目录1. 案例目标2. 技术栈与核心依赖3. 工作原理3.1 第一阶段：规划3.2 第二阶段：选择与研究3.3 第三阶段：综合与信息图4. 核心代码实现4.1 辅助函数4.2 后台任务等待机制4.3 会话状态初始化4.4 第一阶段 - 创建研究计划4.5 第二阶段 - 深度研究4.6 第三阶段 - 综合报告与信息图5. 运行与测试5.1 安装依赖5.2 获取 API 密钥5.3 启动应用5.4 访问应用5.5 示例研究目标6. 关键设计思想6.1 有状态对话架构6.2 模型混合策略6.3 后台执行与进度跟踪7. 注意事项8. 扩展建议完整源码requirements.txtresearch_planner_executor_agent.py9. 参考资源本案例展示如何使用 Google Gemini Interactions API 构建一个多阶段研究智能体，实现有状态对话、模型混合、后台执行和自动信息图生成功能。1. 案例目标我们将创建一个基于 Streamlit 的 Web 应用，实现以下核心功能：第一阶段 - 研究规划：使用 Gemini 3 Flash 创建结构化、可执行的研究计划第二阶段 - 任务选择与深度研究：选择特定任务并利用内置网络搜索的深度研究智能体第三阶段 - 综合与 TL;DR：使用 Gemini 3 Pro 生成执行报告，并自动生成信息图有状态对话：通过previous_interaction_id在各阶段间保持上下文后台执行：异步研究执行并显示进度跟踪导出报告：将综合研究报告下载为 markdown 文件