深度研究deep-research优秀开源项目

原文链接:https://i68.ltd/notes/posts/20250305-deep-research2/

港大开源AI科研神器AI-Researcher

• 项目仓库:GitHub - HKUDS/AI-Researcher: "AI-Researcher: Fully-Automated Scientific Discovery with LLM Agents" & "Open-Sourced Alternative to Google AI Co-Scientist" 305
• AI-Researcher：告别熬夜肝论文！港大开源AI科研神器，从选题到发表全自动

优势

• 文献综述自动化：5分钟扫荡arXiv+GitHub最新成果
• 智能实验设计：自动验证算法并生成可视化报告
• 论文全流程托管：从引言到参考文献一键生成SCI级文稿

主要功能

• 文献综述：系统自动收集和分析特定领域的现有研究文献，基于检索学术数据库（如 arXiv、IEEE Xplore 等）和代码平台（如 GitHub、Hugging Face）获取高质量的研究资源。
• 算法验证与优化：自动进行实验设计、执行和结果分析，评估算法的性能，根据反馈进行优化，确保算法的有效性和可靠性。
• 论文撰写：自动生成完整的学术论文，包括研究背景、方法、实验结果和讨论等内容。
• 多领域支持与基准测试：支持计算机视觉、自然语言处理、数据挖掘等多个领域的研究，提供标准化的基准测试框架，用于评估研究质量和创新性。

Deep Research Web UI

• 项目仓库:GitHub - AnotiaWang/deep-research-web-ui: (Supports DeepSeek R1) An AI-powered research assistant that performs iterative, deep research on any topic by combining search engines, web scraping, and large language models. 1.5k
• demo:https://deep-research.ataw.top
• 1.4k Stars！DeepSeek R1 版Deep Research 来了
• Deep Research Web UI：开源版Deep Research！接入DeepSeek一键生成深度研究报告，可视化检索过程
• 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.的可视化版本，并做了一些改进。

特色

• 🚀 隐私安全：所有配置和 API 请求均在浏览器端完成
• 🕙 实时反馈：流式传输 AI 响应并在界面实时展示
• 🌳 搜索可视化：使用树状结构展示研究过程，支持使用英文搜索词
• 📄 支持导出 PDF：将最终研究报告导出为 Markdown 和 PDF 格式
• 🤖 多模型支持：底层使用纯提示词而非结构化输出等新特性，兼容更多大模型供应商

优点

• 智能拆解课题：5分钟生成研究树状图，自动延伸子方向
• 跨语言知识捕手：中英文献同步解析，数据自动对齐对比
• 浏览器端隐私保护：所有分析本地运行，敏感课题不泄密

功能要点

• 深度研究：通过多轮次的搜索和推理，逐步深入挖掘研究主题，自动扩展和细化问题，提供全面的研究结果。根据已获取的信息，AI 助手会实时调整搜索方向，确保研究的深度和广度。
• 搜索可视化：以树状图的形式展示研究过程，清晰呈现每个节点的搜索内容和推理逻辑，帮助用户追踪 AI 的研究路径。
• 节点信息管理：用户可以查看每个节点的详细内容，包括搜索结果、引用链接等，还可以对节点进行标记、删除或重新搜索。 多语言支持：支持多种语言的搜索和研究，包括但不限于英文、中文、荷兰语等，满足不同用户的需求。
• 联网搜索与信息检索：Deep Research Web UI 能实时访问网络，从互联网上检索相关的信息，包括文本、图像、PDF 文件等。通过智能搜索算法提高信息检索的效率和准确性，支持多种搜索服务，如 Tavily 和 Firecrawl。
• 数据分析与处理：检索到信息后，Deep Research Web UI 会对数据进行分析和处理，提取关键信息和数据。能处理多模态数据，包括文本、图像和表格等，通过自定义算法解析和理解表格、图表中的数据，进行结构化处理。
• 报告生成与可视化：根据分析结果，Deep Research Web UI 会生成一份详细的研究报告，包括清晰的引用和对其思考过程的总结。包含文本信息，图像、表格、图表等多种形式的内容。
• 浏览器端运行：所有配置和 API 请求均在浏览器端完成，用户数据不会上传到服务器，保障隐私安全。
• 支持多种 AI 服务：兼容 OpenAI、DeepSeek、OpenRouter、Ollama 等多种 AI 服务，用户可以根据需要选择不同的模型。
• 自定义部署：支持通过 Docker 在本地快速部署，用户可以根据自己的需求进行自定义配置。

deep-searcher

• 项目仓库:GitHub - zilliztech/deep-searcher: Open Source Deep Research Alternative to Reason and Search on Private Data. Written in Python.
• DeepSearcher开源：告别传统RAG，私有数据+Deepseek，打造本地版Deep Research

功能特点

• 多步骤信息收集与推理：Deep Research能够自主进行多步骤的网络调查，快速整合来自互联网的海量信息，包括文本、图像和PDF文件。
• 专业级报告生成：通过分析和综合数百个在线资源，Deep Research能在5到30分钟内生成一份带有详细引用的专业报告，大幅缩短传统研究所需时间。

相比传统RAG，Deep Research突破

• 额外判定逻辑：通过添加判定逻辑，提高答案的准确性。Deep Research 可以采用多源验证、逻辑推导等质量控制机制，确保研究结果的可靠性，并避免了传统 RAG 中存在的盲目检索和过度检索问题。相比之下，传统 RAG 在信息整合和验证方面可能不够完善
• 搜索结果为主：答案更多来源于搜索结果，而非大模型生成。大模型主要负责内容总结和相关性判定，从而提高答案的可信度。
• 深度思考与复杂任务处理：Deep Research 能够像人类研究员一样自主进行多步骤的互联网研究，理解信息、整合资源，并根据新发现调整研究计划，这种自主性和多步骤解决问题的能力，普通RAG难以做到。