Genspark AI自动化信息收集系统搭建全攻略
一个很现实的问题：三天内要出一份竞品技术方案对比报告，手动爬官网、翻PDF、扒GitHub、扫新闻稿，光是资料收集就得耗掉两天，信息还七零八落对不齐。Genspark AI 这套自动化信息收集系统，直接丢一句“收集A/B/C三家的API能力、部署方式、最新版本变更日志”这样的自然语言指令，它就能自动调度多个智能体，并行抓取、去重、结构化，15分钟内吐出一张带来源标注的Markdown表格。省下的时间，足够你好好分析、写报告了。
准备运行环境与基础服务
先确认环境：Docker版本是否在24.0.0以上？执行 docker --version 看一眼就知道。没装的话，从Docker官方下载Desktop版本，图形化安装就行；Linux用户记得多执行一步 sudo usermod -aG docker $USER，然后重启终端。
克隆最新的 genspark2api 仓库：git clone https://github.com/deanxv/genspark2api.git && cd genspark2api。
启动服务前，有个绝对不能忘的步骤——在项目根目录创建 .env 文件，写入 OPENAI_API_KEY=sk-...。这个密钥不配好，所有信息收集任务都会静默失败，服务连报错提示都不给你。务必重视。
然后执行 docker-compose up -d 启动容器。等大约90秒，运行 curl http://localhost:7055/health，返回 {"status":"ok"} 就表示核心服务就绪了。
配置专属信息收集智能体
打开 config/config.yaml，找到 agents: 区块，在下面新增一个叫 web_researcher 的智能体：
web_researcher:
description: "专注抓取公开技术文档与变更日志"
tools: ["http_client", "pdf_parser", "github_scraper"]
max_steps: 12
注意，github_scraper 工具依赖 GitHub Token 才能访问私有仓库或绕过速率限制。如果没有Token，对GitHub的请求会被限流到每小时60次，批量仓库扫描基本跑不动。所以要在 .env 中追加 GITHUB_TOKEN=ghp_...。
保存文件后，重启服务：docker-compose restart genspark2api。
发起多源并发采集任务
有两种方式启动任务：
方法一：直接用curl调用API
构造一个JSON请求体，保存为 task.json：
{
"agent": "web_researcher",
"query": "对比公司A（https://a.com/docs）、公司B（https://b.io/api/v3）和公司C（https://github.com/c-org/sdk）的API设计规范、最近三次版本更新说明及部署模型要求"
}
然后执行：curl -X POST http://localhost:7055/agent/run -H "Content-Type: application/json" -d @task.json。
方法二：Python脚本批量提交
新建 batch_collector.py，写入以下代码：
import requests
tasks = [
{"agent": "web_researcher", "query": "抓取X公司2026年Q1所有技术博客，提取架构演进关键词"},
{"agent": "web_researcher", "query": "解析Y公司GitHub Releases页面，生成近6个月版本功能矩阵表"}]
for t in tasks:
requests.post("http://localhost:7055/agent/run", json=t)
运行脚本：python batch_collector.py，任务自动进入队列，不需要等单个响应。
获取结构化结果并导出
第一步：查询任务ID
执行 curl "http://localhost:7055/agent/history?limit=5"，从返回的JSON数组里复制最新一条记录的 id 字段值，比如 "id": "agt_8a3f9c"。
第二步：轮询结果状态
运行 curl "http://localhost:7055/agent/result?id=agt_8a3f9c"。如果 "status" 还是 "running"，等10秒再试。当变成 "completed"，就可以检查 "output_format" 字段了。
第三步：按格式提取内容
如果 "output_format" 是 "markdown_table"，直接复制 "content" 字段的原始字符串，粘贴到Typora或VS Code就能渲染成表格。如果是 "json_structured"，就用Python的 json.loads() 解析，再做字段映射。
第四步：导出为本地文件
把最终内容保存为 competitor_analysis.md，然后执行：echo "$(cat competitor_analysis.md)" | curl -X POST -H "Content-Type: text/markdown" --data-binary @- http://localhost:7055/export/md2pdf > report.pdf。这样就能自动生成带目录的PDF报告，拿来交差或分享都很方便。