Together Open Deep Research：生成带索引的深度研究报告

综合介绍

Open Deep Research 是一个由 Together AI 团队开发并开源的深度研究工具，托管在 GitHub 上。它通过多代理人工智能工作流，模拟人类研究过程，生成详细的研究报告。用户只需输入一个研究主题，工具便能自动规划、搜索、评估信息并撰写带引用的报告。项目支持 Python 3.12+，需要配置 API 密钥以使用外部搜索和语言模型服务。它适用于学术研究、市场分析等场景，强调开源与社区扩展，任何人都可以免费获取代码并根据需求定制。

功能列表

• 生成综合研究报告：根据用户输入的主题，自动生成包含引用的长篇研究报告。
• 多阶段信息收集：通过规划、搜索、自我反思等阶段，确保信息质量。
• 多源信息验证：支持通过 Tavily、HuggingFace 等 API 进行网络搜索，并提供信息来源引用。
• 灵活的架构设计：用户可自定义模型、搜索工具和报告结构，适配不同需求。
• 支持多模态输出：生成报告的同时，可自动创建封面图片、播客等附加内容。
• 开源与社区驱动：代码完全开源，允许用户修改和扩展功能。

使用帮助

安装流程

要使用 Open Deep Research，需要在本地或服务器上配置运行环境。以下是详细的安装步骤：

1. 检查环境要求
   确保系统已安装 Python 3.12 或更高版本。推荐使用虚拟环境以避免依赖冲突。还需要安装 uv（一个比 pip 更快的高效包管理工具）。

   curl -LsSf https://astral.sh/uv/install.sh | sh
   

2. 克隆代码仓库
   从 GitHub 克隆项目代码到本地：

   git clone https://github.com/togethercomputer/open_deep_research.git
   cd open_deep_research
   

3. 创建并激活虚拟环境
   使用 uv 创建虚拟环境并激活：

   uv venv --python=3.12
   source .venv/bin/activate
   

4. 安装依赖
   安装项目所需的所有 Python 包：

   uv pip install -r pyproject.toml
   uv lock --check
   

   如果需要运行 LangGraph 评估，可以安装可选依赖：

   uv pip install -e ".[with-open-deep-research]"
   

5. 配置 API 密钥
   项目依赖外部服务（如 Together AI、Tavily 和 HuggingFace）进行搜索和语言模型推理。需要设置以下环境变量：

   export TOGETHER_API_KEY=your_together_api_key
   export TAVILY_API_KEY=your_tavily_api_key
   export HUGGINGFACE_TOKEN=your_huggingface_token
   

   将 your_together_api_key 等替换为实际的 API 密钥。可以在服务提供商的官网注册账号并获取密钥。

6. 运行项目
   安装完成后，运行主程序以启动研究任务。例如，生成一份关于“人工智能伦理”的报告：

   python main.py --topic "人工智能伦理"
   

   程序将自动执行规划、搜索和报告生成，输出结果保存为 Markdown 文件。

主要功能操作

Open Deep Research 的核心功能是自动化生成研究报告。以下是详细的操作流程：

1. 输入研究主题
   用户通过命令行或脚本指定研究主题。例如：

   python main.py --topic "气候变化的影响"
   

   主题应尽量明确，以便工具生成针对性的报告。

2. 规划阶段
   工具首先使用语言模型（如 Claude 或 GPT）生成报告大纲。用户可以选择接受默认大纲，或手动提供自定义结构。例如，自定义结构可以是：

   {
   "title": "气候变化影响研究",
   "sections": ["引言", "环境影响", "经济影响", "社会影响", "结论"]
   }
   

   保存为 JSON 文件并通过命令行指定：

   python main.py --topic "气候变化的影响" --structure custom_structure.json
   

3. 信息检索与验证
   工具通过 Tavily API 进行网络搜索，获取与主题相关的网页内容。每搜索一轮，系统会自我反思，评估信息质量并提出后续问题。例如，若搜索“气候变化的环境影响”，系统可能生成子问题如“海平面上升的具体数据”。搜索结果会自动去重并提取关键信息。
4. 报告生成
   系统将收集的信息整理为 Markdown 格式的报告，包含标题、章节、引言、正文和参考文献。报告支持多语言输出，默认生成英文报告，用户可通过配置生成中文或其他语言版本。
5. 多模态扩展
   工具支持生成与报告配套的封面图片和播客音频。图片由图像生成模型（如 DALL-E）创建，播客由文本转语音服务生成。这些功能需要额外的 API 配置，例如：

   export DALLE_API_KEY=your_dalle_api_key
   

   生成后，图片和音频文件会保存在输出目录中。

特色功能操作

• 多代理协作
  Open Deep Research 使用多代理工作流，分为规划代理、搜索代理和写作代理。用户可以通过配置文件调整代理行为，例如设置搜索深度：

  python main.py --topic "人工智能伦理" --max_search_depth 3
  

  上述命令将搜索迭代次数增加到 3 次，获取更深入的信息。

• 社区扩展
  由于项目开源，用户可以Fork 代码仓库，添加新功能。例如，集成新的搜索 API（如 Google Custom Search）或支持更多语言模型。修改代码后，重新运行安装命令即可生效。

注意事项

• 确保网络连接稳定，搜索和模型推理依赖外部 API。
• API 密钥需妥善保存，避免泄露。
• 如果遇到依赖冲突，可尝试升级 uv 或使用 Docker 运行项目。

应用场景

1. 学术研究
   学生和研究人员可以使用 Open Deep Research 快速生成文献综述或研究背景报告。例如，输入“量子计算最新进展”，工具会搜索学术数据库和网络资源，生成包含引用的详细报告。
2. 市场分析
   企业分析师可利用工具研究行业趋势。例如，输入“2025年电动车市场预测”，工具会收集市场数据、新闻和报告，生成结构化的分析文档。
3. 教育与培训
   教师可为课程准备教学资料。例如，输入“Python编程基础”，工具会生成包含教程、示例代码和资源的教学大纲。
4. 内容创作
   内容创作者可快速获取灵感或背景信息。例如，输入“元宇宙的未来”，工具会生成包含技术趋势和社会影响的报告，供写作参考。

QA

1. Open Deep Research 支持哪些语言模型？
   默认支持 Together AI、OpenAI 和 HuggingFace 的模型。用户可通过配置文件添加其他模型，如 DeepSeek 或 Claude。
2. 是否需要付费使用？
   项目本身免费，但依赖的 API 服务（如 Tavily、Together AI）需要付费获取密钥。用户可选择免费的替代服务或本地模型。
3. 如何提高报告质量？
   增加搜索深度（--max_search_depth）或使用更强大的语言模型（如 GPT-4）。提供详细的主题描述也有助于生成更精准的报告。
4. 可以离线使用吗？
   目前需要联网以访问搜索和模型 API。未来可能支持本地模型完全离线运行。