使用 Swarm 构建多智能体新闻助理

本文将带你构建一个多智能体新闻助理，利用 OpenAI 的 Swarm 框架和 Llama 3.2 来自动化新闻处理工作流。在本地运行环境下，我们将实现一个多智能体系统，让不同的智能体各司其职，分步完成新闻搜索、信息综合与摘要生成等任务，而无需付费使用外部服务。

应用设计

Swarm

OpenAI Swarm 是一个新兴的多智能体协作框架，旨在通过集成强化学习和分布式计算的优势来解决复杂问题。该框架允许多个智能体在共享环境中同时交互与学习，彼此共享信息，从而提高决策质量和学习效率。Swarm 框架采用先进的强化学习算法，使智能体能够在动态环境中持续适应和优化策略，同时通过分布式计算高效利用资源，加速训练过程。它具有很强的可扩展性，能够根据需求增加智能体数量，适应不同规模和复杂度的任务。应用场景广泛，包括智能交通系统、机器人群体和游戏开发等，OpenAI Swarm 为实现更高效的智能系统提供了灵活且强大的解决方案，推动各领域的智能化进程。

Swarm 的详细介绍可参考之前的文章：《通过 Swarm 构建模块化、可扩展的多代理应用程序》

本文我们将使用 Swarm 框架来构建智能体。

DuckDuckGo

DuckDuckGo 是一家以隐私保护为核心的互联网搜索引擎公司。与其他主流搜索引擎不同，DuckDuckGo承诺不追踪用户的搜索历史，也不收集个人数据，从而提供更高的隐私保护。该搜索引擎通过结合多种来源的数据，包括自有的网络爬虫和第三方API，提供快速且相关的搜索结果。

DuckDuckGo 的主要特点包括：

隐私保护：不记录用户的IP地址，不存储搜索历史，不使用个人数据进行广告定向。
简洁界面：提供简洁、无广告干扰的用户界面，提升用户体验。
即时答案：通过“零点击信息”功能，直接在搜索结果页面提供答案，减少用户点击次数。
开源社区：鼓励开发者参与改进和扩展其服务，部分代码和数据源是开源的。

我们将使用 DuckDuckGo 进行实时新闻搜索，获取最新信息。将会有一个专门的智能体将负责向 DuckDuckGo 发送搜索请求并处理返回结果。

Llama

通过 Ollama 应用在本地运行 meta 公司的大模型 Llama 3.2。使之成为智能体的模型基座，用来处理与总结新闻内容。Llama 3.2 将作为专用的摘要生成智能体，处理从搜索结果中获取的文本信息，并生成精炼、易读的新闻摘要。

Streamlit

Streamlit 是一个开源的 Python 库，专为数据科学家和开发者设计，用于快速创建和分享美观的交互式数据应用。它通过简洁的 API，允许用户以极少的代码实现复杂的应用功能，无需前端开发知识。Streamlit 支持热重载，即代码一保存，应用即更新，极大地加快了开发和迭代过程。此外，它提供了丰富的内置组件和易于部署的特性，使得从数据可视化到机器学习模型演示都变得简单快捷，非常适合快速原型开发和结果展示。

工作流设计

使用 Swarm 构建多智能体新闻助理第1张

整个流程将由三个智能体分工协作完成：

从 Searcher进行搜索到 Synthesizer 进行合成，最后由 Summarizer 进行总结。

三个智能体的职责描述如下：

Searcher：通过 DuckDuckGo 搜索与给定主题最相关且来源可靠的最新新闻，并以结构化格式返回结果。
Synthesizer：分析提供的原始新闻报道，确定关键主题和重要信息，综合多种来源的信息，编写一份全面而简明的综述，注重事实，保持新闻的客观性，并以清晰、专业的写作风格呈现。
Summarizer：以简洁明了的方式总结新闻，突出最重要的发展，包含关键利益相关者及其行动，添加相关数据，解释事件的重要性和直接影响，使用有力的动词和具体的描述，保持客观性，并在250-400字的段落中提供信息和吸引读者。

准备工作

下载 Llama3.2

通过 Ollama 下载 Llama3.2：

使用 Swarm 构建多智能体新闻助理第2张

运行 Llama3.2 看看是否正常：

使用 Swarm 构建多智能体新闻助理第3张

安装相关依赖项

创建如下 requirements.txt 文件：

git+https://github.com/openai/swarm.git
streamlit 
duckduckgo-search

在命令行执行命令 pip install -r requirements.txt，安装相关依赖项。

代码实现

智能体实现

Searcher

search_agent = Agent(
    name="News Searcher",
    instructions="""
    You are a news search specialist. Your task is to:
    1. Search for the most relevant and recent news on the given topic
    2. Ensure the results are from reputable sources
    3. Return the raw search results in a structured format
    """,
    functions=[search_news],
    model=MODEL
)

创建新闻搜索智能体：

专门用于新闻搜索
专注于信誉良好的来源
返回格式化的结果

Synthesizer

synthesis_agent = Agent(
    name="News Synthesizer",
    instructions="""
    You are a news synthesis expert. Your task is to:
    1. Analyze the raw news articles provided
    2. Identify the key themes and important information
    3. Combine information from multiple sources
    4. Create a comprehensive but concise synthesis
    5. Focus on facts and maintain journalistic objectivity
    6. Write in a clear, professional style
    Provide a 2-3 paragraph synthesis of the main points.
    """,
    model=MODEL
)

创建新闻合成智能体：

分析多种来源
确定关键主题
创建连贯的叙述

Summarizer

summary_agent = Agent(
    name="News Summarizer",
    instructions="""
    You are an expert news summarizer combining AP and Reuters style clarity with digital-age brevity.

    Your task:
    1. Core Information:
       - Lead with the most newsworthy development
       - Include key stakeholders and their actions
       - Add critical numbers/data if relevant
       - Explain why this matters now
       - Mention immediate implications

    2. Style Guidelines:
       - Use strong, active verbs
       - Be specific, not general
       - Maintain journalistic objectivity
       - Make every word count
       - Explain technical terms if necessary

    Format: Create a single paragraph of 250-400 words that informs and engages.
    Pattern: [Major News] + [Key Details/Data] + [Why It Matters/What's Next]

    Focus on answering: What happened? Why is it significant? What's the impact?

    IMPORTANT: Provide ONLY the summary paragraph. Do not include any introductory phrases, 
    labels, or meta-text like "Here's a summary" or "In AP/Reuters style."
    Start directly with the news content.
    """,
    model=MODEL
)

创建新闻摘要代理：

美联社/路透社风格写作
专业格式
简明摘要

完整实现

import streamlit as st
from duckduckgo_search import DDGS
from swarm import Swarm, Agent
from datetime import datetime
from dotenv import load_dotenv

# 加载环境变量
load_dotenv()
# 定义模型
MODEL = "llama3.2:latest"
# 初始化 Swarm 客户端
client = Swarm()

# 通过 Streamlit 创建用户界面，为页面和应用程序添加一个标题
st.set_page_config(page_title="AI News Processor", page_icon="📰")
st.title("📰 News Inshorts Agent")

# 定义新闻搜索 Function，使用 DuckDuckGo 搜索 API，获取当月新闻，并返回结构化结果
def search_news(topic):
    """Search for news articles using DuckDuckGo"""
    with DDGS() as ddg:
        results = ddg.text(f"{topic} news {datetime.now().strftime('%Y-%m')}", max_results=3)
        if results:
            news_results = "\n\n".join([
                f"Title: {result['title']}\nURL: {result['href']}\nSummary: {result['body']}" 
                for result in results
            ])
            return news_results
        return f"No news found for {topic}."

# 创建智能体
search_agent = Agent(
    name="News Searcher",
    instructions="""
    You are a news search specialist. Your task is to:
    1. Search for the most relevant and recent news on the given topic
    2. Ensure the results are from reputable sources
    3. Return the raw search results in a structured format
    """,
    functions=[search_news],
    model=MODEL
)

synthesis_agent = Agent(
    name="News Synthesizer",
    instructions="""
    You are a news synthesis expert. Your task is to:
    1. Analyze the raw news articles provided
    2. Identify the key themes and important information
    3. Combine information from multiple sources
    4. Create a comprehensive but concise synthesis
    5. Focus on facts and maintain journalistic objectivity
    6. Write in a clear, professional style
    Provide a 2-3 paragraph synthesis of the main points.
    """,
    model=MODEL
)

summary_agent = Agent(
    name="News Summarizer",
    instructions="""
    You are an expert news summarizer combining AP and Reuters style clarity with digital-age brevity.

    Your task:
    1. Core Information:
       - Lead with the most newsworthy development
       - Include key stakeholders and their actions
       - Add critical numbers/data if relevant
       - Explain why this matters now
       - Mention immediate implications

    2. Style Guidelines:
       - Use strong, active verbs
       - Be specific, not general
       - Maintain journalistic objectivity
       - Make every word count
       - Explain technical terms if necessary

    Format: Create a single paragraph of 250-400 words that informs and engages.
    Pattern: [Major News] + [Key Details/Data] + [Why It Matters/What's Next]

    Focus on answering: What happened? Why is it significant? What's the impact?

    IMPORTANT: Provide ONLY the summary paragraph. Do not include any introductory phrases, 
    labels, or meta-text like "Here's a summary" or "In AP/Reuters style."
    Start directly with the news content.
    """,
    model=MODEL
)

# 实施新闻处理工作流程，按顺序处理，显示进度指标
def process_news(topic):
    """Run the news processing workflow"""
    with st.status("Processing news...", expanded=True) as status:
        # Search
        status.write("🔍 Searching for news...")
        search_response = client.run(
            agent=search_agent,
            messages=[{"role": "user", "content": f"Find recent news about {topic}"}]
        )
        raw_news = search_response.messages[-1]["content"]
        
        # Synthesize
        status.write("🔄 Synthesizing information...")
        synthesis_response = client.run(
            agent=synthesis_agent,
            messages=[{"role": "user", "content": f"Synthesize these news articles:\n{raw_news}"}]
        )
        synthesized_news = synthesis_response.messages[-1]["content"]
        
        # Summarize
        status.write("📝 Creating summary...")
        summary_response = client.run(
            agent=summary_agent,
            messages=[{"role": "user", "content": f"Summarize this synthesis:\n{synthesized_news}"}]
        )
        return raw_news, synthesized_news, summary_response.messages[-1]["content"]

# 用户交互界面
topic = st.text_input("Enter news topic:", value="artificial intelligence")
if st.button("Process News", type="primary"):
    if topic:
        try:
            raw_news, synthesized_news, final_summary = process_news(topic)
            st.header(f"📝 News Summary: {topic}")
            st.markdown(final_summary)
        except Exception as e:
            st.error(f"An error occurred: {str(e)}")
    else:
        st.error("Please enter a topic!")