在内容创作领域，文章撰写面临效率低、质量参差不齐的痛点。传统模式下，编辑需要手动搜集素材、构思大纲、撰写正文并配图，耗时耗力。事件类公众号文章撰写Agent系统应运而生，采用5个Agent串行流水线架构，实现从历史事件筛选、信息采集、大纲生成、正文撰写到润色升华的全流程自动化。系统具备智能事件筛选、搜索增强采集、AI配图生成等核心能力，最终输出精美的HTML可视化文章。该系统将传统数小时的工作压缩至分钟级完成，大幅提升内容生产效率，同时保证文章深度与专业性，为公众号运营者提供了强有力的内容创作工具。（本文以历史上的今天为例为大家进行系统讲解）

作者：百度  谭文涛

History Today Article Writer MAS — 基于大模型协同的深度历史文章自动撰写系统

📖 项目简介

本系统采用 5个Agent串行流水线 架构，自动完成"历史上的今天"深度解读文章的撰写。从获取历史事件、采集信息、生成大纲、撰写正文（含AI配图）到润色升华，全流程自动化，最终输出精美的HTML可视化文章。

核心能力

• 🔍

   智能事件筛选：从当日历史事件中按优先级提炼2~3个重大事件

• 📊

   搜索增强采集：拆解子主题，调用百度AI搜索深度采集素材

• 📝

   结构化大纲：生成含章节、核心要点、配图位置标注的文章大纲

• 🎨

   AI配图生成：撰写时调用千帆文生图API，为文章生成3~7张配图

• ✨

   润色升华：LLM润色文字、提炼金句，生成响应式HTML文章

🏗️ 系统架构

🤖 Agent 详细说明

Agent 1：历史上今天重大事件提炼

项目	说明
输入	当天日期
处理	调用聚合数据 todayOnhistory/queryEvent 获取事件列表 → LLM按优先级筛选
筛选优先级	爱国 > 科技 > 人物 > 社会 > 文化
输出	2~3个精选事件（含日期、标题、类别、关键词、选择理由）
外部依赖	聚合数据 todayOnhistory API

Agent 2：信息收集

项目	说明
输入	精选事件列表
处理	LLM拆解搜索计划（5维度）→ 百度AI搜索采集 → LLM整合素材
搜索维度	事件背景、核心过程、深远影响、鲜为人知、当代回响
输出	结构化素材库（关键事实、引用、争议点、叙事摘要）
外部依赖	百度AI Search（baidu_search_v2）

Agent 3：文章大纲生成

项目	说明
输入	精选事件 + 采集素材
处理	LLM生成结构化深度解读大纲
章节结构	引言 → 事件解读×2~3 → 结语
配图标注	标记3~7个 need_image 位置，提供文生图提示词
输出	文章标题、副标题、章节大纲、配图建议、叙事弧线
外部依赖	千帆/Ollama LLM

Agent 4：文章撰写（含配图）

项目	说明
输入	文章大纲 + 采集素材 + 精选事件
处理	逐章节LLM撰写正文，在标记位置调用文生图生成配图
文生图规则	场景化描述、历史写实风格、中文提示词50~100字
输出	各章节正文（Markdown）+ 配图（PNG）
外部依赖	千帆/Ollama LLM + 千帆 ernie-image-turbo

Agent 5：润色升华

项目	说明
输入	撰写的文章正文
处理	LLM润色文字、提炼金句、优化排版
润色维度	文字润色、逻辑优化、情感升华、排版美化
输出	润色结果 + 金句 + 修改说明
最终输出	响应式HTML文章（配图base64内嵌）
外部依赖	千帆/Ollama LLM

📁 项目结构

history-today-writer/
├── config.py                        # 全局配置
├── main.py                          # 主入口（流水线编排）
├── html_builder.py                  # HTML报告生成器
├── clients/
│   ├── __init__.py
│   ├── llm_client.py               # LLM双后端客户端（千帆+Ollama）
│   ├── search_client.py            # 百度AI Search客户端
│   ├── history_client.py           # 聚合数据todayOnhistory客户端
│   └── image_client.py             # 千帆ernie-image-turbo文生图客户端
├── agents/
│   ├── __init__.py
│   ├── event_extractor.py          # 事件提炼Agent
│   ├── info_collector.py           # 信息收集Agent
│   ├── outline_generator.py        # 大纲生成Agent
│   ├── article_writer.py           # 撰写Agent（含配图生成）
│   └── polish_agent.py             # 润色升华Agent
├── prompt/
│   ├── event_extractor.md          # 事件提炼提示词
│   ├── info_collector.md           # 信息收集提示词
│   ├── outline_generator.md        # 大纲生成提示词
│   ├── article_writer.md           # 撰写提示词（含文生图规则）
│   └── polish_agent.md             # 润色升华提示词
└── output/
    └── images/                      # AI生成配图存放目录

🚀 快速开始

环境要求

• Python 3.10+

• requests 库：pip install requests

配置

编辑 config.py 或通过环境变量配置：

配置项	环境变量	说明	默认值
LLM后端	LLM_PROVIDER	qianfan  或 ollama	qianfan
千帆API Key	QIANFAN_API_KEY	百度千帆API密钥（bce-v3格式）	内置默认值
千帆模型	QIANFAN_MODEL	千帆模型名称	ernie-x1-turbo-32k
Ollama地址	OLLAMA_BASE_URL	Ollama服务地址	http://localhost:11434
Ollama模型	OLLAMA_MODEL	Ollama模型名称	qwen2.5:7b
历史API Key	HISTORY_API_KEY	聚合数据API密钥	内置默认值
搜索API Key	BAIDU_SEARCH_API_KEY	百度AI Search密钥	内置默认值

运行

# 默认模式（千帆后端，当天日期）
python3 main.py

# 指定日期（M/D格式）
python3 main.py --date 5/7
python3 main.py --date 10/1

# 切换到Ollama后端
python3 main.py --ollama

# 组合使用
python3 main.py --ollama --date 10/1

# 显示帮助
python3 main.py help

输出

运行后在 output/ 目录生成：

• history_today_*.html

   — 完整的可视化文章（响应式HTML，配图内嵌）

• images/

   — AI生成的配图文件（PNG）

🔧 技术栈

组件	技术	说明
LLM	百度千帆 / Ollama	双后端，零SDK，纯HTTP调用
文生图	千帆 ernie-image-turbo	支持b64_image和url两种返回
搜索	百度AI Search	baidu_search_v2数据源
历史事件	聚合数据 todayOnhistory	M/D格式日期查询
提示词管理	Markdown文件动态加载	prompt/目录下5个独立文件
输出格式	HTML（响应式）	base64内嵌配图，单文件可分享

📊 数据流

日期(月/日)
  │
  ▼
┌──────────────────────────┐
│ 聚合数据 todayOnhistory  │ ──→ 事件列表(JSON)
└──────────────────────────┘
  │
  ▼ LLM筛选（爱国>科技>人物>社会>文化）
┌──────────────────────────┐
│ 2~3个精选事件            │ ──→ {date, title, category, keywords, significance}
└──────────────────────────┘
  │
  ▼ LLM拆解搜索计划
┌──────────────────────────┐
│ 百度AI Search × N        │ ──→ 搜索结果文本
└──────────────────────────┘
  │
  ▼ LLM整合素材
┌──────────────────────────┐
│ 结构化素材库             │ ──→ {key_facts, notable_quotes, controversies, narrative}
└──────────────────────────┘
  │
  ▼ LLM生成大纲
┌──────────────────────────┐
│ 文章大纲+配图位置标注     │ ──→ {outline, image_suggestions(3~7处)}
└──────────────────────────┘
  │
  ▼ LLM逐章撰写 + 千帆文生图
┌──────────────────────────┐
│ 正文(Markdown) + 配图    │ ──→ chapters[].content + images[].png
└──────────────────────────┘
  │
  ▼ LLM润色 + HTML构建
┌──────────────────────────┐
│ 最终HTML文章              │ ──→ output/history_today_*.html
└──────────────────────────┘

⚠️ 注意事项

1. API配额

   ：聚合数据每日有调用限额，百度AI Search和千帆API按量计费

2. 文生图耗时

   ：每张配图生成约10~30秒，3~7张配图总耗时1~4分钟

3. 搜索间隔

   ：批量搜索默认2秒间隔，避免触发限流

4. Ollama要求

   ：使用Ollama后端需本地启动服务并拉取模型（ollama pull qwen2.5:7b）

5. 输出大小

   ：HTML文件因base64内嵌配图，单文件可能2~10MB

项目源码

详见文章顶部绑定资源包