更新 DeepSeek 模型列表 & 完善 README 文档

README.md

@@ -2,6 +2,14 @@
 
 AI驱动的多智能体决策分析系统 - 基于多模型智囊团
 
+## 👥 团队成员与贡献
+
+| 姓名 | 学号 | 主要贡献 (具体分工) |
+|------|------|---------------------|
+| 徐睿敏 | 2411020228 | (组长) 核心逻辑开发、Multi-Agent 编排、Prompt 工程 |
+| 高玮 | 2411020226 | 前端界面设计 (Streamlit UI)、决策场景模块、PPT 制作 |
+| 马菁艺 | 2411020230 | 文档撰写、测试与 Bug 修复、用户反馈模块 |
+
 ## ✨ 核心功能
 
 ### 🧪 Multi-Model Council V4 (智囊团模式)
@@ -39,7 +47,7 @@ AI驱动的多智能体决策分析系统 - 基于多模型智囊团
 
 ```bash
 # 克隆项目
-git clone https://github.com/HomoDeusss/multi-agent.git
+git clone http://hblu.top:3000/Python2025-CourseDesign/wd666.git
 cd multi-agent
 
 # 初始化 uv 项目（如首次使用）
@@ -86,6 +94,10 @@ multi_agent_workshop/
 │   └── auto_agent_generator.py # 智能专家生成
 └── report/                # 报告生成
 ```
+## 心得体会
+在当今的工作及学习生活中，决策充斥着我们生活的多个方面。而在决策时往往面临着个人情绪以及经验对决策的过度影响、数据量庞大缺乏有效分析以及结构化建议等问题。此程序的设计，可以为用户提供系统化评估框架，明确决策优先级，以及内置评估维度和权重体系。同时，我们在决策过程中引入 "虚拟会议" 功能，模拟真实决策会议中不同角色的视角和建议，帮助用户全面理解各利益相关方的立场。
+在程序设计过程中，使用ai协助无疑大大降低了代码编写的门槛，加快了代码编写的速度。先构思程序功能，让ai生成骨架，在根据测试完善功能，这转变了我们的编程思维，从纠结语法细节转向专注业务逻辑，从边写边想升级直接设计然后优化功能。在开发决策系统时，AI不仅快速生成核心代码，还创意性地建议加入“模拟会议”功能，让项目更加丰富立体。
+当然，AI辅助编程也有挑战和陷阱。最大的考验是如何精准表达需求——模糊的描述会得到模糊的答案。在设计过程中，因表达不全面，在优化过程中ai删去了需要的功能，这也让我们看到ai的局限性，这提醒我们用更结构化的语言说明需求，以获得更符合要求的方案。
 
 ## 📝 License
 [MIT License](LICENSE)

config.py

@@ -6,7 +6,12 @@ from dotenv import load_dotenv
 
 load_dotenv()
 
-# API Keys 从环境变量读取，请在 .env 文件中配置
+# API 配置
+ANTHROPIC_API_KEY = os.getenv("ANTHROPIC_API_KEY", "")
+OPENAI_API_KEY = os.getenv("OPENAI_API_KEY", "")
+AIHUBMIX_API_KEY = os.getenv("AIHUBMIX_API_KEY", "")
+DEEPSEEK_API_KEY = os.getenv("DEEPSEEK_API_KEY", "")
+SILICONFLOW_API_KEY = os.getenv("SILICONFLOW_API_KEY", "")
 
 # LLM Providers Configuration
 LLM_PROVIDERS = {
@@ -61,12 +66,9 @@ AVAILABLE_MODELS = {
     "gemini-1.5-flash": "Gemini 1.5 Flash (Google)",
     "gemini-2.0-flash-exp": "Gemini 2.0 Flash Exp (Google)",
     
-    # DeepSeek
+    # DeepSeek (官方 API: https://api.deepseek.com)
-    "deepseek-chat": "DeepSeek V3 (DeepSeek)",
+    "deepseek-chat": "DeepSeek V3 通用对话 (DeepSeek)",
-    "deepseek-reasoner": "DeepSeek R1 (DeepSeek)",
+    "deepseek-reasoner": "DeepSeek R1 深度推理 (DeepSeek)",
-    "deepseek-coder": "DeepSeek Coder (DeepSeek)",
-    "deepseek-v2.5": "DeepSeek V2.5 (DeepSeek)",
-    "deepseek-coder-v2": "DeepSeek Coder V2 (DeepSeek)",
     
     # Meta
     "llama-3.3-70b-instruct": "Llama 3.3 70B (Meta)",