II-Researcher：深度搜索与分步推理解答复杂问题

综合介绍

II-Researcher 是 Intelligent-Internet 团队开发的一款开源人工智能研究工具，托管于 GitHub。它专为深度搜索和复杂推理设计，能通过智能网页搜索和多步骤分析回答复杂问题。项目于 2025 年 3 月 27 日发布，支持多种搜索和抓取工具（如 Tavily、SerpAPI、Firecrawl），并整合 LiteLLM 调用不同 AI 模型。用户可以免费获取代码，自行部署或修改，适合研究人员、开发者等需要高效信息处理的人群。它的核心在于开源、可配置和异步操作，提供透明的研究支持。

功能列表

• 智能网页搜索：通过 Tavily 和 SerpAPI 获取准确信息。
• 网页抓取与提取：支持 Firecrawl、Browser、BS4 等多种工具提取内容。
• 多步骤推理：能拆解问题，逐步推理出答案。
• 可配置模型：支持调整不同任务的 LLM（如 GPT-4o、DeepSeek）。
• 异步操作：提升搜索和处理的效率。
• 生成详细答案：提供带参考的综合报告。
• 自定义管道：用户可调整搜索和推理流程。

使用帮助

安装流程

要使用 II-Researcher，需要安装并配置环境。以下是具体步骤：

1. 克隆代码库
   在终端输入以下命令下载代码：

git clone https://github.com/Intelligent-Internet/ii-researcher.git
cd ii-researcher

2. 安装依赖
   项目需要 Python 3.7+。运行以下命令安装依赖：

pip install -e .

3. 设置环境变量
   配置必要的 API 密钥和参数。例如：

export OPENAI_API_KEY="your-openai-api-key"
export TAVILY_API_KEY="your-tavily-api-key"
export SEARCH_PROVIDER="tavily"
export SCRAPER_PROVIDER="firecrawl"

可选配置（用于压缩或推理）：

export USE_LLM_COMPRESSOR="TRUE"
export FAST_LLM="gemini-lite"
export STRATEGIC_LLM="gpt-4o"
export R_TEMPERATURE="0.2"

4. 运行 LiteLLM 本地模型服务器
   安装 LiteLLM：

pip install litellm

创建配置文件 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

启动服务器：

litellm --config litellm_config.yaml

默认运行在 http://localhost:4000。

5. Docker 部署（可选）
   配置环境变量后，运行：

docker compose up --build -d

服务地址：

• 前端：http://localhost:3000
• 后端 API：http://localhost:8000
• LiteLLM：http://localhost:4000

主要功能操作

智能深度搜索

• 操作步骤：

1. 通过命令行运行：

python cli.py --question "AI如何改善教育质量？"

2. 系统调用 Tavily 或 SerpAPI 搜索，返回结果。

• 功能说明：支持多来源搜索，适合复杂问题。

多步骤推理

• 操作步骤：

1. 使用推理模式：

python cli.py --question "AI在教育中的优缺点" --use-reasoning --stream

2. 系统逐步分析并输出结论。

• 功能说明：能处理需要逻辑推导的任务。

网页抓取

• 操作步骤：

1. 配置 SCRAPER_PROVIDER="firecrawl" 和 API 密钥。
2. 运行搜索任务，自动抓取网页内容。

• 功能说明：支持多种抓取工具，确保内容全面。

Web 界面使用

• 操作步骤：

1. 启动后端 API：

python api.py

2. 进入 frontend 文件夹，安装并运行前端：

npm install
npm run dev

3. 访问 http://localhost:3000，输入问题。

• 功能说明：提供图形化界面，操作更直观。

注意事项

• 需要稳定的网络连接以访问 API。
• 硬件要求：基本功能需 8GB 内存，大模型推理建议 16GB+ 和 GPU。
• 日志检查：用 docker compose logs -f 查看运行状态。
• 超时配置：搜索默认超时 300 秒，可调整 SEARCH_PROCESS_TIMEOUT。

通过这些步骤，用户可以轻松部署并使用 II-Researcher，完成从搜索到推理的完整流程。

应用场景

1. 学术研究
   研究人员可以用它搜索文献，分析数据，生成报告。
2. 技术开发
   开发者可基于框架开发定制化搜索工具。
3. 教育辅助
   学生可以用它整理资料，解答问题。
4. 市场分析
   企业可利用它收集行业信息，生成趋势分析。

QA

1. II-Researcher 免费吗？
   是的，它是开源项目，用户可免费使用代码。
2. 需要编程基础吗？
   需要基本的 Python 操作知识，但文档详细，初学者也能上手。
3. 支持中文吗？
   支持，配置合适的模型和搜索工具即可处理中文任务。
4. 最低硬件要求是什么？
   8GB 内存可运行基本功能，建议 16GB+ 和 GPU 用于大型任务。