPT）
• 基于已有内容进行续写或改写
• 多文档融合生成

• Excel数据智能分析
• 数据库查询和分析
• 自动生成数据报告和可视化图表

• 完整的图表支持（柱状图、折线图、饼图等）
• 图片和图标库集成
• 动画效果和过渡效果
• 更多专业布局模板

• 多语言支持
• Web界面
• 协作编辑
• 模板市场

---

1. PDF导出在macOS上需要系统库: 需要通过Homebrew安装`pango`等库
2. 首次使用Playwright需要下载浏览器: 运行`playwright install chromium`
3. 大型PPT导出可能较慢: 复杂布局和图表生成需要时间
4. 迭代功能对PPT项目的支持有限: PPT迭代目前会重新生成整个文稿

---

我们欢迎各种形式的贡献！

1. Fork本仓库
2. 创建特性分支 (`git checkout -b feature/AmazingFeature`)
3. 提交更改 (`git commit -m 'Add some AmazingFeature'`)
4. 推送到分支 (`git push origin feature/AmazingFeature`)
5. 开启Pull Request

请通过GitHub Issues报告问题，并提供：

• 详细的问题描述
• 复现步骤
• 系统环境信息
• 相关日志输出

---

A: 目前支持OpenAI（GPT-4/GPT-3.5）、Anthropic（Claude系列）、DeepSeek等，通过LangChain集成，理论上支持所有兼容OpenAI API的模型。

A: 取决于报告深度和搜索范围，标准报告约5-10分钟，深度报告可能需要15-20分钟。

A: 不可以。系统需要调用LLM API和执行网络搜索，必须联网使用。

A: 生成的内容遵循MIT许可证，但需注意：1) 遵守LLM服务商的使用条款 2) 对内容的准确性和合法性自行负责。

A: 建议：1) 使用更强大的模型（如GPT-4） 2) 提供更详细的需求描述 3) 使用迭代功能多次优化 4) 配置Perplexity API以获得更好的搜索结果。

---

本项目采用MIT许可证。

---

感谢以下开源项目：

• LangChain - LLM应用框架
• LangGraph - 图状态机工作流
• LangFuse - LLM可观测性平台
• Playwright - 浏览器自动化
• WeasyPrint - HTML转PDF
• python-pptx - PowerPoint生成

---

• 项目主页: https://github.com/yourusername/XunLong
• 问题反馈: GitHub Issues

---