Deep Research Web UI：支持多语言深度研究的AI助手

综合介绍

Deep Research Web UI 是一个基于AI技术的开源研究助手工具，旨在帮助用户对任何主题进行深度的迭代研究。它结合了搜索引擎、网页抓取和大型语言模型的能力，通过直观的Web界面提供高效的研究体验。用户可以轻松输入研究主题，获取详细的分析报告，并以Markdown或PDF格式导出结果。该工具支持多语言搜索，研究过程通过树状结构可视化，让用户清晰了解AI的探索路径。它还兼容多种AI模型，并提供Docker部署选项，适合个人用户和开发者在本地环境中快速使用。

这是一个针对 https://github.com/dzhng/deep-research 的 Web UI，包含多项改进和修复。

功能列表

• 深度研究功能：通过AI驱动的迭代搜索，逐步深入挖掘指定主题，提供全面的分析结果。
• 树状结构可视化：以图形化方式展示研究过程，帮助用户追踪AI的推理和信息收集路径。
• 多语言搜索支持：支持英文及其他语言的搜索，满足全球化研究需求。
• 报告导出功能：生成的研究报告可导出为Markdown或PDF格式，方便保存和分享。
• 模型兼容性：使用通用提示词，支持多种AI模型供应商，无需依赖特定高级功能。
• 联网搜索集成：内置Tavily搜索服务，每月提供1000次免费搜索，用于获取最新网页信息。
• Docker部署支持：通过一条命令即可在本地部署，适合技术用户自定义环境。
• 流式传输响应：AI生成的内容实时显示，提升用户交互体验。

使用帮助

安装流程

Deep Research Web UI 提供了Docker部署和手动安装两种方式，以下是详细步骤：

方法一：Docker部署（推荐）

1. 准备环境：
   • 确保你的电脑已安装Docker。如果未安装，可从Docker官网下载并安装。
   • 检查Docker是否正常运行，在终端输入docker --version，看到版本号即表示成功。
2. 克隆项目：
   • 打开终端，输入以下命令克隆仓库：

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

3. 构建并运行Docker容器：
   • 在项目目录下运行以下命令构建镜像：

     docker build -t deep-research-web .
     

   • 构建完成后，启动容器：

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

   • -p 3000:3000表示将容器内的3000端口映射到本地的3000端口，-d表示后台运行。
4. 访问界面：
   • 打开浏览器，输入http://localhost:3000，即可看到Deep Research Web UI的界面。

方法二：手动安装

1. 安装Node.js：
   • 确保系统中已安装Node.js（建议版本16或以上），可从Node.js官网下载安装。
   • 验证安装：终端输入node -v，显示版本号即成功。
2. 克隆并安装依赖：
   • 克隆仓库后，进入项目目录：

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

   • 安装依赖：

     npm install
     

3. 启动服务：
   • 输入以下命令启动Web服务：

     npm run dev
     

   • 启动成功后，浏览器访问http://localhost:3000即可使用。

配置API密钥

• 获取Tavily API密钥：
  • 访问Tavily官网注册账号，获取API密钥，每月免费提供1000次搜索。
  • 在项目根目录下创建.env文件，添加以下内容：

    TAVILY_API_KEY=你的Tavily密钥
    

• AI模型配置：
  • 默认支持DeepSeek R1模型，若需使用其他模型（如OpenAI），需在.env中额外配置API密钥和模型名称，例如：

    OPENAI_API_KEY=你的OpenAI密钥
    OPENAI_MODEL=gpt-4
    

  • 保存后重启服务，配置即可生效。

主要功能操作流程

1. 进行深度研究

• 步骤：
  1. 进入主界面，在输入框中输入研究主题，例如“人工智能在医疗领域的应用”。
  2. 点击“开始研究”按钮，AI将开始迭代搜索并分析相关内容。
  3. 研究过程会实时显示，包含搜索关键词和访问的网页链接。
• 特色功能：
  • 迭代深化：AI会根据初步结果生成更具体的子问题，继续深入挖掘。例如，从“人工智能”扩展到“AI诊断技术”。
  • 流式输出：研究结果逐步显示，无需等待整个过程结束。

2. 查看树状可视化

• 步骤：
  1. 研究进行时，界面右侧会显示一个树状图，节点代表AI的每一步探索。
  2. 点击节点可查看该步骤的具体搜索内容和来源网页。
• 特色功能：
  • 直观追踪：树状结构清晰展示研究路径，帮助用户理解AI的逻辑。
  • 多语言支持：树状图支持英文或其他语言的研究过程展示。

3. 导出研究报告

• 步骤：
  1. 研究完成后，点击“导出”按钮。
  2. 选择格式（Markdown或PDF），系统会生成包含详细分析和来源链接的报告。
  3. 下载文件到本地，方便后续查阅或分享。
• 特色功能：
  • 格式丰富：Markdown适合技术用户编辑，PDF适合正式文档分享。
  • 来源可溯：报告中自动附带参考链接，确保信息可信。

使用技巧

• 优化研究主题：输入具体且明确的主题（如“量子计算最新进展”），可获得更精准的结果。
• 调整搜索深度：若结果不够深入，可在输入时添加“详细分析”或“最新数据”等关键词。
• 多语言切换：在主题前注明语言（如“English: AI trends”），即可切换搜索语言。
• 检查API配额：Tavily免费版每月1000次搜索，用尽后需等待下月刷新或升级付费版。

通过以上步骤，用户可以快速上手Deep Research Web UI，无论是学术研究、行业分析还是兴趣探索，都能借助这一工具高效完成。