ディープリサーチWeb UI：多言語でのディープリサーチをサポートするAIアシスタント

はじめに

Deep Research Web UI は、AI 技術に基づいたオープンソースのリサーチアシスタントツールです。検索エンジン、ウェブクローリング、大規模言語モデルのパワーを組み合わせ、直感的なウェブインターフェースを通じて効率的なリサーチ体験を提供します。ユーザーは簡単にリサーチトピックを入力し、詳細な分析レポートにアクセスし、結果をMarkdownまたはPDF形式でエクスポートすることができます。このツールは多言語検索をサポートし、調査プロセスはツリー構造で視覚化されるため、ユーザーはAIの探索経路を明確に理解することができます。また、幅広いAIモデルと互換性があり、個人ユーザーや開発者がローカル環境で迅速に使用できるよう、Dockerデプロイオプションを提供しています。

これは https://github.com/dzhng/deep-research 用の Web UI で、いくつかの改善と修正が含まれています。

機能一覧

• 綿密なリサーチ機能AIを活用した反復検索により、特定のトピックを段階的に深く掘り下げ、包括的な分析を提供。
• ツリー構造の視覚化ユーザーがAIの推論と情報収集の道筋を追跡できるよう、研究プロセスを図式化したもの。
• 多言語検索サポートグローバルな研究ニーズに対応するため、英語およびその他の言語での検索に対応。
• レポート出力機能生成された調査レポートは、保存や共有が簡単にできるよう、MarkdownやPDF形式でエクスポートすることができます。
• モデルの互換性汎用的なキューワードの使用、複数のAIモデルベンダーのサポート、特定の高度な機能に依存する必要なし。
• ネットワーク検索の統合内蔵のTavily検索サービスでは、最新のウェブ情報を毎月1,000件無料で検索できます。
• Dockerデプロイのサポートテクニカル・ユーザーが環境をカスタマイズできるように、コマンド1つでローカルにデプロイできます。
• ストリーミング対応AIが生成したコンテンツはリアルタイムで表示され、ユーザーとのインタラクション体験を向上させる。

ヘルプの使用

設置プロセス

Deep Research Web UIはDockerデプロイと手動インストールの両方を提供しています：

方法1：Dockerデプロイ（推奨）

1. 環境を整える::
   • お使いのコンピューターにDockerがインストールされていることを確認してください。インストールされていない場合は、Dockerのウェブサイトからダウンロードしてインストールしてください。
   • Dockerが正しく起動しているか確認するには、ターミナルで次のように入力する。docker --versionバージョン番号が表示されれば成功だ。
2. クローンプロジェクト::
   • ターミナルを開き、以下のコマンドを入力してリポジトリをクローンする：

     git clone https://github.com/AnotiaWang/deep-research-web-ui.git
     cd deep-research-web-ui
     

3. Dockerコンテナの構築と実行::
   • プロジェクト・ディレクトリで以下のコマンドを実行してイメージをビルドする：

     docker build -t deep-research-web .
     

   • ビルドが完了したら、コンテナを起動する：

     docker run -p 3000:3000 --name deep-research-web -d deep-research-web
     

   • -p 3000:3000は、コンテナのポート3000がローカルでポート3000にマップされていることを示す。-dバックグラウンドで動作していることを示す。
4. アクセスインターフェイス::
   • ブラウザを開き、次のように入力する。http://localhost:3000Deep Research Web UIのインターフェイスをご覧になりたい場合は、以下のリンクをクリックしてください。

方法2：手動インストール

1. Node.jsのインストール::
   • Node.jsがシステムにインストールされていることを確認してください（推奨バージョン16以上）。Node.jsはNode.jsの公式ウェブサイトからダウンロードしてインストールできます。
   • 設置の確認：端子入力node -vバージョン番号が表示されれば成功。
2. 依存関係のクローンとインストール::
   • リポジトリをクローンしたら、プロジェクト・ディレクトリに移動します：

     git clone https://github.com/AnotiaWang/deep-research-web-ui.git
     cd deep-research-web-ui
     

   • 依存関係をインストールします：

     npm install
     

3. サービス開始::
   • 以下のコマンドを入力してウェブ・サービスを開始する：

     npm run dev
     

   • 起動に成功すると、ブラウザはhttp://localhost:3000利用できる。

APIキーの設定

• TavilyのAPIキーを取得する::
  • Tavilyのウェブサイトにアクセスしてアカウント登録し、APIキーを取得すると、毎月1,000件の検索が無料になる。
  • プロジェクトのルート・ディレクトリに.envファイルに以下を追加する：

    TAVILY_API_KEY=你的Tavily密钥
    

• AIモデルの構成::
  • DeepSeek R1モデルはデフォルトでサポートされています。他のモデル（OpenAIなど）を使用したい場合は、新しいモデルを.env例えば、APIキーとモデル名の追加設定：

    OPENAI_API_KEY=你的OpenAI密钥
    OPENAI_MODEL=gpt-4
    

  • 設定を有効にするには、サービスを保存して再起動します。

主な機能

1.綿密な調査の実施

• 動く::
  1. メイン・インターフェースに移動し、入力ボックスに研究トピックを入力します（例：「ヘルスケアにおける人工知能」）。
  2. リサーチ開始」ボタンをクリックすると、AIが関連するコンテンツの検索と分析を繰り返し開始します。
  3. 調査プロセスはリアルタイムで表示され、検索キーワードや訪問したページへのリンクが含まれる。
• 注目の機能::
  • 反復的な深化AIは最初の結果をもとに、より具体的なサブ問題を生成し、さらに深堀りしていく。例えば、「人工知能」から「AI診断学」へと拡大する。
  • ストリーミング出力この研究結果は、すべてのプロセスが完了するのを待つ必要がないことを段階的に示している。

2.ツリー表示

• 動く::
  1. 調査が進むと、インターフェースの右側にツリー図が表示され、ノードがAIの探索の各ステップを表す。
  2. ノードをクリックすると、そのステップの特定の検索ページとソースページが表示されます。
• 注目の機能::
  • ビジュアル・トラッキングツリー構造は研究の道筋を明確に示し、ユーザーがAIのロジックを理解するのに役立ちます。
  • 多言語サポートツリーダイアグラムは、英語または他の言語での研究プロセスのプレゼンテーションをサポートします。

3.研究の輸出

• 動く::
  1. 調査が完了したら、「エクスポート」ボタンをクリックします。
  2. フォーマット（MarkdownまたはPDF）を選択すると、詳細な分析とソースへのリンクを含むレポートが生成される。
  3. ファイルをローカルにダウンロードして、フォローアップや共有を簡単に行うことができます。
• 注目の機能::
  • フォーマットの豊富さMarkdownは技術者が編集するのに適しており、PDFは正式な文書を共有するのに適しています。
  • トレーサブル参考リンクは、情報の信頼性を保証するために、自動的にレポートに含まれます。

ヒントとコツ

• 研究テーマの最適化具体的で明確なトピック（例："Recent advances in quantum computing"）を入力すると、より正確な結果が得られます。
• 検索深度の調整詳細分析」「最新データ」などのキーワードを追加することもできる。
• 多言語切り替え検索言語を切り替えるには、件名の前に言語を指定します（例："English: AI trends"）。
• APIクォータのチェックTavilyの無料版の検索回数は月に1,000回で、それがなくなると翌月の更新を待つか、有料版にアップグレードしなければならない。

以上の手順で、ユーザーはDeep Research Web UIをすぐに使い始めることができる。学術研究であれ、業界分析であれ、興味探求であれ、このツールですべてを効率的に行うことができる。