DeerFlow: uma estrutura automatizada de código aberto para pesquisa profunda

O DeerFlow é uma estrutura de pesquisa profunda de código aberto da ByteDance, projetada para automatizar tarefas de pesquisa por meio da colaboração de várias inteligências. Ele combina modelos de linguagem e ferramentas profissionais, como pesquisa na Web, rastreamento da Web e execução de código Python, para ajudar os usuários a concluir com eficiência tarefas de pesquisa complexas. O DeerFlow foi desenvolvido com base no LangChain e no LangGraph e adota um design modular para oferecer suporte à alocação flexível de tarefas e ao gerenciamento de estados. Os usuários podem ser implementados rapidamente por meio de uma configuração simples, adequada para pesquisadores, desenvolvedores ou usuários que precisam lidar com grandes quantidades de informações. O projeto tem código-fonte totalmente aberto sob a licença MIT, e qualquer pessoa pode acessar o código-fonte e contribuir com ele no GitHub. O DeerFlow oferece uma experiência on-line intuitiva e suporta a implantação com um clique na plataforma de nuvem Volcengine, facilitando o início rápido dos usuários.

Lista de funções

• colaboração de inteligência múltiplaAs tarefas de pesquisa, análise de código e geração de relatórios são divididas entre os módulos de inteligência Pesquisador, Codificador e Repórter.
• Pesquisa e rastreamento na WebIntegração com o Tavily e o Brave Search: a integração com o Tavily e o Brave Search permite a coleta eficiente de informações e a extração de conteúdo da Web.
• Execução de código PythonFerramenta Python REPL integrada que permite aos usuários executar e analisar o código diretamente.
• conversão de texto em falaConverta relatórios de pesquisa em áudio de alta qualidade com suporte para ajustes de velocidade, volume e tom por meio da API Volcengine TTS.
• Geração de relatóriosGera automaticamente relatórios de pesquisa estruturados que podem ser exportados para o formato de documento ou PPT.
• Implementação em um cliqueSuporte à implementação rápida na plataforma de nuvem da Volcengine, simplificando a configuração do ambiente.
• modo interativoLinha de comando: fornece um modo de interação de linha de comando que permite ao usuário ajustar dinamicamente o plano de pesquisa.
• contribuição de código abertoCom base na licença do MIT, a participação da comunidade no desenvolvimento e na otimização é incentivada.

Usando a Ajuda

Processo de instalação

O DeerFlow é fácil de instalar e configurar e é adequado para usuários com experiência básica em programação. Veja a seguir as etapas detalhadas de instalação:

1. armazém de clones
   Clone o repositório DeerFlow localmente executando o seguinte comando em um terminal:

   git clone https://github.com/bytedance/deer-flow.git
   cd deer-flow
   

2. Instalação de dependências
   fazer uso de uv cria automaticamente um ambiente virtual Python e instala as dependências necessárias:

   uv sync
   

   Observação: Certifique-se de que você tenha instalado o uvIsso pode ser feito por meio do pip install uv Instalação.

3. Configuração de variáveis de ambiente
   Copie o arquivo de configuração de amostra e preencha a chave de API:

   cp .env.example .env
   

   existir .env para adicionar a seguinte chave de API:

   • Tavily API: usada para pesquisa na Web, precisa estar no Site oficial da Tavily Registre-se para ter acesso.
   • Brave Search API: usada para aprimorar a funcionalidade de pesquisa, precisa ser adicionada ao Busca corajosa Registre-se.
   • API Volcengine TTS: usada para a função de conversão de texto em fala, é necessário obter credenciais na plataforma Volcengine.
     exemplo típico .env Conteúdo do arquivo:

   TAVILY_API_KEY=your_tavily_api_key
   BRAVE_SEARCH_API_KEY=your_brave_api_key
   VOLCENGINE_TTS_KEY=your_volcengine_tts_key
   

4. Modelos e parâmetros de configuração
   Copie o arquivo de configuração de exemplo e ajuste-o conforme necessário:

   cp conf.yaml.example conf.yaml
   

   existir conf.yaml Configure o modelo de idioma (por exemplo, GPT ou outro modelo suportado) e a chave de API na seção Consulte a seção docs/configuration_guide.md.

5. Instalação do Marp (opcional)
   Se você precisar gerar relatórios no formato PPT, precisará instalar o Marp CLI:

   brew install marp-cli
   

   Para sistemas não macOS, consulte Site oficial da Marp CLI Obtenha o método de instalação.

6. Executando o DeerFlow
   Após a conclusão da configuração, execute o seguinte comando para iniciar:

   python main.py --query "你的研究问题" --interactive
   

   Exemplo:

   python main.py --query "量子计算对密码学的影响" --interactive
   

Uso das funções principais

A funcionalidade principal do DeerFlow está centrada na colaboração com várias inteligências e é dividida nos seguintes processos modulares:

1. Entrada de tarefas de pesquisa
   O usuário insere uma pergunta de pesquisa na linha de comando, por exemplo, "Analisar o impacto da computação quântica na criptografia", e a inteligência do planejador do DeerFlow divide a tarefa, gera um plano de pesquisa e o atribui à inteligência apropriada. Os usuários podem ajustar dinamicamente o plano no modo interativo:

   python main.py --query "你的研究问题" --interactive
   

   O modo interativo solicita que o usuário insira informações adicionais ou confirme o plano.

2. Pesquisa na Web e coleta de informações
   A inteligência do Researcher usa as APIs de pesquisa da Tavily ou da Brave para coletar informações relevantes. Ele rastreia automaticamente o conteúdo da Web, extrai os principais dados e os armazena em um banco de dados temporário. Os usuários podem ajustar a profundidade da pesquisa por meio de um arquivo de configuração:

   search:
   engine: tavily
   max_results: 10
   

3. Execução e análise de código
   As inteligências do Coder suportam a execução do código Python. Por exemplo, se o usuário inserir uma tarefa de análise de dados, o Coder gera e executa o código:

   import pandas as pd
   df = pd.read_csv('data.csv')
   print(df.describe())
   

   Os resultados da execução são alimentados de volta ao estudo. Os usuários podem verificar os resultados da execução do código no modo interativo.

4. Geração de relatórios e conversão de texto em fala
   A inteligência do Reporter agrupa as informações coletadas em relatórios estruturados que podem ser exportados para os formatos Markdown, PDF ou PPT. Os usuários podem ativar a funcionalidade de conversão de texto em fala para converter relatórios em áudio:

   python main.py --query "你的研究问题" --tts
   

   O arquivo de áudio será salvo no diretório especificado e ele permite ajustar a velocidade e o tom da fala:

   tts:
   speed: 1.0
   volume: 1.0
   pitch: 0.0
   

5. Fluxos de trabalho personalizados
   O DeerFlow usa o LangGraph para gerenciar o estado das inteligências, que pode ser modificado pelo usuário modificando o conf.yaml Personalize o fluxo de tarefas. Por exemplo, aumente o número de iterações de pesquisa:

   max_plan_iterations: 3
   max_step_num: 5
   

Operação da função em destaque

• Iteração dinâmica de tarefasInteligência: A inteligência do Planner oferece suporte ao ajuste dinâmico do plano de pesquisa com base nos resultados da pesquisa. Por exemplo, se os resultados da pesquisa inicial forem insuficientes, o Planner iniciará automaticamente uma nova rodada de pesquisas.
• Geração de podcastsO DeerFlow pode converter relatórios em formato de podcast, o que é ideal para compartilhar resultados de pesquisa.
• Geração de PPTO DeerFlow pode transformar relatórios em PPTs profissionais por meio do Marp CLI, adequado para conferências acadêmicas ou apresentações de equipes.

advertência

• Garanta uma conexão de rede estável para suportar chamadas de API e rastreamento da Web.
• sonda .env responder cantando conf.yaml configuração para evitar a indisponibilidade de recursos devido a erros de chave.
• consulta docs/FAQ.md Solucionar problemas comuns, como falhas na instalação de dependências ou limitações de acesso à API.

cenário do aplicativo

1. pesquisa acadêmica
   Estudantes ou pesquisadores podem usar o DeerFlow para coletar rapidamente literatura, analisar dados e gerar relatórios estruturados. Por exemplo, digite "revisão dos mais recentes algoritmos de IA" e o DeerFlow pesquisará automaticamente os artigos relevantes, extrairá as principais informações e gerará um relatório.
2. desenvolvimento de tecnologia
   Os desenvolvedores podem usar as inteligências do codificador para analisar bases de código ou executar códigos experimentais. Por exemplo, digite "Compare the performance of different machine learning models" (Compare o desempenho de diferentes modelos de aprendizado de máquina) e o DeerFlow executará um script Python e gerará um relatório de comparação.
3. análise de mercado
   As equipes de marketing podem usar a DeerFlow para coletar dados de tendências do setor e gerar relatórios de mercado ou podcasts. Por exemplo, digite "Social Media Trends 2025" e o DeerFlow rastreará as páginas da Web relevantes e gerará análises.
4. Educação e treinamento
   Os professores podem usar a DeerFlow para gerar materiais didáticos ou PowerPoints; por exemplo, digite "Introduction to Quantum Computing" (Introdução à computação quântica) e a DeerFlow reunirá o conteúdo relevante e gerará slides didáticos.

QA

1. Quais modelos de idiomas são compatíveis com o DeerFlow?
   O DeerFlow oferece suporte a vários modelos de linguagem, incluindo a família GPT e outros modelos de código aberto. Os usuários podem encontrar mais informações sobre o DeerFlow na página conf.yaml Configure o tipo de modelo e a chave de API na seção
2. Como resolver o problema da chave de API inválida?
   sonda .env A chave no arquivo está correta. Verifique se você está registrado na plataforma Tavily, Brave ou Volcengine e se tem uma chave válida.
3. É necessário ter experiência em programação?
   Não é necessária nenhuma experiência em programação para o uso básico, mas é preciso ter conhecimentos básicos de Python para configurar o ambiente e personalizar os fluxos de trabalho.
4. Como posso otimizar meus resultados de pesquisa?
   existir conf.yaml ajuste do estágio central max_results responder cantando search_engine para selecionar um mecanismo de pesquisa mais adequado.