DeepResearch：完全开源的自动化深度研究的AI助手

DeepResearch 是一个开源的 AI 研究助手，托管在 GitHub 上，旨在帮助用户通过结合搜索引擎、网页抓取和大语言模型（LLM）进行自动化深度研究。它由开发者 cat3399 创建，目标是提供一个简单易用的研究工具，能够逐步优化研究方向，深入挖掘复杂主题。用户可以通过输入问题，触发多轮迭代研究，获取结构化的分析结果。该工具支持多种主流大模型，并能通过 API 集成外部服务，适合研究人员、学生或需要快速整理信息的专业人士使用。DeepResearch 强调本地化部署和灵活性，代码完全开源，允许用户自由修改和扩展功能。

功能列表

• 自动化深度研究：根据用户输入的问题，自动进行多轮研究，逐步优化方向并生成详细报告。
• 多模型支持：支持 Google Gemini、OpenAI、OpenRouter 和本地 Ollama 等大语言模型。
• 网页抓取与搜索：结合搜索引擎和网页抓取技术，收集最新、最相关的网络信息。
• 结构化研究流程：提供清晰的研究计划，包含问题分解、数据收集、分析和总结步骤。
• 开源与可扩展性：代码完全开源，用户可根据需求修改或添加新功能。
• 环境配置简单：通过 Docker 或本地环境配置，支持快速部署。
• 多语言支持：支持多种语言界面，便于全球用户使用。

使用帮助

安装流程

DeepResearch 需要在本地或服务器上部署才能使用。以下是详细的安装步骤：

1. 克隆仓库
   打开终端，运行以下命令克隆 DeepResearch 仓库到本地：

   git clone https://github.com/cat3399/deepresearch.git
   cd deepresearch
   

2. 配置环境变量
   在项目根目录下创建 .env 文件，用于存储 API 密钥和其他配置。运行以下命令：

   echo "GOOGLE_API_KEY=your_google_api_key" > .env
   echo "OPENAI_API_KEY=your_openai_api_key" >> .env
   

   如果使用 OpenRouter 或 Azure OpenAI，可以继续添加：

   echo "OPENROUTER_API_KEY=your_openrouter_api_key" >> .env
   echo "AZURE_OPENAI_API_KEY=your_azure_openai_api_key" >> .env
   echo "AZURE_OPENAI_ENDPOINT=your_azure_openai_endpoint" >> .env
   echo "AZURE_OPENAI_VERSION=your_azure_openai_version" >> .env
   

   如果使用本地 Ollama 模型，可设置 Ollama 主机地址（默认本地地址为 http://localhost:11434）：

   echo "OLLAMA_HOST=your_ollama_host" >> .env
   

3. 安装依赖
   确保已安装 Docker 和 Docker Compose。如果未安装，可参考 Docker 官网安装指南。安装完成后，运行以下命令启动服务：

   docker-compose up
   

   这将自动拉取所需镜像并启动 DeepResearch 服务。

4. 验证安装
   服务启动后，访问本地或服务器提供的接口地址（通常为 http://localhost:8000），确认服务是否正常运行。如果出现错误，请检查 .env 文件中的 API 密钥是否正确。

使用方法

DeepResearch 提供了一个简单的用户界面，用户可以通过网页或命令行与工具交互。以下是主要功能的使用步骤：

1. 启动深度研究
   • 打开 DeepResearch 的界面（通常在 http://localhost:8000）。
   • 在“Ask”界面中输入研究问题，例如“人工智能在医疗领域的最新应用”。
   • 切换“Deep Research”开关，启用深度研究模式。
   • 点击“提交”，系统将自动开始多轮研究。
2. 研究过程
   • DeepResearch 会分解问题，生成研究计划。
   • 系统通过搜索引擎和网页抓取收集数据，通常进行最多 5 次迭代。
   • 每次迭代后，系统会更新研究方向，并显示中间结果。
   • 最终生成包含问题分析、数据支持和结论的综合报告。
3. 配置模型
   • 在界面或配置文件中选择所需的大语言模型（如 OpenAI 的 GPT-4 或本地 Ollama 模型）。
   • 如果使用外部 API，确保 .env 文件中的密钥有效。
   • 本地 Ollama 模型适合隐私敏感用户，无需联网即可运行。
4. 查看结果
   • 研究完成后，报告会以结构化格式显示，包含引用的数据来源和分析总结。
   • 用户可以导出报告为 PDF 或 Markdown 格式，方便分享或存档。

常见问题排查

• “Missing environment variables”：检查 .env 文件是否在项目根目录，且包含正确的 API 密钥。
• “API key not valid”：确认 API 密钥无空格且有效，必要时重新生成密钥。
• “OpenRouter API error”：验证 OpenRouter 账户是否有足够余额。
• “服务启动失败”：检查 Docker 是否正常运行，并确保端口未被占用。

进阶使用

• 自定义研究流程：用户可以修改代码中的研究计划模板，调整迭代次数或数据来源优先级。
• 集成其他工具：通过扩展代码，DeepResearch 可以连接更多数据库或分析工具。
• 批量研究：支持通过脚本批量输入多个研究问题，适合需要处理大量课题的用户。

应用场景

1. 学术研究
   研究人员可以使用 DeepResearch 快速收集某一领域的最新论文、新闻和数据。例如，输入“量子计算的最新进展”，工具会自动整理相关文献和报道，生成综述报告。
2. 市场分析
   企业用户可以通过 DeepResearch 分析竞争对手或市场趋势。例如，输入“2025年电动车市场趋势”，工具会抓取行业报告和新闻，生成详细分析。
3. 学生作业
   学生可以用 DeepResearch 辅助完成论文或课题研究。输入主题后，工具会提供结构化的背景资料和参考文献，节省手动搜索时间。
4. 技术开发
   开发者可以利用 DeepResearch 调研技术文档或开源项目。例如，输入“最新的机器学习框架比较”，工具会整理相关信息并生成对比报告。

QA

1. DeepResearch 是否需要联网？
   如果使用本地 Ollama 模型，DeepResearch 可以完全离线运行。但若使用外部 API（如 OpenAI 或 Google Gemini），则需要联网。
2. 如何确保研究结果的准确性？
   DeepResearch 依赖搜索引擎和网页抓取的数据，建议用户手动验证关键信息来源。工具会列出引用链接，方便核查。
3. 是否支持中文研究？
   是的，DeepResearch 支持多语言输入和输出，中文研究表现良好，生成的报告清晰易读。
4. 安装需要多长时间？
   在配置好 Docker 和 API 密钥的情况下，安装通常需要 5-10 分钟，具体取决于网络速度。