El código implementa un sistema de búsqueda inteligente y verificación de información usando múltiples fuentes online, todo orquestado mediante un grafo de ejecución con LangGraph.

🧠 Propósito general

El sistema toma una consulta del usuario (por ejemplo, “¿Qué son los haplogrupos R1b?”), la refina usando un modelo LLM (DeepSeek), consulta múltiples fuentes (Google, PubMed, Arxiv, Wikipedia, etc.), filtra los resultados irrelevantes, y finalmente sintetiza una respuesta consolidada.

🧩 Componentes principales

1. Configuración inicial

• setup_all_tools() carga todas las herramientas disponibles.
• get_model("Deepseek") inicializa el modelo LLM que refina la consulta y filtra resultados.
• SYSTEM_PROMPT define cómo debe comportarse el LLM para refinar la consulta.
• PRUNING_PROMPT_TEMPLATE define cómo debe comportarse el LLM para filtrar resultados irrelevantes.

2. Estado del agente (AgentState)

Define todos los campos que se van actualizando durante el flujo:

• query: consulta original del usuario.
• refined_query: versión optimizada en inglés.
• *_result: resultados crudos de cada fuente.
• *_pruned: resultados filtrados por relevancia.
• synthesis: resumen final.
• retry_count: número de intentos.
• failed_nodes: lista de herramientas que fallaron.
• node_ready: indica qué nodos se ejecutaron correctamente.

Todos los campos usan Annotated para permitir acumulación o combinación segura en el grafo.

3. Nodos funcionales

🔹 refine_query_node

Usa el modelo DeepSeek para traducir y optimizar la consulta del usuario.

🔹 get_tool_node

Función genérica que ejecuta una herramienta (Google, PubMed, etc.) y guarda el resultado en el estado.

🔹 Nodos específicos

Cada fuente tiene su propio nodo: google_node, pubmed_node, github_node, etc. Todos usan get_tool_node.

🔹 prune_results_node

Filtra los resultados crudos usando el LLM. Elimina errores, irrelevancias y conserva solo los fragmentos útiles.

🔹 verification_retry_node

Verifica qué nodos fallaron y decide si se deben reintentar o continuar con la síntesis.

🔹 synthesis_node

Construye el informe final usando los resultados filtrados. Muestra qué fuentes funcionaron, cuáles fallaron y qué se encontró.

4. Construcción del grafo

Usa StateGraph(AgentState) para definir el flujo:

1. START → refine_query
2. refine_query → [todas las fuentes en paralelo]
3. Cada fuente → verify_retry
4. verify_retry → prune_results o refine_query (si hay fallos)
5. prune_results → synthesis → END

El flujo es dinámico: si hay errores y no se supera el umbral mínimo de fuentes exitosas, se reintenta hasta MAX_RETRIES.

5. Ejecución final

python

if __name__ == "__main__":
    question = "what are R1b haplogroups?"
    initial_state = {
        "query": question,
        "retry_count": 0,
        "failed_nodes": [],
        "node_ready": {},
        "synthesis": ""
    }
    answer = research_agent.invoke(initial_state)
    print(answer["synthesis"])

Esto lanza el grafo, ejecuta todos los pasos y muestra el resumen final.

🧪 ¿Qué hace especial este sistema?

• Multifuente: consulta hasta 11 fuentes distintas.
• Robusto: reintenta si hay fallos.
• Filtrado inteligente: usa LLM para limpiar resultados.
• Modular: puedes añadir más nodos fácilmente
• Extensible: ideal para investigación, verificación de hechos o generación de informes.
• Bajo coste

Descarga el codigo de github