
deep-research-web-ui
输入一个主题,自动搜索+阅读+迭代,直接产出研究报告
deep-research-web-ui 是一个基于 Nuxt 和 TypeScript 构建的开源 AI 深度研究助手前端界面。它把搜索引擎、网页抓取和大语言模型串成一条自动化研究流水线:用户输入一个研究主题后,系统会自动生成多轮搜索查询、抓取并阅读网页内容、提炼要点,再基于已有发现继续追问和迭代,最终汇总成结构化的研究报告。项目支持 DeepSeek R1、OpenAI 等模型接口,也兼容多种搜索服务,核心价值在于把人工反复搜索、打开网页、摘录整理的过程压缩成一次任务提交,适合需要快速调研新领域、追踪行业动态或做竞品分析的用户。界面以 Web 形式提供,开箱即用,可自行部署并接入自己的 API Key,兼顾免费使用与数据可控。
项目数据
使用教程
环境要求
- Node.js 环境与 pnpm 包管理器(本地安装依赖时需要)
- Docker(使用官方镜像一键部署服务端模式时需要)
- AI 服务商 API Key(OpenAI 兼容接口,如 OpenAI、DeepSeek R1)
- 网页搜索服务 API Key(默认 Tavily,也可用 Google PSE)
安装与启动步骤
-
1复制环境变量模板
在项目根目录把 .env.example 复制为 .env,后续配置都写在这个文件里,不要提交到公开仓库。
cp .env.example .env -
2填写服务端配置
编辑 .env,打开服务端模式并填入 AI 与搜索服务的 Key、Base URL 等参数;客户端模式则在网页里填 Key。
-
3安装依赖
本地运行或构建前先安装依赖,README 使用 pnpm 作为包管理器,需已安装 Node.js。
pnpm install -
4生成静态站点
客户端模式适合静态部署,可用 pnpm generate 产出静态文件后托管到 EdgeOne Pages 等平台。
pnpm generate -
5一键启动容器
服务端模式用官方镜像启动,映射 3000 端口并加载 .env,用户无需在界面里再填 API Key。
docker run -p 3000:3000 --env-file .env anotia/deep-research-web:latest -
6访问界面
容器启动后在浏览器打开本地 3000 端口,即可输入研究主题并查看搜索树与报告。
关键配置
| 配置项 | 必填 | 说明 | 示例 |
|---|---|---|---|
NUXT_PUBLIC_SERVER_MODE | 是 | 开启服务端模式,由服务器统一持有密钥 | true |
NUXT_AI_API_KEY | 是 | AI 服务商的 API Key | sk-xxxxxxxx |
NUXT_AI_API_BASE | 否 | AI 服务商的接口地址 | https://api.openai.com/v1 |
NUXT_WEB_SEARCH_API_KEY | 是 | 网页搜索服务的 API Key | tvly-xxxxxxxx |
NUXT_PUBLIC_AI_MODEL | 否 | 使用的模型名称 | gpt-4o-mini |
NUXT_PUBLIC_WEB_SEARCH_PROVIDER | 否 | 搜索服务提供商 | tavily |
如何确认成功
容器启动无报错后,浏览器访问 http://localhost:3000 能看到研究输入界面,输入主题可正常流式返回结果。
常见问题
Q:客户端模式和服务端模式有什么区别?
A:客户端模式的配置和 API 请求保留在浏览器本地,适合静态部署;服务端模式把密钥放在环境变量里,用户无需自己填 Key,但必须运行在 SSR/Nitro 运行时上。
Q:为什么静态部署无法使用服务端模式?
A:服务端模式需要读取服务器端环境变量并依赖 SSR/Nitro 运行时,纯静态站点没有服务端环境,只能改用客户端模式或在浏览器里填 Key。
Q:支持哪些模型和搜索服务?
A:项目使用通用提示词而非 Structured Outputs,可兼容更多 OpenAI 格式的服务商,如 DeepSeek R1、OpenAI;搜索默认使用 Tavily,也支持 Google PSE。
Q:报告能导出吗?
A:可以,最终研究会以带引用的报告呈现,支持导出为 Markdown 或 PDF 格式。
注意事项
- 客户端模式下 API 配置与请求都留在浏览器本地,相对更安全。
- 服务端模式必须使用 Docker 等具备 SSR/Nitro 运行时的部署方式,纯静态托管不可用。
- 搜索过程以树结构可视化展示,并支持多语言搜索。
- 对报告里的引用可以查看来源摘录并继续追问,迭代更新结果同时保留历史报告。
核心亮点
- 自动化多轮迭代研究,能根据中间结果继续生成新查询,而非只做一次搜索
- 把搜索引擎、网页抓取和 LLM 串联成完整流水线,输出结构化研究报告
- 支持 DeepSeek R1、OpenAI 等多种模型和搜索服务,可自部署、API Key 自主可控
不足之处
- 研究质量高度依赖所接入模型和搜索 API 的能力与配额,免费额度下体验有限
- 作为 Web UI 项目,深度研究流程的稳定性、错误重试和长任务管理仍需实际使用检验
适用场景
- 快速调研一个陌生行业或技术方向,生成初步研究报告
- 做竞品分析时自动收集和整理多家产品的公开信息
- 写文章或做方案前,用来自动搜集资料并提炼要点
替代项目
GPT-Researcher、storm
项目介绍
同类项目推荐
firecrawl
开源
网页抓取像喝水一样简单,开发者省下整周加班
The web data API to search, scrape, and interact at scale.
contoso-chat
开源
一键跑通 Azure RAG 应用,从代码到评估部署全流程
This sample has the full End2End process of creating RAG application with Prompty an···
graphify
开源
整个代码库画成一张图,找问题一眼定位
Turn any codebase, with its docs, SQL schemas, configs, and PDFs, into a queryable k···
qiaomu-youtube-ai-podcast
开源
一站式索引AI播客,快速找到有文字稿和总结的节目
AI 播客索引:整理 AI 播客、中文简介、Transcript 状态和总结入口 | Curated AI podcast ···