腾讯优图实验室 投稿

量子位 | 公众号 QbitAI

智能体（Agent）正成为大模型落地的关键载体。无论是研究探索还是实际应用，高效、易用、可复现的智能体框架，都是推动智能体生态发展的基础设施。

然而，研究者和开发者却常常遇到一些难题：例如上手门槛高、依赖环境复杂、实验难以复现，以及动辄需要训练模型或者充值海外昂贵的闭源模型API才能取得可靠的效果表现。

为此，腾讯优图实验室正式开源Youtu-agent——一个简单而强大的智能体框架，兼顾极简设计与高性能表现，既能服务科研基线需求，也能支撑实际应用构建，最重要的是不需要训练模型、不依赖闭源API，就能取得极佳的效果表现。

在多个挑战性基准上，Youtu-agent已展现出领先的性能：

• WebWalkerQA：基于DeepSeek-V3.1达到71.47%准确率，刷新开源效果SOTA；

• GAIA（文本子集）：基于DeepSeek-V3 Pass@1达到72.8%，不用充值Claude/GPT等闭源模型，验证了强大的研究和应用潜力。

这意味着，Youtu-agent在完全开源可复现的条件下，已经接近甚至超越部分依赖付费工具的智能体框架。

开箱即用

总体来看，Youtu-agent具有以下核心亮点

1、开源友好&成本敏感

完全基于开源生态，不依赖封闭模型，适配可访问、低成本的部署环境。

2、灵活架构

构建于openai-agents之上，兼容DeepSeek、gpt-oss等多类模型API与工具集。

3、自动智能体生成

基于YAML配置和“元智能体”对话机制，用户只需描述需求，即可一键生成并运行智能体配置。

4、简洁高效

模块化+异步化设计，支持streaming、tracing与agent-loop，高效调试与扩展。

更关键的是Youtu-agent 并非实验室里的“纸上框架”，而是面向真实场景的即用型智能体工具。

研究团队梳理了四个典型案例，覆盖文件管理、数据分析、学术研究与广域综述，展示了框架的灵活性与实用性。

案例1：本地文件管理

在助教批改作业的场景中，用户只需将学生提交的文件放入指定文件夹。Youtu-agent启动后会依次扫描所有文件，首先判断格式是否为PDF。

如果是PDF，则根据规则自动重命名为“学号-姓名”的规范格式；如果不是PDF，则将其归档到独立的文件夹。整个过程无需人工干预，从文件识别到命名再到分类归档，一气呵成。

案例2：数据分析

当面对Kaggle数据集中的cat_breeds_clean.csv文件时，用户只需给出路径。Youtu-agent读取CSV内容，经过数据清洗和统计分析后，会自动生成结构化的结论与趋势，并转化为一份直观的 HTML 报告。

这个过程中，原始数据被逐步转化为高价值的信息：从表格读取、到统计提取、再到结果可视化，形成完整的流水线。

案例3：论文分析

在科研工作中，研究者只需输入一篇PDF论文。Youtu-agent 首先解析文档内容，抽取核心部分；随后调用搜索工具，在外部检索与其相关的研究工作；最后将论文解读与外部成果整合，生成一份Markdown报告。

整个过程就像一个“论文助理”：先读懂论文，再去查找对照，最后写出一份条理清晰的研究笔记。

案例4：Wide Research

当用户输入一个广域主题时，Youtu-agent便进入复合模式。它先调用搜索工具，收集大量分散的信息；再使用文档处理工具进行整理；最后由智能体进行分析与总结，生成一份结构化的Markdown综述。

这个过程相当于把“调研”自动化：从需求提出，到海量资料收集，再到报告成型，整个链条由多个子智能体协同完成。

设计原则：DITA

Youtu-agent的研究员提出了DITA原则，总结智能体设计的四个关键维度：

• Demand（需求）：明确任务目标，来源于系统提示词中的requirements或用户输入的intention。

• I/O（输入输出）：定义任务的输入形式（如CSV、PDF、str）与输出形式（如HTML报告、Markdown）。

• Tools（工具）：根据任务选择或生成合适的工具，例如搜索工具、文件处理工具。

• Agent Pattern（范式）：决定智能体的交互模式，例如single agent、plan-and-execute、compound。

自动化Agent生成

除了DITA框架之外，Youtu-agent还特别强调了一个核心亮点：自动化Agent生成。

在传统方式中，用户往往需要自己手动编写prompt、配置工具和参数，这不仅对初学者来说存在较高的使用门槛，而且即使是有经验的用户，也要投入大量的时间成本。Youtu-agent的解决思路是将这一过程进行标准化与自动化。

具体来说，它采用统一的YAML配置格式，将Agent的输入输出、工具调用和交互范式用结构化的方式加以描述；同时引入了一个“meta-agent”，用户只需提出任务需求，系统就会通过与用户的交互澄清意图，并自动生成完整的配置文件。生成的配置可以直接加载并运行，从而实现一键测试与使用。

在使用体验上，用户只需先运行python s/gen_simple_agent.py，meta-agent会根据需求生成相应的配置；随后再运行 python s/cli_chat.py —stream —config generated/xxx，就能立即启动并测试生成的 Agent。这一机制大幅度降低了 Agent 的定制难度，让初学者可以快速上手，同时也帮助高阶用户节省了繁琐的配置和调试时间。