II-Researcher: búsqueda profunda y razonamiento por pasos para responder a preguntas complejas

Introducción general

II-Researcher es una herramienta de investigación de IA de código abierto desarrollada por el equipo Intelligent-Internet y alojada en GitHub, diseñada para la búsqueda profunda y el razonamiento complejo, capaz de responder a preguntas complejas mediante la búsqueda inteligente en la web y el análisis en varios pasos. Lanzado el 27 de marzo de 2025, el proyecto es compatible con múltiples herramientas de búsqueda y rastreo (por ejemplo, Tavily, SerpAPI, Firecrawl) e integra LiteLLM para llamar a diferentes modelos de IA. Los usuarios pueden obtener el código gratuitamente y desplegarlo o modificarlo por sí mismos, lo que resulta idóneo para investigadores, desarrolladores y otras personas que necesiten un procesamiento eficaz de la información. Su núcleo radica en el código abierto, configurable y de funcionamiento asíncrono, proporcionando un apoyo transparente a la investigación.

II-Researcher:深度搜索与分步推理解答复杂问题

 

Lista de funciones

  • Búsqueda inteligente en Internet: a través de Tavily y SerpAPI para obtener información precisa.
  • Rastreo y extracción de páginas web: Soporta Firecrawl, Browser, BS4 y otras herramientas para extraer contenidos.
  • Razonamiento en varios pasos: capacidad para descomponer un problema y razonar paso a paso hasta llegar a una respuesta.
  • Modelos configurables: soporte para ajustar los LLM a diferentes tareas (por ejemplo, GPT-4o, DeepSeek).
  • Operaciones asíncronas: mejora de la eficacia de la búsqueda y el procesamiento.
  • Genere respuestas detalladas: proporcione informes completos con referencias.
  • Canalizaciones personalizadas: los usuarios pueden ajustar el proceso de búsqueda y razonamiento.

 

Utilizar la ayuda

Proceso de instalación

Para utilizar II-Researcher, es necesario instalar y configurar el entorno. A continuación se indican los pasos específicos:

  1. Clonación del código base
    Introduzca el siguiente comando en el terminal para descargar el código:
git clone https://github.com/Intelligent-Internet/ii-researcher.git
cd ii-researcher
  1. Instalación de dependencias
    El proyecto requiere Python 3.7+. Ejecute el siguiente comando para instalar las dependencias:
pip install -e .
  1. Configuración de variables de entorno
    Configure las claves y parámetros API necesarios. Ejemplo:
export OPENAI_API_KEY="your-openai-api-key"
export TAVILY_API_KEY="your-tavily-api-key"
export SEARCH_PROVIDER="tavily"
export SCRAPER_PROVIDER="firecrawl"

Configuración opcional (para compresión o inferencia):

export USE_LLM_COMPRESSOR="TRUE"
export FAST_LLM="gemini-lite"
export STRATEGIC_LLM="gpt-4o"
export R_TEMPERATURE="0.2"
  1. Ejecución del servidor local de modelos LiteLLM
    Instala LiteLLM:
pip install litellm

Creación de archivos de configuración litellm_config.yaml::

model_list:
- model_name: gpt-4o
litellm_params:
model: gpt-4o
api_key: ${OPENAI_API_KEY}
- model_name: r1
litellm_params:
model: deepseek-reasoner
api_key: ${OPENAI_API_KEY}
litellm_settings:
drop_params: true

Inicie el servidor:

litellm --config litellm_config.yaml

Por defecto se ejecuta en el http://localhost:4000.

  1. Despliegue en Docker (opcional)
    Después de configurar las variables de entorno, ejecútelo:
docker compose up --build -d

Dirección de servicio:

  • Parte delantera:http://localhost:3000
  • API de backend:http://localhost:8000
  • LiteLLM:http://localhost:4000

Funciones principales

Búsqueda profunda inteligente

  • procedimiento::
  1. Ejecútalo desde la línea de comandos:
python cli.py --question "AI如何改善教育质量?"
  1. El sistema llama a Tavily o SerpAPI para buscar y devolver resultados.
  • Descripción funcional: Admite búsquedas multifuente, adecuadas para problemas complejos.

razonamiento multipaso

  • procedimiento::
  1. Utilizar el modelo de inferencia:
python cli.py --question "AI在教育中的优缺点" --use-reasoning --stream
  1. El sistema analiza y emite conclusiones paso a paso.
  • Descripción funcionalPuede realizar tareas que requieran deducción lógica.

rastreador web

  • procedimiento::
  1. configure SCRAPER_PROVIDER="firecrawl" y la clave API.
  2. Ejecute una tarea de búsqueda para rastrear automáticamente contenidos web.
  • Descripción funcional: Admite múltiples herramientas de rastreo para garantizar un contenido completo.

Uso de la interfaz web

  • procedimiento::
  1. Inicie la API backend:
python api.py
  1. entrar en frontend instale y ejecute el front-end:
npm install
npm run dev
  1. entrevistas http://localhost:3000problemas de entrada.
  • Descripción funcional: Proporciona una interfaz gráfica para un funcionamiento más intuitivo.

advertencia

  • Para acceder a la API se necesita una conexión de red estable.
  • Requisitos de hardware: 8 GB de RAM para las funciones básicas, 16 GB o más y GPU recomendada para la inferencia de modelos de gran tamaño.
  • Comprobación de registros: compruebe los registros con la función docker compose logs -f Compruebe el estado de funcionamiento.
  • Configuración del tiempo de espera: Tiempo de espera de búsqueda por defecto 300 segundos, ajustable SEARCH_PROCESS_TIMEOUT.

Con estos pasos, los usuarios pueden desplegar y utilizar fácilmente II-Researcher para el proceso completo, desde la búsqueda hasta la inferencia.

 

escenario de aplicación

  1. investigación académica
    Los investigadores pueden utilizarlo para buscar bibliografía, analizar datos y generar informes.
  2. desarrollo tecnológico
    Los desarrolladores pueden crear herramientas de búsqueda personalizadas basadas en el marco.
  3. Ayudas educativas
    Los alumnos pueden utilizarlo para organizar la información y responder a preguntas.
  4. análisis del mercado
    Las empresas pueden utilizarlo para recopilar información del sector y generar análisis de tendencias.

 

CONTROL DE CALIDAD

  1. ¿II-Researcher es gratuito?
    Sí, es un proyecto de código abierto y el código es gratuito para los usuarios.
  2. ¿Necesita una base de programación?
    Requiere conocimientos básicos de las operaciones con Python, pero la documentación es lo suficientemente detallada como para que los principiantes puedan empezar.
  3. ¿Es compatible con el chino?
    Soporte, configure el modelo y la herramienta de búsqueda adecuados para gestionar la tarea china.
  4. ¿Cuáles son los requisitos mínimos de hardware?
    8 GB de RAM para ejecutar funciones básicas, más de 16 GB y GPU recomendados para tareas de gran envergadura.
© declaración de copyright

Artículos relacionados

Sin comentarios

Debe iniciar sesión para participar en los comentarios.
Acceder ahora
ninguno
Sin comentarios...