原文:https://mp.weixin.qq.com/s/uxRt8xAdWX59n3RkoDJ5Vg
AI + 搜索引擎 = 无敌研究助手?这个开源项目让深度调研效率翻倍
项目概述
Open Deep Research 是一个基于 AI 的研究助手,通过结合搜索引擎、网页抓取和大型语言模型,对任何主题进行迭代式深度研究。该项目旨在提供深度研究代理的最简单实现,目标是将仓库大小控制在 500 行代码以内,以便于理解和扩展。
项目地址:https://github.com/dzhng/deep-research
主要语言:TypeScript
stars: 17.8k
核心功能
迭代研究:通过迭代生成搜索查询、处理结果并基于发现进行深入研究
智能查询生成:使用 LLM 根据研究目标和先前发现生成有针对性的搜索查询
深度与广度控制:可配置的参数控制研究的广度和深度
智能跟进:生成后续问题以更好地理解研究需求
综合报告:生成包含发现和来源的详细 markdown 报告
并发处理:并行处理多个搜索和结果,提高效率
工作原理
项目遵循以下工作流程:
接收用户查询、广度参数和深度参数
生成 SERP(搜索引擎结果页)查询
处理搜索结果,提取学习内容和研究方向
根据深度参数决定是否继续深入研究:
如果深度 > 0,基于先前目标、新问题和学习内容生成下一个研究方向
如果深度 = 0,生成最终的 markdown 报告
技术栈
依赖库:
@ai-sdk/fireworks 和 @ai-sdk/openai:AI 模型集成
@mendable/firecrawl-js:网页搜索和内容提取
ai:AI 功能支持
express:可能用于构建 API 服务
p-limit:控制并发处理
zod:类型验证
环境要求
Node.js 环境(项目指定 Node.js 22.x)
以下 API 密钥:
Firecrawl API(用于网页搜索和内容提取)
OpenAI API(用于 o3 mini 模型)
安装与设置
Node.js 方式
克隆仓库
安装依赖:npm install
在 .env.local 文件中设置环境变量(FIRECRAWL_KEY 等)
Docker 方式
克隆仓库
将 .env.example 重命名为 .env.local 并设置 API 密钥
构建镜像:docker build -f Dockerfile
运行容器:docker compose up -d
在容器中执行:docker exec -it deep-research npm run docker