AI之Tooldeep-research(AI 驱动搜索引擎网页抓取)的简介、安装和使用方法、案例应用之详细攻略目录deep-research的简介1、特点deep-research的安装和使用方法1、安装Node.js 环境安装Docker 安装2、使用方法deep-research的案例应用案例一执行一次完整的深度研究— 根据指定主题生成完整研究报告案例二使用本地 LLM 运行研究— 配置本地模型完成 Deep Research案例三通过 Docker 部署 Deep Research— 使用 Docker 运行 Deep Research 服务deep-research的简介Deep Research 是一个AI 驱动的研究助手项目能够结合搜索引擎、网页抓取以及大型语言模型LLM对任意主题执行迭代式Iterative的深度研究。项目的目标是提供一个实现简单、易于理解和扩展的 Deep Research Agent使其能够随着研究过程不断调整研究方向并逐步深入探索目标主题。项目围绕“深度研究Deep Research”构建完整工作流程首先接收用户的研究主题以及研究广度Breadth和深度Depth参数然后自动生成补充问题以明确研究目标随后生成多个搜索查询SERP Queries分析搜索结果并提取关键发现Learnings与新的研究方向Directions当研究深度未达到设定值时继续递归开展下一轮研究最终整理生成完整的 Markdown 研究报告。整个项目保持较小的代码规模目标控制在 500 行代码以内方便开发者阅读源码、理解 Deep Research Agent 的整体实现思路并在此基础上进行扩展和二次开发。Github地址GitHub - dzhng/deep-research: An AI-powered research assistant that performs iterative, deep research on any topic by combining search engines, web scraping, and large language models. The goal of this repo is to provide the simplest implementation of a deep research agent - e.g. an agent that can refine its research direction overtime and deep dive into a topic. · GitHub1、特点特点详细说明迭代式深度研究通过不断生成搜索请求、分析结果并继续深入探索实现持续迭代研究。智能搜索查询生成使用大语言模型根据研究目标和已有研究结果自动生成 SERP 查询。可配置研究广度与深度支持 Breadth广度与 Depth深度参数自定义研究范围和递归层级。自动补充问题在正式研究前生成补充问题以进一步明确用户的研究需求。自动生成 Markdown 报告将研究结果整理为完整的 Markdown 报告并附带引用来源。并发处理能力支持多个搜索任务及结果分析并发执行提高研究效率。支持本地 LLM可配置本地 OpenAI Compatible Endpoint 与模型无需固定使用默认模型。支持 Docker 部署提供 Dockerfile 与 docker-compose 配置可快速部署运行。支持自定义模型可通过环境变量指定 OpenAI Compatible Endpoint 与模型名称。保持简洁实现项目以易理解、易扩展为目标控制代码规模方便学习 Deep Research Agent 的实现。deep-research的安装和使用方法1、安装Node.js 环境安装克隆项目 git clone https://github.com/dzhng/deep-research.git cd deep-research 安装依赖 npm install 创建环境变量文件 cp .env.example .env.local 配置环境变量 FIRECRAWL_KEYyour_firecrawl_key OPENAI_KEYyour_openai_key 如果使用本地 LLM则注释 OPENAI_KEY启用 OPENAI_ENDPOINThttp://localhost:1234/v1 OPENAI_MODELyour_model_name以上内容均来自项目 README。Docker 安装构建镜像 docker build -f Dockerfile 启动容器 docker compose up -d 进入容器运行 docker exec -it deep-research npm run docker2、使用方法启动项目npm start随后按照程序提示完成研究流程输入研究主题Research Query。设置研究广度BreadthREADME 推荐范围为 310默认值为 4。设置研究深度DepthREADME 推荐范围为 15默认值为 2。回答系统提出的补充问题以进一步明确研究方向。随后系统自动执行完整研究流程自动生成多个搜索查询SERP Queries执行搜索并处理搜索结果根据研究发现递归开展下一轮研究汇总所有研究内容并生成 Markdown 报告。最终生成的研究结果保存为当前目录下的 report.md 或 answer.md。deep-research的案例应用案例一执行一次完整的深度研究—根据指定主题生成完整研究报告启动程序npm start随后依次完成输入研究主题设置 Breadth设置 Depth回答补充问题。系统随后自动完成搜索、分析、递归研究并最终生成 Markdown 报告report.md 或 answer.md。案例二使用本地 LLM 运行研究—配置本地模型完成 Deep Research案例实现内容修改 .env.localOPENAI_ENDPOINThttp://localhost:1234/v1OPENAI_MODELyour_model_name同时注释掉OPENAI_KEY完成配置后启动项目npm start项目将按照配置使用本地 OpenAI Compatible 模型完成整个研究流程。案例三通过 Docker 部署 Deep Research—使用 Docker 运行 Deep Research 服务首先构建 Docker 镜像docker build -f Dockerfile启动容器docker compose up -d随后进入容器执行docker exec -it deep-research npm run docker完成后即可按照项目提供的研究流程执行深度研究任务。