Auto-Deep-Research: colaboração de vários agentes para realizar consultas à literatura e gerar relatórios de pesquisa

🚀 O DeepSeek está lento? Este site é gratuito! DeepSeek-R1 de sangue puroO sistema é suave e pode ser conectado em rede! Uso ilimitado!

Introdução geral

O Auto-Deep-Research é uma ferramenta de IA de código aberto desenvolvida pelo Laboratório de Inteligência de Dados da Universidade de Hong Kong (HKUDS), projetada para ajudar os usuários a automatizar tarefas de pesquisa profunda. Criada com base na estrutura AutoAgent, ela oferece suporte a uma variedade de modelos de linguagem grande (LLMs), como OpenAI, Anthropic, Deepseek e Grok, e é capaz de lidar com interações complexas de dados de arquivos e pesquisas na Web. Ao contrário das ferramentas de alto custo que exigem uma assinatura, como o Deep Research da OpenAI, o Auto-Deep-Research é totalmente gratuito, e os usuários só precisam fornecer sua chave de API LLM para usá-lo. Conhecida por seu alto desempenho e flexibilidade, a ferramenta teve um bom desempenho nos benchmarks GAIA e é adequada para pesquisadores, desenvolvedores ou usuários que precisam de uma solução de pesquisa eficiente.

Lista de funções

Estudos detalhados automatizadosPesquisa e coleta automaticamente informações relevantes para gerar relatórios detalhados com base nos tópicos inseridos pelo usuário.
Suporte a vários modelosCompatível com uma variedade de modelos de idiomas grandes, os usuários podem escolher o modelo apropriado de acordo com suas necessidades.
Interação de dados de arquivosSuporte para upload e processamento de imagens, PDFs, arquivos de texto, etc. para aprimorar as fontes de dados para pesquisa.
partida com um toqueNão é necessária nenhuma configuração complexa, basta digitar comandos simples e você estará pronto para trabalhar em pouco tempo.
Recurso de pesquisa na WebCombinação de recursos da Web e dados de mídia social (por exemplo, Plataforma X) para fornecer informações mais abrangentes.
Código aberto e gratuitoCódigo-fonte completo: O código-fonte completo é fornecido para que os usuários possam personalizar a funcionalidade ou implementar em um ambiente local.

Usando a Ajuda

Processo de instalação

A instalação do Auto-Deep-Research é simples e intuitiva e depende muito dos ambientes Python e Docker. Aqui estão as etapas em detalhes:

1. preparação ambiental

Instalação do PythonVerifique se o Python 3.10 ou posterior está instalado em seu sistema. Recomendado conda Crie um ambiente virtual:
```
conda create -n auto_deep_research python=3.10
conda activate auto_deep_research
```

Instalando o DockerComo a ferramenta usa o ambiente de tempo de execução em contêineres do Docker, faça o download e instale o Docker Desktop primeiro; não há necessidade de extrair imagens manualmente, a ferramenta tratará disso automaticamente.

2. download do código-fonte

Clonar um repositório do GitHub localmente:

git clone https://github.com/HKUDS/Auto-Deep-Research.git
cd Auto-Deep-Research

3. instalação de dependências

Instale os pacotes Python necessários executando o seguinte comando no diretório do projeto:
```
pip install -e .
```

4. configurar a chave da API

No diretório raiz do projeto, copie o arquivo de modelo e edite-o:
```
cp .env.template .env
```
Abrir com um editor de texto .env preencha a chave de API do LLM conforme necessário, por exemplo:
```
OPENAI_API_KEY=sua_openai_key
DEEPSEEK_API_KEY=sua_deepseek_key
XAI_API_KEY=sua_chave_xai
```
Observação: nem todas as chaves são necessárias, basta configurar o modelo de chave que planeja usar.

5. ferramentas de inicialização

Digite o seguinte comando para iniciar o Auto-Deep-Research:
```
pesquisa profunda automática
```
Configurações de parâmetros opcionais, como a especificação de um nome ou modelo de contêiner:
```
auto deep-research --container_name myresearch --COMPLETION_MODEL grok
```

Funções principais

Estudos detalhados automatizados

Insira um tópico de pesquisaNa inicialização, a ferramenta solicita um tópico de pesquisa, como "Artificial Intelligence in Healthcare".
execução automáticaFerramenta de análise de informações relevantes: A ferramenta analisa informações relevantes usando pesquisas na Web e modelos incorporados sem intervenção do usuário.
Geração de relatóriosQuando terminar, os resultados serão enviados para o terminal no formato Markdown ou salvos como um arquivo contendo a fonte e a análise detalhada.

Interação de dados de arquivos

Carregamento de arquivosEspecifique o caminho do arquivo na linha de comando, por exemplo:
```
auto deep-research --file_path . /meu_papel.pdf
```
Processamento de dadosFerramenta de análise: A ferramenta analisa o conteúdo do PDF, da imagem ou do texto e o incorpora ao estudo.
análise combinadaDados de arquivos carregados: os dados de arquivos carregados são integrados aos resultados de pesquisa na Web para fornecer conclusões mais abrangentes.

Seleção de um modelo de idioma grande

Exibir modelos de suporteSuporte para OpenAI, Grok, Deepseek, etc. Consulte a documentação do LiteLLM para obter os nomes dos modelos.
Especificação de modelosAdicionar parâmetros ao comando de inicialização, por exemplo:
```
auto deep-research --COMPLETION_MODEL deepseek
```
teste operacionalAjuste as opções para otimizar a experiência com base no desempenho do modelo e na capacidade de resposta da API.

Funções em destaque

Experiência One Touch Start

Em vez de configurar manualmente uma imagem do Docker ou parâmetros complexos, basta executar o comando pesquisa profunda automáticaA ferramenta extrairá automaticamente o ambiente necessário e o iniciará.
Se for necessário personalizar, isso pode ser feito por meio do --container_name Contêineres nomeados por parâmetro para facilitar o gerenciamento de várias instâncias.

Pesquisa na Web e integração com mídias sociais

A ferramenta tem uma função integrada de pesquisa na Web que rastreia automaticamente o conteúdo da Web. Se quiser incorporar dados da plataforma X, você pode mencionar palavras-chave no tópico de pesquisa e a ferramenta tentará pesquisar publicações relevantes.
Exemplo: digite "latest AI research trends" (últimas tendências de pesquisa em IA) e os resultados poderão conter links para discussões e blogs de tecnologia de X usuários.

advertência

Segurança da chave de API: Não coloque .env O arquivo é carregado em um repositório público para evitar a divulgação da chave.
ambiente de redeVerifique se o Docker e as conexões de rede estão funcionando corretamente, pois isso pode afetar a funcionalidade de busca ou extração de imagens.
otimização do desempenhoSe o hardware local for limitado, é recomendável usar o LLM baseado em nuvem para evitar a execução de modelos grandes que causam atraso.

Com essas etapas, os usuários podem começar a usar facilmente o Auto-Deep-Research, uma ferramenta que oferece suporte eficiente para pesquisa acadêmica e exploração técnica.