DeepResearchAgent

O DeepResearchAgent é uma ferramenta de IA de código aberto desenvolvida pela SkyworkAI que se concentra na automação de pesquisas profundas. Ela ajuda os usuários a gerar rapidamente relatórios de pesquisa detalhados, combinando mecanismos de pesquisa, rastreamento da Web e modelagem de linguagem em larga escala (LLM). Os usuários simplesmente inserem um tópico ou pergunta de pesquisa, e a ferramenta pesquisa automaticamente, extrai as informações e as agrupa em um relatório estruturado. O projeto está hospedado no GitHub para desenvolvedores, pesquisadores e criadores de conteúdo, com personalização flexível e suporte ao tempo de execução local. Com ênfase na proteção da privacidade e no suporte à implantação local, o DeepResearchAgent é adequado para usuários que precisam analisar tópicos complexos com eficiência.

Lista de funções

• Pesquisa automatizada: pesquisa e extração automatizadas de conteúdo relevante da Web com base em tópicos ou perguntas inseridas pelo usuário.
• Extração inteligente de conteúdo: uso da tecnologia de rastreamento da Web para extrair com precisão as principais informações das páginas da Web.
• Geração de relatórios: agrupe os resultados da pesquisa em um relatório de pesquisa estruturado com citações e conteúdo formatado.
• Suporte à operação local: pode ser executado no ambiente local do usuário para proteger a privacidade dos dados.
• Suporte a vários LLMs: compatível com OpenAI, Anthropic, Deepseek e outros modelos multilíngues.
• Interação flexível: oferece suporte à interação LLM nos modos de chamada de função e chamada sem função.
• Personalização de código aberto: fornece código-fonte completo, permitindo que os usuários modifiquem e ampliem a funcionalidade de acordo com suas necessidades.

Usando a Ajuda

Processo de instalação

O DeepResearchAgent precisa ser instalado e configurado em seu ambiente local. Abaixo estão as etapas de instalação detalhadas para usuários familiarizados com Python e Docker.

1. Preparação do ambiente
   Certifique-se de que o sistema tenha o Python 3.10 e o Docker instalados, pois o Python é usado para executar os programas principais e o Docker é usado para colocar o ambiente em contêineres para garantir a consistência.
   • Verificar a versão do Python: runpython --versionconfirmando que a versão é 3.10 ou superior.
   • Instalar o Docker: visite o site oficial do Docker para fazer o download e instalá-lo.
2. armazém de clones
   Clone a base de código do DeepResearchAgent localmente usando o Git:

   git clone https://github.com/SkyworkAI/DeepResearchAgent.git
   cd DeepResearchAgent
   

3. Criando um ambiente Python
   Use o Conda para criar e ativar um ambiente virtual para isolar as dependências do projeto:

   conda create -n deep_research python=3.10
   conda activate deep_research
   

4. Instalação de dependências
   No diretório raiz do projeto, instale as dependências necessárias do Python:

   pip install -e .
   

   Isso instalará as principais bibliotecas necessárias para o projeto, incluindo ferramentas de rastreamento da Web e suporte à interface LLM.

5. Configuração do ambiente do Docker
   O DeepResearchAgent usa um ambiente interativo em contêineres do Docker que elimina a necessidade de extrair imagens manualmente, pois o programa seleciona automaticamente a imagem apropriada com base na arquitetura do dispositivo. Os usuários precisam criar.envconfigura a chave de API para o LLM:
   • fazer uma cópia de.env.templatepor causa de.env::

     cp .env.template .env
     

   • compilador.envpreencha a chave de API do LLM desejado (por exemplo, OpenAI, Deepseek, etc.). Nem todas as chaves de API precisam ser preenchidas, basta configurar o modelo que você planeja usar.
6. procedimento de acionamento
   Execute o seguinte comando para iniciar o DeepResearchAgent:

   auto deep-research
   

   Isso iniciará a ferramenta no modo interativo, pronta para aceitar a entrada do usuário.

Função Fluxo de operação

1. estudos de automação

Depois de iniciar a ferramenta, o usuário pode inserir um tópico de pesquisa ou uma pergunta específica. Por exemplo, se você digitar "inteligência artificial na área da saúde", a ferramenta procurará automaticamente informações relevantes nos mecanismos de pesquisa, e o DeepResearchAgent chamará o módulo de rastreamento da Web incorporado para acessar e extrair texto, tabelas ou outros dados estruturados de páginas da Web. Os usuários não precisam especificar manualmente os termos de pesquisa, a ferramenta otimizará a consulta por meio do LLM para encontrar fontes de alta qualidade.

2. extração e agrupamento de conteúdo

As informações extraídas são processadas pelo LLM para filtrar as partes mais relevantes do tópico. A ferramenta remove automaticamente anúncios, barras de navegação e outros conteúdos irrelevantes para garantir que o resultado seja preciso. Os usuários podem optar por manter ou não o link da página da Web original como uma citação. Após a conclusão da extração, as informações são agrupadas em parágrafos, listas ou tabelas para gerar um relatório preliminar.

3. geração de relatórios

O DeepResearchAgent suporta a geração de relatórios estruturados com introdução, conteúdo principal e referências. Os usuários podem especificar o formato do relatório, por exemplo, Markdown ou PDF, por meio de parâmetros de linha de comando na inicialização e, após gerar o relatório, a ferramenta o salvará automaticamente em um diretório especificado para facilitar a edição ou o compartilhamento. O conteúdo do relatório é lógico e claro, e o formato de citação é padronizado, adequado para cenários acadêmicos ou profissionais.

4. operação local e proteção da privacidade

Todo o processamento de dados é feito localmente, sem upload para a nuvem. Os usuários podem personalizar a lógica de processamento de dados modificando o código, por exemplo, ajustando o escopo da pesquisa ou otimizando a estrutura do relatório. O código-fonte aberto permite que os desenvolvedores adicionem novos recursos, como suporte para mais LLMs ou integração com outras fontes de dados.

5. compatível com uma variedade de LLM

O DeepResearchAgent oferece suporte a uma ampla gama de LLMs convencionais, e o usuário pode.envpara configurar a chave da API. A ferramenta seleciona automaticamente um modelo para lidar com a tarefa com base na configuração. Os modelos recomendados incluem o Deepseek e o Grok para desempenho estável e baixo custo. Os usuários também podem oferecer suporte a modelos personalizados modificando o código.

6. operações de linha de comando

Uma vez iniciado, o usuário pode interagir por meio da linha de comando. Por exemplo, ao executarauto deep-research --topic "区块链技术"Serão gerados relatórios para tecnologias de blockchain. Mais parâmetros estão disponíveis na documentação oficial, como a configuração do idioma do relatório ou a profundidade da pesquisa.

advertência

• Garanta uma conexão estável com a Internet para que a ferramenta possa acessar mecanismos de pesquisa e páginas da Web.
• Ao configurar a chave de API, verifique se o modelo exige pagamento adicional (por exemplo, GPT-4 para OpenAI).
• A operação local requer pelo menos 8 GB de RAM e uma CPU de 4 núcleos para garantir o manuseio suave de tarefas complexas.
• Verifique regularmente o repositório do GitHub para obter atualizações dos recursos e correções mais recentes.

cenário do aplicativo

1. pesquisa acadêmica
   Os pesquisadores podem usar o DeepResearchAgent para reunir rapidamente a literatura e as informações mais recentes em um campo específico. Por exemplo, digite "últimos avanços em computação quântica" e a ferramenta rastreará automaticamente sites acadêmicos, notícias e blogs para gerar relatórios com as principais descobertas e citações.
2. criação de conteúdo
   Blogueiros ou jornalistas podem usar a ferramenta para gerar rapidamente informações básicas. Por exemplo, ao escrever um artigo sobre "Tendências de energia renovável", insira o tópico e obtenha análises e dados de mercado estruturados.
3. Análise de negócios
   Os usuários corporativos podem pesquisar a dinâmica do mercado ou informações sobre a concorrência. Por exemplo, digite "Electric Vehicle Market 2025" e a ferramenta reunirá relatórios do setor, dados de vendas e previsões de tendências.
4. Personalização do desenvolvedor
   Os desenvolvedores podem desenvolver ferramentas de pesquisa personalizadas com base no código-fonte aberto. Por exemplo, adicionar interfaces de banco de dados específicas para gerar relatórios detalhados específicos do setor.

QA

1. O DeepResearchAgent requer uma conexão com a Internet?
   Sim, a ferramenta requer uma conexão com a Internet para acessar o mecanismo de pesquisa e o conteúdo da Web. No entanto, o processamento de dados e a geração de relatórios são feitos localmente para proteger a privacidade do usuário.
2. Quais idiomas são compatíveis com os relatórios?
   Atualmente, suporta relatórios em chinês, inglês e outros idiomas, dependendo do LLM usado, e o usuário pode especificar o idioma de saída na configuração.
3. Como otimizar a qualidade dos resultados de pesquisa?
   Tente ser o mais específico possível ao inserir tópicos, por exemplo, "AI chip market 2025" é mais preciso do que "AI chip". Os usuários também podem ajustar os parâmetros de pesquisa por código.
4. É necessário ter experiência em programação?
   Não é necessário programar para o uso básico, a operação da linha de comando é suficiente. Entretanto, as funções personalizadas exigem noções básicas de Python e Git.