AI之Tool：deep-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

AI之Tool：deep-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. · GitHub

1、特点

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_KEY="your_firecrawl_key" OPENAI_KEY="your_openai_key" 如果使用本地 LLM，则注释 OPENAI_KEY，启用： OPENAI_ENDPOINT="http://localhost:1234/v1" OPENAI_MODEL="your_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 docker

2、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（Breadth），README 推荐范围为 3～10，默认值为 4。
设置研究深度（Depth），README 推荐范围为 1～5，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.local：
OPENAI_ENDPOINT="http://localhost:1234/v1"
OPENAI_MODEL="your_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。