fix: some lint fix using tools (#98)

* fix: some lint fix using tools Signed-off-by: yihong0618 <zouzou0208@gmail.com> * fix: md lint Signed-off-by: yihong0618 <zouzou0208@gmail.com> * fix: some lint fix using tools Signed-off-by: yihong0618 <zouzou0208@gmail.com> * fix: address comments Signed-off-by: yihong0618 <zouzou0208@gmail.com> * fix: tests Signed-off-by: yihong0618 <zouzou0208@gmail.com> --------- Signed-off-by: yihong0618 <zouzou0208@gmail.com> Co-authored-by: Willem Jiang <willem.jiang@gmail.com>
2026-04-17 11:44:44 +08:00 · 2025-07-12 13:59:02 +08:00
parent 0d3255cdae
commit 2363b21447
22 changed files with 206 additions and 137 deletions
--- a/11
+++ b/11
@@ -17,11 +17,14 @@ There are many ways you can contribute to DeerFlow:

 1. Fork the repository
 2. Clone your fork:
+
   ```bash
   git clone https://github.com/bytedance/deer-flow.git
   cd deer-flow
   ```
+
 3. Set up your development environment:
+
   ```bash
   # Install dependencies, uv will take care of the python interpreter and venv creation
   uv sync
@@ -30,7 +33,9 @@ There are many ways you can contribute to DeerFlow:
   uv pip install -e ".[dev]"
   uv pip install -e ".[test]"
   ```
+
 4. Configure pre-commit hooks:
+
   ```bash
   chmod +x pre-commit
   ln -s ../../pre-commit .git/hooks/pre-commit
@@ -39,6 +44,7 @@ There are many ways you can contribute to DeerFlow:
 ## Development Process

 1. Create a new branch:
+
   ```bash
   git checkout -b feature/amazing-feature
   ```
@@ -50,6 +56,7 @@ There are many ways you can contribute to DeerFlow:
   - Update documentation as needed

 3. Run tests and checks:
+
   ```bash
   make test      # Run tests
   make lint      # Run linting
@@ -58,11 +65,13 @@ There are many ways you can contribute to DeerFlow:
   ```

 4. Commit your changes:
+
   ```bash
   git commit -m 'Add some amazing feature'
   ```

 5. Push to your fork:
+
   ```bash
   git push origin feature/amazing-feature
   ```
@@ -90,6 +99,7 @@ There are many ways you can contribute to DeerFlow:
 ## Testing

 Run the test suite:
+
 ```bash
 # Run all tests
 make test
@@ -122,6 +132,7 @@ make format
 ## Need Help?

 If you need help with anything:
+
 - Check existing issues and discussions
 - Join our community channels
 - Ask questions in discussions
--- a/1
+++ b/1
@@ -8,6 +8,7 @@ format:

 lint:
 	uv run black --check .
+	uv run ruff check .

 serve:
 	uv run server.py --reload
--- a/README.md
+++ b/README.md
@@ -21,7 +21,7 @@ Please visit [our official website](https://deerflow.tech/) for more details.

 ### Video

-https://github.com/user-attachments/assets/f3786598-1f2a-4d07-919e-8b99dfa1de3e
+<https://github.com/user-attachments/assets/f3786598-1f2a-4d07-919e-8b99dfa1de3e>

 In this demo, we showcase how to use DeerFlow to:

@@ -152,16 +152,13 @@ Explore more details in the [`web`](./web/) directory.
 DeerFlow supports multiple search engines that can be configured in your `.env` file using the `SEARCH_API` variable:

 - **Tavily** (default): A specialized search API for AI applications
-
  - Requires `TAVILY_API_KEY` in your `.env` file
  - Sign up at: https://app.tavily.com/home

 - **DuckDuckGo**: Privacy-focused search engine
-
  - No API key required

 - **Brave Search**: Privacy-focused search engine with advanced features
-
  - Requires `BRAVE_SEARCH_API_KEY` in your `.env` file
  - Sign up at: https://brave.com/search/api/

@@ -202,7 +199,6 @@ DeerFlow support private knowledgebase such as ragflow and vikingdb, so that you
 ### Tools and MCP Integrations

 - 🔍 **Search and Retrieval**
-
  - Web search via Tavily, Brave Search and more
  - Crawling with Jina
  - Advanced content extraction
@@ -219,7 +215,6 @@ DeerFlow support private knowledgebase such as ragflow and vikingdb, so that you
 ### Human Collaboration

 - 🧠 **Human-in-the-loop**
-
  - Supports interactive modification of research plans using natural language
  - Supports auto-acceptance of research plans

@@ -527,6 +522,7 @@ DeerFlow includes a human in the loop mechanism that allows you to review, edit,
   - Via API: Set `auto_accepted_plan: true` in your request

 4. **API Integration**: When using the API, you can provide feedback through the `feedback` parameter:
+
   ```json
   {
     "messages": [{ "role": "user", "content": "What is quantum computing?" }],
--- a/README_de.md
+++ b/README_de.md
@@ -19,9 +19,10 @@ Besuchen Sie [unsere offizielle Website](https://deerflow.tech/) für weitere De

 ### Video

-https://github.com/user-attachments/assets/f3786598-1f2a-4d07-919e-8b99dfa1de3e
+<https://github.com/user-attachments/assets/f3786598-1f2a-4d07-919e-8b99dfa1de3e>

 In dieser Demo zeigen wir, wie man DeerFlow nutzt, um:
+
 - Nahtlos mit MCP-Diensten zu integrieren
 - Den Prozess der tiefgehenden Recherche durchzuführen und einen umfassenden Bericht mit Bildern zu erstellen
 - Podcast-Audio basierend auf dem generierten Bericht zu erstellen
@@ -36,7 +37,6 @@ In dieser Demo zeigen wir, wie man DeerFlow nutzt, um:

 ---

-
 ## 📑 Inhaltsverzeichnis

 - [🚀 Schnellstart](#schnellstart)
@@ -50,12 +50,12 @@ In dieser Demo zeigen wir, wie man DeerFlow nutzt, um:
 - [💖 Danksagungen](#danksagungen)
 - [⭐ Star-Verlauf](#star-verlauf)

-
 ## Schnellstart

 DeerFlow ist in Python entwickelt und kommt mit einer in Node.js geschriebenen Web-UI. Um einen reibungslosen Einrichtungsprozess zu gewährleisten, empfehlen wir die Verwendung der folgenden Tools:

 ### Empfohlene Tools
+
 - **[`uv`](https://docs.astral.sh/uv/getting-started/installation/):**
  Vereinfacht die Verwaltung von Python-Umgebungen und Abhängigkeiten. `uv` erstellt automatisch eine virtuelle Umgebung im Stammverzeichnis und installiert alle erforderlichen Pakete für Sie—keine manuelle Installation von Python-Umgebungen notwendig.

@@ -66,11 +66,14 @@ DeerFlow ist in Python entwickelt und kommt mit einer in Node.js geschriebenen W
  Installieren und verwalten Sie Abhängigkeiten des Node.js-Projekts.

 ### Umgebungsanforderungen
+
 Stellen Sie sicher, dass Ihr System die folgenden Mindestanforderungen erfüllt:
+
 - **[Python](https://www.python.org/downloads/):** Version `3.12+`
 - **[Node.js](https://nodejs.org/en/download/):** Version `22+`

 ### Installation
+
 ```bash
 # Repository klonen
 git clone https://github.com/bytedance/deer-flow.git
@@ -138,25 +141,24 @@ bootstrap.bat -d

 Weitere Details finden Sie im Verzeichnis [`web`](./web/).

-
 ## Unterstützte Suchmaschinen

 DeerFlow unterstützt mehrere Suchmaschinen, die in Ihrer `.env`-Datei über die Variable `SEARCH_API` konfiguriert werden können:

 - **Tavily** (Standard): Eine spezialisierte Such-API für KI-Anwendungen
-    - Erfordert `TAVILY_API_KEY` in Ihrer `.env`-Datei
-    - Registrieren Sie sich unter: https://app.tavily.com/home
+  - Erfordert `TAVILY_API_KEY` in Ihrer `.env`-Datei
+  - Registrieren Sie sich unter: <https://app.tavily.com/home>

 - **DuckDuckGo**: Datenschutzorientierte Suchmaschine
-    - Kein API-Schlüssel erforderlich
+  - Kein API-Schlüssel erforderlich

 - **Brave Search**: Datenschutzorientierte Suchmaschine mit erweiterten Funktionen
-    - Erfordert `BRAVE_SEARCH_API_KEY` in Ihrer `.env`-Datei
-    - Registrieren Sie sich unter: https://brave.com/search/api/
+  - Erfordert `BRAVE_SEARCH_API_KEY` in Ihrer `.env`-Datei
+  - Registrieren Sie sich unter: <https://brave.com/search/api/>

 - **Arxiv**: Wissenschaftliche Papiersuche für akademische Forschung
-    - Kein API-Schlüssel erforderlich
-    - Spezialisiert auf wissenschaftliche und akademische Papiere
+  - Kein API-Schlüssel erforderlich
+  - Spezialisiert auf wissenschaftliche und akademische Papiere

 Um Ihre bevorzugte Suchmaschine zu konfigurieren, setzen Sie die Variable `SEARCH_API` in Ihrer `.env`-Datei:

@@ -170,40 +172,39 @@ SEARCH_API=tavily
 ### Kernfähigkeiten

 - 🤖 **LLM-Integration**
-    - Unterstützt die Integration der meisten Modelle über [litellm](https://docs.litellm.ai/docs/providers).
-    - Unterstützung für Open-Source-Modelle wie Qwen
-    - OpenAI-kompatible API-Schnittstelle
-    - Mehrstufiges LLM-System für unterschiedliche Aufgabenkomplexitäten
+  - Unterstützt die Integration der meisten Modelle über [litellm](https://docs.litellm.ai/docs/providers).
+  - Unterstützung für Open-Source-Modelle wie Qwen
+  - OpenAI-kompatible API-Schnittstelle
+  - Mehrstufiges LLM-System für unterschiedliche Aufgabenkomplexitäten

 ### Tools und MCP-Integrationen

 - 🔍 **Suche und Abruf**
-    - Websuche über Tavily, Brave Search und mehr
-    - Crawling mit Jina
-    - Fortgeschrittene Inhaltsextraktion
+  - Websuche über Tavily, Brave Search und mehr
+  - Crawling mit Jina
+  - Fortgeschrittene Inhaltsextraktion

 - 🔗 **MCP Nahtlose Integration**
-    - Erweiterte Fähigkeiten für privaten Domänenzugriff, Wissensgraphen, Webbrowsing und mehr
-    - Erleichtert die Integration verschiedener Forschungswerkzeuge und -methoden
+  - Erweiterte Fähigkeiten für privaten Domänenzugriff, Wissensgraphen, Webbrowsing und mehr
+  - Erleichtert die Integration verschiedener Forschungswerkzeuge und -methoden

 ### Menschliche Zusammenarbeit

 - 🧠 **Mensch-in-der-Schleife**
-    - Unterstützt interaktive Modifikation von Forschungsplänen mit natürlicher Sprache
-    - Unterstützt automatische Akzeptanz von Forschungsplänen
+  - Unterstützt interaktive Modifikation von Forschungsplänen mit natürlicher Sprache
+  - Unterstützt automatische Akzeptanz von Forschungsplänen

 - 📝 **Bericht-Nachbearbeitung**
-    - Unterstützt Notion-ähnliche Blockbearbeitung
-    - Ermöglicht KI-Verfeinerungen, einschließlich KI-unterstützter Polierung, Satzkürzung und -erweiterung
-    - Angetrieben von [tiptap](https://tiptap.dev/)
+  - Unterstützt Notion-ähnliche Blockbearbeitung
+  - Ermöglicht KI-Verfeinerungen, einschließlich KI-unterstützter Polierung, Satzkürzung und -erweiterung
+  - Angetrieben von [tiptap](https://tiptap.dev/)

 ### Inhaltserstellung

 - 🎙️ **Podcast- und Präsentationserstellung**
-    - KI-gestützte Podcast-Skripterstellung und Audiosynthese
-    - Automatisierte Erstellung einfacher PowerPoint-Präsentationen
-    - Anpassbare Vorlagen für maßgeschneiderte Inhalte
-
+  - KI-gestützte Podcast-Skripterstellung und Audiosynthese
+  - Automatisierte Erstellung einfacher PowerPoint-Präsentationen
+  - Anpassbare Vorlagen für maßgeschneiderte Inhalte

 ## Architektur

@@ -255,7 +256,6 @@ curl --location 'http://localhost:8000/api/tts' \
 --output speech.mp3
 ```

-
 ## Entwicklung

 ### Testen
@@ -313,9 +313,10 @@ langgraph dev
 ```

 Nach dem Start des LangGraph-Servers sehen Sie mehrere URLs im Terminal:
- API: http://127.0.0.1:2024
- Studio UI: https://smith.langchain.com/studio/?baseUrl=http://127.0.0.1:2024
- API-Dokumentation: http://127.0.0.1:2024/docs
+
+- API: <http://127.0.0.1:2024>
+- Studio UI: <https://smith.langchain.com/studio/?baseUrl=http://127.0.0.1:2024>
+- API-Dokumentation: <http://127.0.0.1:2024/docs>

 Öffnen Sie den Studio UI-Link in Ihrem Browser, um auf die Debugging-Schnittstelle zuzugreifen.

@@ -330,6 +331,7 @@ In der Studio UI können Sie:
 5. Feedback während der Planungsphase geben, um Forschungspläne zu verfeinern

 Wenn Sie ein Forschungsthema in der Studio UI einreichen, können Sie die gesamte Workflow-Ausführung sehen, einschließlich:
+
 - Die Planungsphase, in der der Forschungsplan erstellt wird
 - Die Feedback-Schleife, in der Sie den Plan ändern können
 - Die Forschungs- und Schreibphasen für jeden Abschnitt
@@ -340,6 +342,7 @@ Wenn Sie ein Forschungsthema in der Studio UI einreichen, können Sie die gesamt
 DeerFlow unterstützt LangSmith-Tracing, um Ihnen beim Debuggen und Überwachen Ihrer Workflows zu helfen. Um LangSmith-Tracing zu aktivieren:

 1. Stellen Sie sicher, dass Ihre `.env`-Datei die folgenden Konfigurationen enthält (siehe `.env.example`):
+
   ```bash
   LANGSMITH_TRACING=true
   LANGSMITH_ENDPOINT="https://api.smith.langchain.com"
@@ -348,6 +351,7 @@ DeerFlow unterstützt LangSmith-Tracing, um Ihnen beim Debuggen und Überwachen
   ```

 2. Starten Sie das Tracing mit LangSmith lokal, indem Sie folgenden Befehl ausführen:
+
   ```bash
   langgraph dev
   ```
@@ -421,6 +425,7 @@ uv run main.py --help
 Die Anwendung unterstützt jetzt einen interaktiven Modus mit eingebauten Fragen in Englisch und Chinesisch:

 1. Starten Sie den interaktiven Modus:
+
   ```bash
   uv run main.py --interactive
   ```
@@ -446,6 +451,7 @@ DeerFlow enthält einen Mensch-in-der-Schleife-Mechanismus, der es Ihnen ermögl
   - Über API: Setzen Sie `auto_accepted_plan: true` in Ihrer Anfrage

 4. **API-Integration**: Bei Verwendung der API können Sie Feedback über den Parameter `feedback` geben:
+
   ```json
   {
     "messages": [{"role": "user", "content": "Was ist Quantencomputing?"}],
@@ -485,6 +491,7 @@ Wir möchten unsere aufrichtige Wertschätzung den folgenden Projekten für ihre
 Diese Projekte veranschaulichen die transformative Kraft der Open-Source-Zusammenarbeit, und wir sind stolz darauf, auf ihren Grundlagen aufzubauen.

 ### Hauptmitwirkende
+
 Ein herzliches Dankeschön geht an die Hauptautoren von `DeerFlow`, deren Vision, Leidenschaft und Engagement dieses Projekt zum Leben erweckt haben:

 - **[Daniel Walnut](https://github.com/hetaoBackend/)**
@@ -494,4 +501,4 @@ Ihr unerschütterliches Engagement und Fachwissen waren die treibende Kraft hint

 ## Star-Verlauf

-[![Star History Chart](https://api.star-history.com/svg?repos=bytedance/deer-flow&type=Date)](https://star-history.com/#bytedance/deer-flow&Date) 
+[![Star History Chart](https://api.star-history.com/svg?repos=bytedance/deer-flow&type=Date)](https://star-history.com/#bytedance/deer-flow&Date)
--- a/README_es.md
+++ b/README_es.md
@@ -19,7 +19,7 @@ Por favor, visita [nuestra página web oficial](https://deerflow.tech/) para má

 ### Video

-https://github.com/user-attachments/assets/f3786598-1f2a-4d07-919e-8b99dfa1de3e
+<https://github.com/user-attachments/assets/f3786598-1f2a-4d07-919e-8b99dfa1de3e>

 En esta demostración, mostramos cómo usar DeerFlow para:

@@ -150,7 +150,7 @@ DeerFlow soporta múltiples motores de búsqueda que pueden configurarse en tu a
 - **Tavily** (predeterminado): Una API de búsqueda especializada para aplicaciones de IA

  - Requiere `TAVILY_API_KEY` en tu archivo `.env`
-  - Regístrate en: https://app.tavily.com/home
+  - Regístrate en: <https://app.tavily.com/home>

 - **DuckDuckGo**: Motor de búsqueda centrado en la privacidad

@@ -159,7 +159,7 @@ DeerFlow soporta múltiples motores de búsqueda que pueden configurarse en tu a
 - **Brave Search**: Motor de búsqueda centrado en la privacidad con características avanzadas

  - Requiere `BRAVE_SEARCH_API_KEY` en tu archivo `.env`
-  - Regístrate en: https://brave.com/search/api/
+  - Regístrate en: <https://brave.com/search/api/>

 - **Arxiv**: Búsqueda de artículos científicos para investigación académica
  - No requiere clave API
@@ -325,9 +325,9 @@ langgraph dev

 Después de iniciar el servidor LangGraph, verás varias URLs en la terminal:

- API: http://127.0.0.1:2024
- UI de Studio: https://smith.langchain.com/studio/?baseUrl=http://127.0.0.1:2024
- Docs de API: http://127.0.0.1:2024/docs
+- API: <http://127.0.0.1:2024>
+- UI de Studio: <https://smith.langchain.com/studio/?baseUrl=http://127.0.0.1:2024>
+- Docs de API: <http://127.0.0.1:2024/docs>

 Abre el enlace de UI de Studio en tu navegador para acceder a la interfaz de depuración.

@@ -353,6 +353,7 @@ Cuando envías un tema de investigación en la UI de Studio, podrás ver toda la
 DeerFlow soporta el rastreo de LangSmith para ayudarte a depurar y monitorear tus flujos de trabajo. Para habilitar el rastreo de LangSmith:

 1. Asegúrate de que tu archivo `.env` tenga las siguientes configuraciones (ver `.env.example`):
+
   ```bash
   LANGSMITH_TRACING=true
   LANGSMITH_ENDPOINT="https://api.smith.langchain.com"
@@ -361,6 +362,7 @@ DeerFlow soporta el rastreo de LangSmith para ayudarte a depurar y monitorear tu
   ```

 2. Inicia el rastreo y visualiza el grafo localmente con LangSmith ejecutando:
+
   ```bash
   langgraph dev
   ```
@@ -504,6 +506,7 @@ DeerFlow incluye un mecanismo de humano en el bucle que te permite revisar, edit
   - Vía API: Establece `auto_accepted_plan: true` en tu solicitud

 4. **Integración API**: Cuando uses la API, puedes proporcionar retroalimentación a través del parámetro `feedback`:
+
   ```json
   {
     "messages": [{ "role": "user", "content": "¿Qué es la computación cuántica?" }],
@@ -553,4 +556,4 @@ Su compromiso inquebrantable y experiencia han sido la fuerza impulsora detrás

 ## Historial de Estrellas

-[![Gráfico de Historial de Estrellas](https://api.star-history.com/svg?repos=bytedance/deer-flow&type=Date)](https://star-history.com/#bytedance/deer-flow&Date) 
+[![Gráfico de Historial de Estrellas](https://api.star-history.com/svg?repos=bytedance/deer-flow&type=Date)](https://star-history.com/#bytedance/deer-flow&Date)
--- a/README_ja.md
+++ b/README_ja.md
@@ -17,11 +17,11 @@

 ### ビデオ

-https://github.com/user-attachments/assets/f3786598-1f2a-4d07-919e-8b99dfa1de3e
+<https://github.com/user-attachments/assets/f3786598-1f2a-4d07-919e-8b99dfa1de3e>

-このデモでは、DeerFlow の使用方法を紹介しています：
+このデモでは、DeerFlowの使用方法を紹介しています：

- MCP サービスとのシームレスな統合
+- MCPサービスとのシームレスな統合
 - 深層研究プロセスの実施と画像を含む包括的なレポートの作成
 - 生成されたレポートに基づくポッドキャストオーディオの作成

@@ -145,21 +145,18 @@ bootstrap.bat -d
 DeerFlow は複数の検索エンジンをサポートしており、`.env`ファイルの`SEARCH_API`変数で設定できます：

 - **Tavily**（デフォルト）：AI アプリケーション向けの専門検索 API
-
  - `.env`ファイルに`TAVILY_API_KEY`が必要
-  - 登録先：https://app.tavily.com/home
+  - 登録先：<https://app.tavily.com/home>

 - **DuckDuckGo**：プライバシー重視の検索エンジン
-
-  - API キー不要
+  - APIキー不要

 - **Brave Search**：高度な機能を備えたプライバシー重視の検索エンジン
-
  - `.env`ファイルに`BRAVE_SEARCH_API_KEY`が必要
-  - 登録先：https://brave.com/search/api/
+  - 登録先：<https://brave.com/search/api/>

 - **Arxiv**：学術研究用の科学論文検索
-  - API キー不要
+  - APIキー不要
  - 科学・学術論文専用

 お好みの検索エンジンを設定するには、`.env`ファイルで`SEARCH_API`変数を設定します：
@@ -173,41 +170,39 @@ SEARCH_API=tavily

 ### コア機能

- 🤖 **LLM 統合**
+- 🤖 **LLM統合**
  - [litellm](https://docs.litellm.ai/docs/providers)を通じてほとんどのモデルの統合をサポート
-  - Qwen などのオープンソースモデルをサポート
-  - OpenAI 互換の API インターフェース
-  - 異なるタスクの複雑さに対応するマルチティア LLM システム
+  - Qwenなどのオープンソースモデルをサポート
+  - OpenAI互換のAPIインターフェース
+  - 異なるタスクの複雑さに対応するマルチティアLLMシステム

 ### ツールと MCP 統合

 - 🔍 **検索と取得**
-
-  - Tavily、Brave Search などを通じた Web 検索
-  - Jina を使用したクローリング
+  - Tavily、Brave Searchなどを通じたWeb検索
+  - Jinaを使用したクローリング
  - 高度なコンテンツ抽出

- 🔗 **MCP シームレス統合**
-  - プライベートドメインアクセス、ナレッジグラフ、Web ブラウジングなどの機能を拡張
+- 🔗 **MCPシームレス統合**
+  - プライベートドメインアクセス、ナレッジグラフ、Webブラウジングなどの機能を拡張
  - 多様な研究ツールと方法論の統合を促進

 ### 人間との協力

 - 🧠 **人間参加型ループ**
-
  - 自然言語を使用した研究計画の対話的修正をサポート
  - 研究計画の自動承認をサポート

 - 📝 **レポート後編集**
-  - Notion ライクなブロック編集をサポート
-  - AI 支援による洗練、文の短縮、拡張などの AI 改良を可能に
+  - Notionライクなブロック編集をサポート
+  - AI支援による洗練、文の短縮、拡張などのAI改良を可能に
  - [tiptap](https://tiptap.dev/)を活用

 ### コンテンツ作成

 - 🎙️ **ポッドキャストとプレゼンテーション生成**
-  - AI 駆動のポッドキャストスクリプト生成と音声合成
-  - シンプルな PowerPoint プレゼンテーションの自動作成
+  - AI駆動のポッドキャストスクリプト生成と音声合成
+  - シンプルなPowerPointプレゼンテーションの自動作成
  - カスタマイズ可能なテンプレートで個別のコンテンツに対応

 ## アーキテクチャ
@@ -243,6 +238,27 @@ DeerFlow は、自動研究とコード分析のためのモジュラーなマ
   - 収集した情報を処理および構造化
   - 包括的な研究レポートを生成

+## テキスト読み上げ統合
+
+DeerFlowには現在、研究レポートを音声に変換できるテキスト読み上げ（TTS）機能が含まれています。この機能は火山引擎TTS APIを使用して高品質なテキストオーディオを生成します。速度、音量、ピッチなどの特性もカスタマイズ可能です。
+
+### TTS APIの使用
+
+`/api/tts`エンドポイントからTTS機能にアクセスできます：
+
+```bash
+# curlを使用したAPI呼び出し例
+curl --location 'http://localhost:8000/api/tts' \
+--header 'Content-Type: application/json' \
+--data '{
+    "text": "これはテキスト読み上げ機能のテストです。",
+    "speed_ratio": 1.0,
+    "volume_ratio": 1.0,
+    "pitch_ratio": 1.0
+}' \
+--output speech.mp3
+```
+
 ## 開発

 ### テスト
@@ -299,11 +315,15 @@ pip install -U "langgraph-cli[inmem]"
 langgraph dev
 ```

-LangGraph サーバーを開始すると、端末にいくつかの URL が表示されます：
+LangGraphサーバーを開始すると、端末にいくつかのURLが表示されます：

- API: http://127.0.0.1:2024
- Studio UI: https://smith.langchain.com/studio/?baseUrl=http://127.0.0.1:2024
- API ドキュメント: http://127.0.0.1:2024/docs
+- API: <http://127.0.0.1:2024>
+- Studio UI: <https://smith.langchain.com/studio/?baseUrl=http://127.0.0.1:2024>
+- APIドキュメント: <http://127.0.0.1:2024/docs>
+
+- API: <http://127.0.0.1:2024>
+- Studio UI: <https://smith.langchain.com/studio/?baseUrl=http://127.0.0.1:2024>
+- APIドキュメント: <http://127.0.0.1:2024/docs>

 ブラウザで Studio UI リンクを開いてデバッグインターフェースにアクセスします。

@@ -317,7 +337,7 @@ Studio UI では、次のことができます：
 4. 各コンポーネントの入力と出力を検査して問題をデバッグ
 5. 計画段階でフィードバックを提供して研究計画を洗練

-Studio UI で研究トピックを送信すると、次を含む全ワークフロー実行プロセスを見ることができます：
+Studio UIで研究トピックを送信すると、次を含む全ワークフロー実行プロセスを見ることができます：

 - 研究計画を作成する計画段階
 - 計画を修正できるフィードバックループ
@@ -329,6 +349,7 @@ Studio UI で研究トピックを送信すると、次を含む全ワークフ
 DeerFlow は LangSmith トレース機能をサポートしており、ワークフローのデバッグとモニタリングに役立ちます。LangSmith トレースを有効にするには：

 1. `.env` ファイルに次の設定があることを確認してください（`.env.example` を参照）：
+
   ```bash
   LANGSMITH_TRACING=true
   LANGSMITH_ENDPOINT="https://api.smith.langchain.com"
@@ -337,6 +358,7 @@ DeerFlow は LangSmith トレース機能をサポートしており、ワーク
   ```

 2. 次のコマンドを実行して LangSmith トレースを開始します：
+
   ```bash
   langgraph dev
   ```
@@ -498,9 +520,8 @@ DeerFlow には人間参加型ループメカニズムが含まれており、

 3. **自動承認**：レビュープロセスをスキップするために自動承認を有効にできます：

-   - API 経由：リクエストで`auto_accepted_plan: true`を設定
+4. **API統合**：APIを使用する場合、`feedback`パラメータでフィードバックを提供できます：

-4. **API 統合**：API を使用する場合、`feedback`パラメータでフィードバックを提供できます：
   ```json
   {
     "messages": [
--- a/README_pt.md
+++ b/README_pt.md
@@ -20,7 +20,7 @@ Por favor, visite [Nosso Site Oficial](https://deerflow.tech/) para maiores deta

 ### Video

-https://github.com/user-attachments/assets/f3786598-1f2a-4d07-919e-8b99dfa1de3e
+<https://github.com/user-attachments/assets/f3786598-1f2a-4d07-919e-8b99dfa1de3e>

 Nesse demo, nós demonstramos como usar o DeerFlow para:
 In this demo, we showcase how to use DeerFlow to:
@@ -148,13 +148,12 @@ Explore mais detalhes no diretório [`web`](./web/) .

 ## Mecanismos de Busca Suportados

-
 DeerFlow suporta múltiplos mecanismos de busca que podem ser configurados no seu arquivo `.env` usando a variável `SEARCH_API`:

 - **Tavily** (padrão): Uma API de busca especializada para aplicações de IA

  - Requer `TAVILY_API_KEY` no seu arquivo `.env`
-  - Inscreva-se em: https://app.tavily.com/home
+  - Inscreva-se em: <https://app.tavily.com/home>

 - **DuckDuckGo**: Mecanismo de busca focado em privacidade

@@ -163,7 +162,7 @@ DeerFlow suporta múltiplos mecanismos de busca que podem ser configurados no se
 - **Brave Search**: Mecanismo de busca focado em privacidade com funcionalidades avançadas

  - Requer `BRAVE_SEARCH_API_KEY` no seu arquivo `.env`
-  - Inscreva-se em: https://brave.com/search/api/
+  - Inscreva-se em: <https://brave.com/search/api/>

 - **Arxiv**: Busca de artigos científicos para pesquisa acadêmica
  - Não requer chave API
@@ -204,7 +203,6 @@ SEARCH_API=tavily

 - 🧠 **Humano-no-processo**

-
  - Suporta modificação interativa de planos de pesquisa usando linguagem natural
  - Suporta auto-aceite de planos de pesquisa

@@ -333,9 +331,9 @@ langgraph dev

 Após iniciar o servidor LangGraph, você verá diversas URLs no seu terminal:

- API: http://127.0.0.1:2024
- Studio UI: https://smith.langchain.com/studio/?baseUrl=http://127.0.0.1:2024
- API Docs: http://127.0.0.1:2024/docs
+- API: <http://127.0.0.1:2024>
+- Studio UI: <https://smith.langchain.com/studio/?baseUrl=http://127.0.0.1:2024>
+- API Docs: <http://127.0.0.1:2024/docs>

 Abra o link do Studio UI no seu navegador para acessar a interface de depuração.

@@ -343,7 +341,6 @@ Abra o link do Studio UI no seu navegador para acessar a interface de depuraçã

 No Studio UI, você pode:

-
 1. Visualizar o grafo do fluxo de trabalho e como seus componentes se conectam
 2. Rastrear a execução em tempo-real e ver como os dados fluem através do sistema
 3. Inspecionar o estado de cada passo do fluxo de trabalho
@@ -391,7 +388,7 @@ docker compose build
 docker compose up
 ```

-## Exemplos:
+## Exemplos

 Os seguintes exemplos demonstram as capacidades do DeerFlow:

@@ -494,7 +491,8 @@ DeerFlow inclue um mecanismo de humano no processo que permite a você revisar,

   - Via API: Defina `auto_accepted_plan: true` na sua requisição

-4. **Integração de API**: Quanto usar a API, você pode fornecer um feedback através do parâmetro `feedback`:   
+4. **Integração de API**: Quanto usar a API, você pode fornecer um feedback através do parâmetro `feedback`:
+
 ```json
   {
     "messages": [{ "role": "user", "content": "O que é computação quântica?" }],
--- a/README_ru.md
+++ b/README_ru.md
@@ -19,7 +19,7 @@

 ### Видео

-https://github.com/user-attachments/assets/f3786598-1f2a-4d07-919e-8b99dfa1de3e
+<https://github.com/user-attachments/assets/f3786598-1f2a-4d07-919e-8b99dfa1de3e>

 В этой демонстрации мы показываем, как использовать DeerFlow для:

@@ -150,7 +150,7 @@ DeerFlow поддерживает несколько поисковых сист
 - **Tavily** (по умолчанию): Специализированный поисковый API для приложений ИИ

  - Требуется `TAVILY_API_KEY` в вашем файле `.env`
-  - Зарегистрируйтесь на: https://app.tavily.com/home
+  - Зарегистрируйтесь на: <https://app.tavily.com/home>

 - **DuckDuckGo**: Поисковая система, ориентированная на конфиденциальность

@@ -159,7 +159,7 @@ DeerFlow поддерживает несколько поисковых сист
 - **Brave Search**: Поисковая система, ориентированная на конфиденциальность, с расширенными функциями

  - Требуется `BRAVE_SEARCH_API_KEY` в вашем файле `.env`
-  - Зарегистрируйтесь на: https://brave.com/search/api/
+  - Зарегистрируйтесь на: <https://brave.com/search/api/>

 - **Arxiv**: Поиск научных статей для академических исследований
  - Не требуется API-ключ
@@ -325,9 +325,9 @@ langgraph dev

 После запуска сервера LangGraph вы увидите несколько URL в терминале:

- API: http://127.0.0.1:2024
- Studio UI: https://smith.langchain.com/studio/?baseUrl=http://127.0.0.1:2024
- API Docs: http://127.0.0.1:2024/docs
+- API: <http://127.0.0.1:2024>
+- Studio UI: <https://smith.langchain.com/studio/?baseUrl=http://127.0.0.1:2024>
+- API Docs: <http://127.0.0.1:2024/docs>

 Откройте ссылку Studio UI в вашем браузере для доступа к интерфейсу отладки.

@@ -353,6 +353,7 @@ langgraph dev
 DeerFlow поддерживает трассировку LangSmith, чтобы помочь вам отладить и контролировать ваши рабочие процессы. Чтобы включить трассировку LangSmith:

 1. Убедитесь, что в вашем файле `.env` есть следующие конфигурации (см. `.env.example`):
+
   ```bash
   LANGSMITH_TRACING=true
   LANGSMITH_ENDPOINT="https://api.smith.langchain.com"
@@ -361,6 +362,7 @@ DeerFlow поддерживает трассировку LangSmith, чтобы
   ```

 2. Запустите трассировку и визуализируйте граф локально с LangSmith, выполнив:
+
   ```bash
   langgraph dev
   ```
@@ -504,6 +506,7 @@ DeerFlow включает механизм "человек в контуре",
   - Через API: Установите `auto_accepted_plan: true` в вашем запросе

 4. **Интеграция API**: При использовании API вы можете предоставить обратную связь через параметр `feedback`:
+
   ```json
   {
     "messages": [{ "role": "user", "content": "Что такое квантовые вычисления?" }],
--- a/README_zh.md
+++ b/README_zh.md
@@ -17,7 +17,7 @@

 ### 视频

-https://github.com/user-attachments/assets/f3786598-1f2a-4d07-919e-8b99dfa1de3e
+<https://github.com/user-attachments/assets/f3786598-1f2a-4d07-919e-8b99dfa1de3e>

 在此演示中，我们展示了如何使用 DeerFlow：

@@ -46,7 +46,7 @@ https://github.com/user-attachments/assets/f3786598-1f2a-4d07-919e-8b99dfa1de3e
 - [❓ 常见问题](#常见问题)
 - [📜 许可证](#许可证)
 - [💖 致谢](#致谢)
- [⭐ Star History](#star-History)
+- [⭐ Star History](#star-history)

 ## 快速开始

@@ -108,7 +108,7 @@ pnpm install

 请参阅[配置指南](docs/configuration_guide.md)获取更多详情。

-> [!注意]
+> [! 注意]
 > 在启动项目之前，请仔细阅读指南，并更新配置以匹配您的特定设置和要求。

 ### 控制台 UI
@@ -123,8 +123,7 @@ uv run main.py
 ### Web UI

 本项目还包括一个 Web UI，提供更加动态和引人入胜的交互体验。
-
-> [!注意]
+> [! 注意]
 > 您需要先安装 Web UI 的依赖。

 ```bash
@@ -147,18 +146,15 @@ bootstrap.bat -d
 DeerFlow 支持多种搜索引擎，可以在`.env`文件中通过`SEARCH_API`变量进行配置：

 - **Tavily**（默认）：专为 AI 应用设计的专业搜索 API
-
  - 需要在`.env`文件中设置`TAVILY_API_KEY`
-  - 注册地址：https://app.tavily.com/home
+  - 注册地址：<https://app.tavily.com/home>

 - **DuckDuckGo**：注重隐私的搜索引擎
-
  - 无需 API 密钥

 - **Brave Search**：具有高级功能的注重隐私的搜索引擎
-
  - 需要在`.env`文件中设置`BRAVE_SEARCH_API_KEY`
-  - 注册地址：https://brave.com/search/api/
+  - 注册地址：<https://brave.com/search/api/>

 - **Arxiv**：用于学术研究的科学论文搜索
  - 无需 API 密钥
@@ -224,7 +220,6 @@ DeerFlow 支持基于私有域知识的检索，您可以将文档上传到多
 ### 人机协作

 - 🧠 **人在环中**
-
  - 支持使用自然语言交互式修改研究计划
  - 支持自动接受研究计划

@@ -263,16 +258,36 @@ DeerFlow 实现了一个模块化的多智能体系统架构，专为自动化
   - 管理研究流程并决定何时生成最终报告

 3. **研究团队**：执行计划的专业智能体集合：
-
   - **研究员**：使用网络搜索引擎、爬虫甚至 MCP 服务等工具进行网络搜索和信息收集。
   - **编码员**：使用 Python REPL 工具处理代码分析、执行和技术任务。
-     每个智能体都可以访问针对其角色优化的特定工具，并在 LangGraph 框架内运行
+   每个智能体都可以访问针对其角色优化的特定工具，并在 LangGraph 框架内运行

 4. **报告员**：研究输出的最终阶段处理器
   - 汇总研究团队的发现
   - 处理和组织收集的信息
   - 生成全面的研究报告

+## 文本转语音集成
+
+DeerFlow 现在包含一个文本转语音 (TTS) 功能，允许您将研究报告转换为语音。此功能使用火山引擎 TTS API 生成高质量的文本音频。速度、音量和音调等特性也可以自定义。
+
+### 使用 TTS API
+
+您可以通过`/api/tts`端点访问 TTS 功能：
+
+```bash
+# 使用curl的API调用示例
+curl --location 'http://localhost:8000/api/tts' \
+--header 'Content-Type: application/json' \
+--data '{
+    "text": "这是文本转语音功能的测试。",
+    "speed_ratio": 1.0,
+    "volume_ratio": 1.0,
+    "pitch_ratio": 1.0
+}' \
+--output speech.mp3
+```
+
 ## 开发

 ### 测试
@@ -331,9 +346,9 @@ langgraph dev

 启动 LangGraph 服务器后，您将在终端中看到几个 URL：

- API: http://127.0.0.1:2024
- Studio UI: https://smith.langchain.com/studio/?baseUrl=http://127.0.0.1:2024
- API 文档: http://127.0.0.1:2024/docs
+- API: <http://127.0.0.1:2024>
+- Studio UI: <https://smith.langchain.com/studio/?baseUrl=http://127.0.0.1:2024>
+- API 文档：<http://127.0.0.1:2024/docs>

 在浏览器中打开 Studio UI 链接以访问调试界面。

@@ -359,6 +374,7 @@ langgraph dev
 DeerFlow 支持 LangSmith 追踪功能，帮助您调试和监控工作流。要启用 LangSmith 追踪：

 1. 确保您的 `.env` 文件中有以下配置（参见 `.env.example`）：
+
   ```bash
   LANGSMITH_TRACING=true
   LANGSMITH_ENDPOINT="https://api.smith.langchain.com"
@@ -367,6 +383,7 @@ DeerFlow 支持 LangSmith 追踪功能，帮助您调试和监控工作流。要
   ```

 2. 通过运行以下命令本地启动 LangSmith 追踪：
+
   ```bash
   langgraph dev
   ```
@@ -409,7 +426,7 @@ docker compose up

 ## 文本转语音集成

-DeerFlow 现在包含一个文本转语音(TTS)功能，允许您将研究报告转换为语音。此功能使用火山引擎 TTS API 生成高质量的文本音频。速度、音量和音调等特性也可以自定义。
+DeerFlow 现在包含一个文本转语音 (TTS) 功能，允许您将研究报告转换为语音。此功能使用火山引擎 TTS API 生成高质量的文本音频。速度、音量和音调等特性也可以自定义。

 ### 使用 TTS API

@@ -435,17 +452,14 @@ curl --location 'http://localhost:8000/api/tts' \
 ### 研究报告

 1. **OpenAI Sora 报告** - OpenAI 的 Sora AI 工具分析
-
   - 讨论功能、访问方式、提示工程、限制和伦理考虑
   - [查看完整报告](examples/openai_sora_report.md)

-2. **Google 的 Agent to Agent 协议报告** - Google 的 Agent to Agent (A2A)协议概述
-
-   - 讨论其在 AI 智能体通信中的作用及其与 Anthropic 的 Model Context Protocol (MCP)的关系
+2. **Google 的 Agent to Agent 协议报告** - Google 的 Agent to Agent (A2A) 协议概述
+   - 讨论其在 AI 智能体通信中的作用及其与 Anthropic 的 Model Context Protocol (MCP) 的关系
   - [查看完整报告](examples/what_is_agent_to_agent_protocol.md)

 3. **什么是 MCP？** - 对"MCP"一词在多个上下文中的全面分析
-
   - 探讨 AI 中的 Model Context Protocol、化学中的 Monocalcium Phosphate 和电子学中的 Micro-channel Plate
   - [查看完整报告](examples/what_is_mcp.md)

@@ -456,17 +470,14 @@ curl --location 'http://localhost:8000/api/tts' \
   - [查看完整报告](examples/bitcoin_price_fluctuation.md)

 5. **什么是 LLM？** - 对大型语言模型的深入探索
-
   - 讨论架构、训练、应用和伦理考虑
   - [查看完整报告](examples/what_is_llm.md)

 6. **如何使用 Claude 进行深度研究？** - 在深度研究中使用 Claude 的最佳实践和工作流程
-
   - 涵盖提示工程、数据分析和与其他工具的集成
   - [查看完整报告](examples/how_to_use_claude_deep_research.md)

 7. **医疗保健中的 AI 采用：影响因素** - 影响医疗保健中 AI 采用的因素分析
-
   - 讨论 AI 技术、数据质量、伦理考虑、经济评估、组织准备度和数字基础设施
   - [查看完整报告](examples/AI_adoption_in_healthcare.md)

@@ -527,10 +538,10 @@ DeerFlow 包含一个人在环中机制，允许您在执行研究计划前审
   - 系统将整合您的反馈并生成修订后的计划

 3. **自动接受**：您可以启用自动接受以跳过审查过程：
-
   - 通过 API：在请求中设置`auto_accepted_plan: true`

 4. **API 集成**：使用 API 时，您可以通过`feedback`参数提供反馈：
+
   ```json
   {
     "messages": [{ "role": "user", "content": "什么是量子计算？" }],
--- a/pyproject.toml
+++ b/pyproject.toml
@@ -38,6 +38,7 @@ dependencies = [

 [project.optional-dependencies]
 dev = [
+    "ruff",
    "black>=24.2.0",
    "langgraph-cli[inmem]>=0.2.10",
 ]
--- a/src/config/init.py
+++ b/src/config/init.py
@@ -2,7 +2,6 @@
 # SPDX-License-Identifier: MIT

 from .tools import SELECTED_SEARCH_ENGINE, SearchEngine
-from .loader import load_yaml_config
 from .questions import BUILT_IN_QUESTIONS, BUILT_IN_QUESTIONS_ZH_CN

 from dotenv import load_dotenv
@@ -11,7 +10,7 @@ from dotenv import load_dotenv
 load_dotenv()

 # Team configuration
-TEAM_MEMBER_CONFIGRATIONS = {
+TEAM_MEMBER_CONFIGURATIONS = {
    "researcher": {
        "name": "researcher",
        "desc": (
@@ -36,12 +35,12 @@ TEAM_MEMBER_CONFIGRATIONS = {
    },
 }

-TEAM_MEMBERS = list(TEAM_MEMBER_CONFIGRATIONS.keys())
+TEAM_MEMBERS = list(TEAM_MEMBER_CONFIGURATIONS.keys())

 __all__ = [
    # Other configurations
    "TEAM_MEMBERS",
-    "TEAM_MEMBER_CONFIGRATIONS",
+    "TEAM_MEMBER_CONFIGURATIONS",
    "SELECTED_SEARCH_ENGINE",
    "SearchEngine",
    "BUILT_IN_QUESTIONS",
--- a/src/graph/types.py
+++ b/src/graph/types.py
@@ -1,6 +1,7 @@
 # Copyright (c) 2025 Bytedance Ltd. and/or its affiliates
 # SPDX-License-Identifier: MIT

+
 from langgraph.graph import MessagesState

 from src.prompts.planner_model import Plan
--- a/src/ppt/graph/state.py
+++ b/src/ppt/graph/state.py
@@ -1,7 +1,6 @@
 # Copyright (c) 2025 Bytedance Ltd. and/or its affiliates
 # SPDX-License-Identifier: MIT

-from typing import Optional

 from langgraph.graph import MessagesState

--- a/src/server/mcp_utils.py
+++ b/src/server/mcp_utils.py
@@ -3,7 +3,7 @@

 import logging
 from datetime import timedelta
-from typing import Any, Dict, List, Optional, Tuple
+from typing import Any, Dict, List, Optional

 from fastapi import HTTPException
 from mcp import ClientSession, StdioServerParameters
--- a/src/tools/init.py
+++ b/src/tools/init.py
@@ -1,8 +1,6 @@
 # Copyright (c) 2025 Bytedance Ltd. and/or its affiliates
 # SPDX-License-Identifier: MIT

-import os
-
 from .crawl import crawl_tool
 from .python_repl import python_repl_tool
 from .retriever import get_retriever_tool
--- a/src/workflow.py
+++ b/src/workflow.py
@@ -1,7 +1,6 @@
 # Copyright (c) 2025 Bytedance Ltd. and/or its affiliates
 # SPDX-License-Identifier: MIT

-import asyncio
 import logging
 from src.graph import build_graph

--- a/tests/integration/test_crawler.py
+++ b/tests/integration/test_crawler.py
@@ -1,7 +1,6 @@
 # Copyright (c) 2025 Bytedance Ltd. and/or its affiliates
 # SPDX-License-Identifier: MIT

-import pytest
 from src.crawler import Crawler


--- a/tests/integration/test_python_repl_tool.py
+++ b/tests/integration/test_python_repl_tool.py
@@ -1,7 +1,6 @@
 # Copyright (c) 2025 Bytedance Ltd. and/or its affiliates
 # SPDX-License-Identifier: MIT

-import pytest
 from src.tools.python_repl import python_repl_tool


--- a/tests/integration/test_template.py
+++ b/tests/integration/test_template.py
@@ -101,8 +101,6 @@ def test_current_time_format():
    messages = apply_prompt_template("coder", test_state)
    system_content = messages[0]["content"]

-    # Time format should be like: Mon Jan 01 2024 12:34:56 +0000
-    time_format = r"\w{3} \w{3} \d{2} \d{4} \d{2}:\d{2}:\d{2}"
    assert any(
        line.strip().startswith("CURRENT_TIME:") for line in system_content.split("\n")
    )
--- a/tests/integration/test_tts.py
+++ b/tests/integration/test_tts.py
@@ -2,9 +2,7 @@
 # SPDX-License-Identifier: MIT

 import json
-import pytest
 from unittest.mock import patch, MagicMock
-import uuid
 import base64

 from src.tools.tts import VolcengineTTS
--- a/tests/test_state.py
+++ b/tests/test_state.py
@@ -4,7 +4,7 @@
 import pytest
 import sys
 import os
-from typing import Annotated, List, Optional
+from typing import Annotated

 # Import MessagesState directly from langgraph rather than through our application
 from langgraph.graph import MessagesState
--- a/uv.lock
+++ b/uv.lock
@@ -410,6 +410,7 @@ dependencies = [
 dev = [
    { name = "black" },
    { name = "langgraph-cli", extra = ["inmem"] },
+    { name = "ruff" },
 ]
 test = [
    { name = "pytest" },
@@ -444,6 +445,7 @@ requires-dist = [
    { name = "pytest-cov", marker = "extra == 'test'", specifier = ">=4.1.0" },
    { name = "python-dotenv", specifier = ">=1.0.1" },
    { name = "readabilipy", specifier = ">=0.3.0" },
+    { name = "ruff", marker = "extra == 'dev'" },
    { name = "socksio", specifier = ">=1.0.0" },
    { name = "sse-starlette", specifier = ">=1.6.5" },
    { name = "uvicorn", specifier = ">=0.27.1" },
@@ -1981,6 +1983,31 @@ wheels = [
    { url = "https://files.pythonhosted.org/packages/68/15/6d22d07e063ce5e9bfbd96db9ec2fbb4693591b4503e3a76996639474d02/rpds_py-0.23.1-cp313-cp313t-win_amd64.whl", hash = "sha256:d6f6512a90bd5cd9030a6237f5346f046c6f0e40af98657568fa45695d4de59d", size = 235415, upload-time = "2025-02-21T15:03:12.664Z" },
 ]

+[[package]]
+name = "ruff"
+version = "0.11.10"
+source = { registry = "https://pypi.org/simple" }
+sdist = { url = "https://files.pythonhosted.org/packages/e8/4c/4a3c5a97faaae6b428b336dcca81d03ad04779f8072c267ad2bd860126bf/ruff-0.11.10.tar.gz", hash = "sha256:d522fb204b4959909ecac47da02830daec102eeb100fb50ea9554818d47a5fa6", size = 4165632 }
+wheels = [
+    { url = "https://files.pythonhosted.org/packages/2f/9f/596c628f8824a2ce4cd12b0f0b4c0629a62dfffc5d0f742c19a1d71be108/ruff-0.11.10-py3-none-linux_armv6l.whl", hash = "sha256:859a7bfa7bc8888abbea31ef8a2b411714e6a80f0d173c2a82f9041ed6b50f58", size = 10316243 },
+    { url = "https://files.pythonhosted.org/packages/3c/38/c1e0b77ab58b426f8c332c1d1d3432d9fc9a9ea622806e208220cb133c9e/ruff-0.11.10-py3-none-macosx_10_12_x86_64.whl", hash = "sha256:968220a57e09ea5e4fd48ed1c646419961a0570727c7e069842edd018ee8afed", size = 11083636 },
+    { url = "https://files.pythonhosted.org/packages/23/41/b75e15961d6047d7fe1b13886e56e8413be8467a4e1be0a07f3b303cd65a/ruff-0.11.10-py3-none-macosx_11_0_arm64.whl", hash = "sha256:1067245bad978e7aa7b22f67113ecc6eb241dca0d9b696144256c3a879663bca", size = 10441624 },
+    { url = "https://files.pythonhosted.org/packages/b6/2c/e396b6703f131406db1811ea3d746f29d91b41bbd43ad572fea30da1435d/ruff-0.11.10-py3-none-manylinux_2_17_aarch64.manylinux2014_aarch64.whl", hash = "sha256:f4854fd09c7aed5b1590e996a81aeff0c9ff51378b084eb5a0b9cd9518e6cff2", size = 10624358 },
+    { url = "https://files.pythonhosted.org/packages/bd/8c/ee6cca8bdaf0f9a3704796022851a33cd37d1340bceaf4f6e991eb164e2e/ruff-0.11.10-py3-none-manylinux_2_17_armv7l.manylinux2014_armv7l.whl", hash = "sha256:8b4564e9f99168c0f9195a0fd5fa5928004b33b377137f978055e40008a082c5", size = 10176850 },
+    { url = "https://files.pythonhosted.org/packages/e9/ce/4e27e131a434321b3b7c66512c3ee7505b446eb1c8a80777c023f7e876e6/ruff-0.11.10-py3-none-manylinux_2_17_i686.manylinux2014_i686.whl", hash = "sha256:5b6a9cc5b62c03cc1fea0044ed8576379dbaf751d5503d718c973d5418483641", size = 11759787 },
+    { url = "https://files.pythonhosted.org/packages/58/de/1e2e77fc72adc7cf5b5123fd04a59ed329651d3eab9825674a9e640b100b/ruff-0.11.10-py3-none-manylinux_2_17_ppc64.manylinux2014_ppc64.whl", hash = "sha256:607ecbb6f03e44c9e0a93aedacb17b4eb4f3563d00e8b474298a201622677947", size = 12430479 },
+    { url = "https://files.pythonhosted.org/packages/07/ed/af0f2340f33b70d50121628ef175523cc4c37619e98d98748c85764c8d88/ruff-0.11.10-py3-none-manylinux_2_17_ppc64le.manylinux2014_ppc64le.whl", hash = "sha256:7b3a522fa389402cd2137df9ddefe848f727250535c70dafa840badffb56b7a4", size = 11919760 },
+    { url = "https://files.pythonhosted.org/packages/24/09/d7b3d3226d535cb89234390f418d10e00a157b6c4a06dfbe723e9322cb7d/ruff-0.11.10-py3-none-manylinux_2_17_s390x.manylinux2014_s390x.whl", hash = "sha256:2f071b0deed7e9245d5820dac235cbdd4ef99d7b12ff04c330a241ad3534319f", size = 14041747 },
+    { url = "https://files.pythonhosted.org/packages/62/b3/a63b4e91850e3f47f78795e6630ee9266cb6963de8f0191600289c2bb8f4/ruff-0.11.10-py3-none-manylinux_2_17_x86_64.manylinux2014_x86_64.whl", hash = "sha256:4a60e3a0a617eafba1f2e4186d827759d65348fa53708ca547e384db28406a0b", size = 11550657 },
+    { url = "https://files.pythonhosted.org/packages/46/63/a4f95c241d79402ccdbdb1d823d156c89fbb36ebfc4289dce092e6c0aa8f/ruff-0.11.10-py3-none-musllinux_1_2_aarch64.whl", hash = "sha256:da8ec977eaa4b7bf75470fb575bea2cb41a0e07c7ea9d5a0a97d13dbca697bf2", size = 10489671 },
+    { url = "https://files.pythonhosted.org/packages/6a/9b/c2238bfebf1e473495659c523d50b1685258b6345d5ab0b418ca3f010cd7/ruff-0.11.10-py3-none-musllinux_1_2_armv7l.whl", hash = "sha256:ddf8967e08227d1bd95cc0851ef80d2ad9c7c0c5aab1eba31db49cf0a7b99523", size = 10160135 },
+    { url = "https://files.pythonhosted.org/packages/ba/ef/ba7251dd15206688dbfba7d413c0312e94df3b31b08f5d695580b755a899/ruff-0.11.10-py3-none-musllinux_1_2_i686.whl", hash = "sha256:5a94acf798a82db188f6f36575d80609072b032105d114b0f98661e1679c9125", size = 11170179 },
+    { url = "https://files.pythonhosted.org/packages/73/9f/5c336717293203ba275dbfa2ea16e49b29a9fd9a0ea8b6febfc17e133577/ruff-0.11.10-py3-none-musllinux_1_2_x86_64.whl", hash = "sha256:3afead355f1d16d95630df28d4ba17fb2cb9c8dfac8d21ced14984121f639bad", size = 11626021 },
+    { url = "https://files.pythonhosted.org/packages/d9/2b/162fa86d2639076667c9aa59196c020dc6d7023ac8f342416c2f5ec4bda0/ruff-0.11.10-py3-none-win32.whl", hash = "sha256:dc061a98d32a97211af7e7f3fa1d4ca2fcf919fb96c28f39551f35fc55bdbc19", size = 10494958 },
+    { url = "https://files.pythonhosted.org/packages/24/f3/66643d8f32f50a4b0d09a4832b7d919145ee2b944d43e604fbd7c144d175/ruff-0.11.10-py3-none-win_amd64.whl", hash = "sha256:5cc725fbb4d25b0f185cb42df07ab6b76c4489b4bfb740a175f3a59c70e8a224", size = 11650285 },
+    { url = "https://files.pythonhosted.org/packages/95/3a/2e8704d19f376c799748ff9cb041225c1d59f3e7711bc5596c8cfdc24925/ruff-0.11.10-py3-none-win_arm64.whl", hash = "sha256:ef69637b35fb8b210743926778d0e45e1bffa850a7c61e428c6b971549b5f5d1", size = 10765278 },
+]
+
 [[package]]
 name = "sgmllib3k"
 version = "1.0.0"