文章目录一、概述二、项目概述2.1 项目简介2.2 核心功能一览2.3 技术栈详解后端技术栈前端技术栈外部服务2.4 系统架构设计2.5 核心数据流转三、环境准备3.1 系统要求3.2 Python 环境安装Windows 系统macOS 系统Linux 系统3.3 Node.js 环境安装Windows/macOSLinux3.4 FFmpeg 安装WindowsmacOSLinux3.5 开发工具推荐四、项目初始化4.1 创建项目根目录结构4.2 初始化 Git 仓库4.3 创建 .gitignore 文件4.4 初始化后端 Python 项目4.4.1 pyproject.toml4.4.2 requirements.txt4.4.3 环境变量模板4.5 初始化前端 Vue 项目4.5.1 package.json4.5.2 Vite 配置4.5.3 TypeScript 配置4.5.4 Tailwind CSS 配置4.5.5 HTML 入口文件五、后端核心模块开发5.1 核心数据模型（models.py）5.2 配置中心（config.py）5.3 提示词模板（prompts.py）5.3.1 研究规划 Agent 提示词5.3.2 摘要生成 Agent 提示词5.3.3 报告撰写 Agent 提示词5.3.4 脚本生成 Agent 提示词六、后端服务层实现6.1 工具函数模块（utils.py）6.2 文本预处理服务（text_processing.py）6.3 工具调用事件处理（tool_events.py）6.4 笔记持久化服务（notes.py）七、常见问题解答（FAQ）Q1：为什么要使用两种搜索引擎？Q2：MAX_WEB_RESEARCH_LOOPS 设置为多少合适？Q3：FFmpeg 安装后系统找不到命令？Q4：前后端跨域问题如何处理？Q5：脚本生成的 JSON 格式不稳定怎么办？八、实践建议与最佳实践九、总结一、概述在 AI 技术迅猛发展的今天，自动化内容创作已经从文本生成延伸到音频领域。想象一下：你只需输入一个研究主题，系统就能自动进行全网深度调研、生成结构化报告，并最终产出一段双人对谈式播客——这就是DeepCast要解决的问题。DeepCast 是一个基于 HelloAgents 智能体框架构建的自动化播客生成系统。它结合了大语言模型（LLM）、搜索引擎、语音合成（TTS）等多种技术，将"研究 → 报告 → 脚本 → 音频"这一完整链路实现全自动化。本文将从零开始，详细讲解 DeepCast 的完整开发流程，涵盖项目架构设计、环境搭建、前后端初始化、后端核心服务层实现等关键环节。无论你是想学习多智能体系统开发，还是对 AI 内容创作感兴趣，都能从中获得实用的技术参考。二、项目概述2.1 项目简介DeepCast 能够针对用户提出的任何复杂主题，进行全维度深度调研，生成结构化的研究报告，并进一步将其转化为生动的双人对谈式播客（Podcast）。2.2 核心功能一览功能模块描述技术实现深度全网调研自动拆解复杂课题，多