如何利用LangGraph打造Web3投研多智能体协同作业的长尾？

import { ChatOpenAI } from "@langchain/openai";import { ToolNode } from "@langchain/langgraph/prebuilt";import { StateGraph, MessagesAnnotation, END } from "@langchain/langgraph";import { financialSearchTool } from "./tools"; // 引入刚才定义的工具// 1. 定义两个不同的 LLM 实例// 这里我们使用DeepSeek作为核心大脑， 当然你也可以混合使用GPT-4o-mini等模型const llm = new ChatOpenAI;// 2. 定义角色逻辑// 研究员节点：它的职责是纯粹的“搬运”，利用搜索工具获取事实不加戏async function researcherNode { const systemMessage = { role: "system", content: "你是一名 Web3 资深研究员，换个思路。。

你需要严格审查研究员提供的事实呃。如果事实过于模糊、 陈旧或不足以支撑结论，请明确要求研究员重新搜索特定方向；如果事实充足，请给出到头来的套利分析报告。你的回复必须以 '到头来报告：' 开头。