Agentic实战案例：构建智能新闻摘要Agent
项目地址: https://gitcode.com/GitHub_Trending/ag/agentic 本文详细介绍了如何使用Agentic框架构建一个智能新闻摘要Agent，重点阐述了多数据源新闻聚合方案的设计与实现。文章涵盖了Perigon与Serper工具的协同使用策略、摘要生成与结果格式化的技术细节，以及生产环境下的部署与监控最佳实践，为开发者提供了完整的实战指南。
多数据源新闻聚合方案设计
在构建智能新闻摘要Agent时，多数据源聚合是确保新闻内容全面性、时效性和多样性的关键设计要素。Agentic框架提供了强大的多源新闻集成能力，通过标准化的AI函数接口实现统一的数据访问层。
数据源架构设计
Agentic的多数据源新闻聚合采用分层架构设计，主要包括以下核心组件：
核心数据源集成
Perigon专业新闻API集成
Perigon作为专业的新闻聚合平台，提供了丰富的新闻搜索和过滤能力：
import { PerigonClient } from '@agentic/perigon'
const perigon = new PerigonClient({
apiKey: process.env.PERIGON_API_KEY
})
// 多维度新闻搜索配置
const newsSearchConfig = {
q: 'artificial intelligence',
category: 'Tech',
from: '2024-01-01',
to: '2024-01-31',
sourceGroup: 'top50tech',
size: 20,
sortBy: 'date'
}
Perigon支持的高级过滤功能包括：
| 过滤维度 | 功能描述 | 示例值 |
|---|---|---|
| 分类过滤 | 按新闻主题分类 | Tech, Business |
| 时间范围 | 精确时间筛选 | 2024-01-01 至 2024-01-31 |
| 来源质量 | 按媒体信誉度 | top50tech, top100 |
| 内容标签 | 排除低质量内容 | 排除Opinion, Paid News |
| 地理位置 | 地域相关性 | 国家代码、城市名称 |
Serper Google搜索集成
Serper提供实时的Google搜索能力，确保获取最新的网络内容：
import { SerperClient } from '@agentic/serper'
const serper = new SerperClient({
apiKey: process.env.SERPER_API_KEY
})
// 多类型搜索配置
const searchConfig = {
q: 'AI breakthrough latest news',
type: 'news',
num: 15,
gl: 'us',
hl: 'en'
}
Hacker News技术社区集成
对于技术类新闻，Hacker News提供了社区驱动的优质内容：
import { HackerNewsClient } from '@agentic/hacker-news'
const hn = new HackerNewsClient()
// 获取技术社区热门内容
async function getTechNews() {
const topStories = await hn.getTopStories()
const storyDetails = await Promise.all(
topStories.slice(0, 10).map(id => hn.getItem(id))
)
return storyDetails.filter(story => story.type === 'story')
}
数据聚合策略
时间权重算法
为确保新闻的时效性，采用基于发布时间的权重算法：
function calculateTimeWeight(publishTime: Date): number {
const now = new Date()
const hoursDiff = (now.getTime() - publishTime.getTime()) / (1000 * 60 * 60)
// 指数衰减权重算法
return Math.exp(-hoursDiff / 24) * 100
}
来源可信度评分
建立多维度来源可信度评估体系：
| 评估维度 | 权重 | 评分标准 |
|---|---|---|
| 媒体声誉 | 30% | 权威媒体、行业认可度 |
| 内容质量 | 25% | 原创性、深度分析 |
| 时效性 | 20% | 发布速度、更新频率 |
| 社区反馈 | 15% | 分享数、评论质量 |
| 历史准确度 | 10% | 过往报道准确性 |
去重与聚类算法
采用智能内容去重和故事聚类技术：
统一数据接口设计
Agentic通过AIFunctionSet提供统一的函数调用接口：
import { createDexterFunctions } from '@agentic/dexter'
import { PerigonClient, SerperClient } from '@agentic/stdlib'
// 创建多源新闻函数集
const perigon = new PerigonClient()
const serper = new SerperClient()
const newsFunctions = createDexterFunctions(
perigon.functions.pick('search_news_stories'),
serper.functions.pick('serper_google_search')
)
// 智能函数调用示例
const multiSourceSearch = {
functions: newsFunctions,
systemMessage: `你是一个新闻聚合专家，请根据用户查询从多个数据源获取最新新闻，
并进行智能整合和去重处理。优先选择权威来源，确保时效性和准确性。`
}
性能优化策略
并发请求处理
采用并行数据获取策略提升响应速度：
async function fetchMultiSourceNews(query: string) {
const [perigonResults, serperResults, hnResults] = await Promise.all([
perigon.searchStories({ q: query, size: 10 }),
serper.searchNews(query),
getTechNews() // Hacker News最新内容
])
return { perigonResults, serperResults, hnResults }
}
缓存机制设计
实现多层次缓存策略优化性能：
| 缓存层级 | 缓存时间 | 适用场景 |
|---|---|---|
| 内存缓存 | 5分钟 | 热点新闻、频繁查询 |
| 分布式缓存 | 1小时 | 常规新闻内容 |
| 持久化存储 | 24小时 | 历史新闻归档 |
错误处理与降级方案
建立健壮的错误处理机制确保服务稳定性：
class NewsAggregationService {
async getNewsWithFallback(query: string) {
try {
return await this.fetchFromPrimarySource(query)
} catch (error) {
console.warn('Primary source failed, trying fallback:', error)
return await this.fetchFromSecondarySource(query)
}
}
private async fetchFromPrimarySource(query: string) {
// Perigon作为主要数据源
return perigon.searchStories({ q: query })
}
private async fetchFromSecondarySource(query: string) {
// Serper作为备用数据源
return serper.searchNews(query)
}
}
通过这种多数据源聚合方案设计，智能新闻摘要Agent能够从多个权威渠道获取新闻内容，确保信息的全面性、时效性和准确性，同时通过智能去重和优先级排序提供最优的用户体验。
Perigon与Serper工具协同使用
在构建智能新闻摘要Agent时，Perigon和Serper的协同使用是实现高效新闻信息检索和智能分析的关键策略。这两个工具分别专注于新闻内容深度挖掘和网络信息广度搜索，它们的结合能够为Agent提供全面而精准的信息获取能力。
工具特性对比与互补优势
Perigon和Serper在功能定位上具有明显的互补性，下表展示了它们的主要特性对比：
| 特性维度 | Perigon (新闻API) | Serper (Google搜索API) |
|---|---|---|
| 数据来源 | 专业新闻媒体和出版物 | 全网公开网页内容 |
| 内容类型 | 结构化新闻文章和故事 | 多样化网络内容 |
| 搜索精度 | 高精度新闻过滤 | 广度优先搜索 |
| 时效性 | 实时新闻流 | 近实时网络内容 |
| 结构化程度 | 高度结构化元数据 | 半结构化搜索结果 |
| 适用场景 | 深度新闻分析 | 广度信息检索 |
协同工作流程设计
Perigon与Serper的协同使用遵循一个精心设计的工作流程，确保信息检索的效率和准确性：
技术实现代码示例
在实际的Agent实现中，我们可以通过以下方式整合Perigon和Serper：
import { PerigonClient, SerperClient } from '@agentic/stdlib'
import { createAIFunctionSet } from '@agentic/core'
class NewsSummaryAgent {
private perigon: PerigonClient
private serper: SerperClient
private functions: AIFunctionSet
constructor() {
this.perigon = new PerigonClient()
this.serper = new SerperClient()
// 创建功能集合，精心选择最适合新闻摘要的功能
this.functions = createAIFunctionSet(
this.perigon.functions.pick(
'search_news_stories',
'search_news_articles'
),
this.serper.functions.pick('serper_google_search')
)
}
async summarizeNews(topic: string, options: NewsSummaryOptions = {}) {
const { usePerigon = true, useSerper = true, maxResults = 10 } = options
const results = []
if (usePerigon) {
// Perigon提供深度新闻内容
const perigonResults = await this.perigon.searchStories({
q: topic,
size: Math.floor(maxResults * 0.6), // 60%来自专业新闻
sortBy: 'date',
from: new Date(Date.now() - 7 * 24 * 60 * 60 * 1000).toISOString() // 最近7天
})
results.push(...perigonResults)
}
if (useSerper) {
// Serper提供广度网络信息
const serperResults = await this.serper.search({
q: topic,
num: Math.floor(maxResults * 0.4), // 40%来自网络搜索
type: 'news'
})
results.push(...this.transformSerperResults(serperResults))
}
return this.analyzeAndSummarize(results, topic)
}
private transformSerperResults(serperResults: any): NewsItem[] {
// 将Serper结果转换为统一的新闻格式
return serperResults.news?.map((item: any) => ({
title: item.title,
url: item.link,
snippet: item.snippet,
source: item.source,
publishedDate: item.date,
type: 'web'
})) || []
}
private async analyzeAndSummarize(items: NewsItem[], topic: string) {
// 实现智能分析和摘要生成逻辑
const uniqueItems = this.deduplicateItems(items)
const rankedItems = this.rankByRelevance(uniqueItems, topic)
return {
summary: await this.generateSummary(rankedItems),
sources: rankedItems.slice(0, 10),
totalResults: uniqueItems.length,
generatedAt: new Date().toISOString()
}
}
}
智能路由策略
为了实现最优的搜索效果，我们设计了基于查询类型的智能路由策略：
interface SearchRouter {
determineSearchStrategy(query: string): SearchStrategy
}
class IntelligentSearchRouter implements SearchRouter {
private newsKeywords = [
'news', 'article', 'report', 'coverage', 'update',
'breaking', 'latest', 'recent', 'today'
]
private perigonDomains = [
'tech', 'business', 'finance',
'health', 'science', 'sports'
]
determineSearchStrategy(query: string): SearchStrategy {
const lowerQuery = query.toLowerCase()
// 检测新闻相关查询
const isNewsQuery = this.newsKeywords.some(keyword =>
lowerQuery.includes(keyword)
)
// 检测专业领域查询
const isDomainSpecific = this.perigonDomains.some(domain =>
lowerQuery.includes(domain)
)
if (isNewsQuery && isDomainSpecific) {
return { perigon: 0.8, serper: 0.2 } // 主要使用Perigon
} else if (isNewsQuery) {
return { perigon: 0.6, serper: 0.4 } // 平衡使用
} else {
return { perigon: 0.3, serper: 0.7 } // 主要使用Serper
}
}
}
性能优化与缓存机制
为了提升响应速度和减少API调用成本，我们实现了多层缓存策略：
对应的缓存实现代码：
class NewsCacheManager {
private memoryCache = new Map<string, CachedNews>()
private diskCache: CacheStorage
async getCachedNews(query: string, ttl: number = 300000): Promise<NewsItem[] | null> {
const cacheKey = this.generateCacheKey(query)
// 内存缓存检查
const memoryCached = this.memoryCache.get(cacheKey)
if (memoryCached && Date.now() - memoryCached.timestamp < ttl) {
return memoryCached.data
}
// 磁盘缓存检查
const diskCached = await this.diskCache.match(cacheKey)
if (diskCached) {
const data = await diskCached.json()
this.memoryCache.set(cacheKey, {
data,
timestamp: Date.now()
})
return data
}
return null
}
async cacheNews(query: string, data: NewsItem[]): Promise<void> {
const cacheKey = this.generateCacheKey(query)
const cacheItem = {
data,
timestamp: Date.now()
}
// 更新内存缓存
this.memoryCache.set(cacheKey, cacheItem)
// 更新磁盘缓存
await this.diskCache.put(cacheKey, new Response(JSON.stringify(data)))
}
}
错误处理与降级策略
在分布式系统中，健壮的错误处理机制至关重要：
class ResilientNewsSearch {
async searchWithFallback(query: string, options: SearchOptions) {
try {
// 首选Perigon进行搜索
return await this.perigon.searchStories({
q: query,
size: options.maxResults,
sortBy: 'relevance'
})
} catch (perigonError) {
console.warn('Perigon搜索失败，降级到Serper:', perigonError)
try {
// 降级到Serper
const serperResults = await this.serper.search({
q: query,
num: options.maxResults,
type: 'news'
})
return this.transformSerperResults(serperResults)
} catch (serperError) {
console.error('所有搜索服务均失败:', serperError)
throw new Error('新闻搜索服务暂时不可用')
}
}
}
}
监控与指标收集
为了确保系统的可靠性和持续优化，我们实现了全面的监控体系：
class NewsSearchMonitor {
private metrics = {
perigonSuccess: 0,
perigonFailure: 0,
serperSuccess: 0,
serperFailure: 0,
cacheHit: 0,
cacheMiss: 0,
responseTimes: [] as number[]
}
recordSearchMetrics(
provider: 'perigon' | 'serper',
success: boolean,
responseTime: number
) {
if (provider === 'perigon') {
success ? this.metrics.perigonSuccess++ : this.metrics.perigonFailure++
} else {
success ? this.metrics.serperSuccess++ : this.metrics.serperFailure++
}
this.metrics.responseTimes.push(responseTime)
// 定期上报指标到监控系统
if (this.metrics.responseTimes.length >= 100) {
this.reportMetrics()
}
}
private reportMetrics() {
const avgResponseTime = this.metrics.responseTimes.reduce(
(sum, time) => sum + time, 0
) / this.metrics.responseTimes.length
console.log('搜索性能指标:', {
perigonSuccessRate: this.metrics.perigonSuccess /
(this.metrics.perigonSuccess + this.metrics.perigonFailure || 1),
serperSuccessRate: this.metrics.serperSuccess /
(this.metrics.serperSuccess + this.metrics.serperFailure || 1创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
