Deep Research：
一个由 AI 驱动的研究助手，能帮你从零开始探索一个主题，逐步深入，并最终生成结构化的研究报告。
项目亮点：
- 轻量化设计：整个仓库保持在 500 行代码以内，方便理解和二次开发。
- 迭代研究：自动生成搜索查询，处理结果，并根据发现不断深入。
- 智能查询生成：利用 LLM 根据研究目标和已有发现生成精准搜索。
- 深度与广度控制：可配置研究的范围和深度。
- 智能追问：生成后续问题以更好理解研究需求。
- 报告生成：最终输出详细的 Markdown 报告，包含研究结果和引用。
- 并发处理：支持多搜索并行，提高效率。
安装
Docker Compose
services:
deep-research:
image: anotia/deep-research-web:latest
container_name: deep-research
ports:
- 3000:3000
restart: always
使用
**浏览器中输入 **http://NAS的IP:3000 就能看到界面
TIP：为了截图效果更好，我就换成了深色主题
首次使用需要先配置 AI 模型和联网搜索服务
TIP：我用的是硅基流动的 API，点击下面邀请码注册（可获得 16 元代金券）
https://cloud.siliconflow.cn/i/1kFLquql
模型方面我用的硅基流动，填入 API Key 和模型名称即可（不同智商模型，生成的回答质量区别很大）
页面往下拉，配置联网搜索服务
去 Tavily 官网（https://app.tavily.com/home）注册一个账号就行，每个月送免费的搜索使用额度
新用户使用邮箱注册账号，就可以获得密钥了
其余项保持默认，点击保存
回到页面，输入研究主题
下面可以按需要进行修改，点击“开始研究”
接下来会根据你的问题分析，需要你填写更加具体的研究方向
确认方向后，就会自动调用到联网搜索功能，从网上搜集参考资料
TIP：点击节点，下方会展开详细该部分的内容
通过资料汇总作为数据，AI 自动分析生成研究报告
报告看起来挺专业的，有具体的引用资料和标注
最后我也将“研究深度”和“研究广度”调整到最大，效果确实挺不错的（花费 Token 量多，这一篇就烧了 10 元，推荐用免费额度来测试）
总结
这款项目非常适合做深度研究和整理信息的用户，虽然不能保证内容完全没有问题，但是可以很好的给出研究方向以及收集列信息资料，服务于更好的进行研究和报告整理。
如果后续可以对接自托管的搜索引擎，例如“SearXNG”和“FreeAskInternet”，脱离在线服务感觉会更加自由不被限制，当然没有信息维护可能时效和质量会差一点。
综合推荐：⭐⭐⭐⭐（提供研究方向，并生成结构化文档）
使用体验：⭐⭐⭐（使用简单，交互直观）
部署难易：⭐**（非常简单）**︎
