项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整
数据来源:GitHub API 逐日快照 · 收录于 2026-09-16 · 当前星标 ★ 30460
技术标签
使用教程
环境要求
- Python 3.11 或更高版本
- 有效的 OpenAI API Key(或兼容 OpenAI 的自定义接口)
- 有效的 Tavily API Key(用于联网检索)
- 可选:Docker(使用 Docker 方式部署时需要)
安装与启动步骤
-
1安装 Python 3.11+
先确认本机已安装 Python 3.11 或更高版本,README 给出的官方指引见 tutorialsteacher 的 Python 安装教程。版本过低会导致依赖安装失败。
python --version -
2克隆项目代码
从 GitHub 拉取 gpt-researcher 仓库,并进入项目根目录,后续所有命令都在该目录下执行。
git clone https://github.com/assafelovic/gpt-researcher.git cd gpt-researcher -
3配置 API 密钥
通过 export 导出密钥,或把同样的键值写进项目根目录的 .env 文件。OpenAI 与 Tavily 两个 key 都需要设置。
export OPENAI_API_KEY=sk-xxxxxxxx export TAVILY_API_KEY=tvly-xxxxxxxx -
4安装项目依赖
在项目根目录执行 pip 安装 requirements.txt 中列出的全部依赖,首次安装耗时较长,请保持网络畅通。
pip install -r requirements.txt -
5启动后端服务
用 uvicorn 启动 main:app,--reload 会在代码变更时自动重载,适合开发调试;默认监听 8000 端口。
python -m uvicorn main:app --reload -
6访问 Web 界面
服务启动后,在浏览器中打开 http://localhost:8000 即可开始输入研究主题并生成报告。
-
7Docker 方式启动
备选方案:先把 .env.example 复制为 .env 并填入 API Key,再执行 docker-compose up --build,默认起 8000 与 3000 两个端口。
docker-compose up --build
关键配置
| 配置项 | 必填 | 说明 | 示例 |
|---|---|---|---|
OPENAI_API_KEY | 是 | 调用 OpenAI 或兼容接口的密钥,用于摘要与报告生成 | sk-xxxxxxxx |
TAVILY_API_KEY | 是 | Tavily 检索服务密钥,用于联网搜索资料 | tvly-xxxxxxxx |
OPENAI_BASE_URL | 否 | 自定义 OpenAI 兼容接口地址,用于本地模型或其他厂商 | http://localhost:11434/v1 |
LANGCHAIN_TRACING_V2 | 否 | 开启 LangChain 链路追踪与可观测性 | true |
LANGCHAIN_API_KEY | 否 | 启用 LangChain 追踪时所需的 API Key | lsv2_pt_xxxxxxxx |
如何确认成功
浏览器打开 http://localhost:8000 能看到 GPT Researcher 界面即启动成功;Docker 方式则访问 http://localhost:3000。
常见问题
Q:执行 docker-compose up --build 报命令不存在怎么办?
A:新版 Docker 已把 compose 改为子命令,改用不带连字符的写法:docker compose up --build。
Q:不想在 Docker 里启动全部服务怎么办?
A:在 docker-compose 文件中把不需要的服务注释掉再执行,默认不注释会同时启动 Python 服务(8000)和 React 前端(3000)。
Q:想接本地模型或其他厂商的模型怎么办?
A:设置 OPENAI_BASE_URL 指向你的自定义 OpenAI 兼容接口地址,即可让 GPT Researcher 调用该接口。
Q:可以不用命令行服务,只在代码里调用吗?
A:可以,README 提供了 PIP 包方式:pip install gpt-researcher,然后 from gpt_researcher import GPTResearcher 创建 researcher 对象。
Q:如何把 GPT Researcher 接入 Claude 对话?
A:README 提供了 Claude Skill 安装方式,执行 npx skills add assafelovic/gpt-researcher 即可在 Claude 对话中使用其深度研究能力。
注意事项
- 密钥既可以 export 到环境变量,也可以写入项目根目录的 .env 文件,两种方式二选一或并存都可。
- 使用 Docker 方式前必须先复制 .env.example 为 .env 并补充 API Key,否则容器内拿不到密钥。
- 除 pip 直接安装外,README 还提到可用 Poetry 或虚拟环境,详见官方 Getting Started 文档。
- README 中 pip 包示例代码片段不完整,未给出 report 的生成方法,实际用法请查阅官方文档。
核心亮点
- 自主规划子问题并并行抓取多源网页,自动生成带引用来源的长篇报告,省去人工检索与整理
- LLM 供应商无关,可切换 OpenAI、Anthropic 及本地模型,也支持 MCP 协议接入外部工具与私有数据
- 提供 Python API 与 Web UI 两种用法,参数可调研究深度与广度,便于嵌入现有工作流
不足之处
- 报告质量高度依赖所选 LLM 与搜索后端,弱模型下易出现幻觉或引用不准确
- 深度研究需大量抓取与多次 LLM 调用,token 与时间成本较高,大规模使用需自行控制预算
适用场景
- 市场与竞品调研:输入行业问题,自动汇总公开资料生成分析报告
- 学术或技术预研:快速梳理某技术方向的现状、方案与来源链接
- 内容创作辅助:为文章、播客或投资备忘录自动收集并整理背景资料
替代项目
AutoGPT、stanford-oval/storm、khoj-ai/khoj
上一篇:semantix
下一篇:LLM-MM-Agent
同类项目推荐
ralphy
开源
在终端里让 AI 帮你批量生成爆款短视频
Open-source desktop app for content creation, with an agent runtime and standalone C···
ai-agent
开源
用 Java 编排多智能体,搞定复杂任务自动化
一个面向全网研究与复杂数据分析的云端智能体,能在公开网络、YouTube、BiliBili、X、小红···
triliumnext-mcp
开源
把 Trilium 笔记接入 AI 助手,让对话直接读写你的知识库。
An MCP server for interacting with a Trilium instance
awesome-ai-companion
开源
一站式导航,快速搭建你的长期AI伴侣
Open-source AI companions, desktop pets, long-term memory & proactive chat. 人机恋开···
pmb
开源
让 AI 编程助手记住每次对话,离线存储决策与经验
Local-first persistent memory for AI coding agents (Claude Code, Cursor, Codex) over···
mate
开源
数据库驱动配置,50+模型接入,轻松编排多智能体生产应用。
Production-ready multi-agent orchestration engine built on Google ADK. Database-driv···
Devseeker
开源
说句话,AI 自动帮你把应用写出来
prompt to app ai coding agent
designpowers
开源
指挥10个AI智能体,自动跑完设计全流程
An agent design team you control: 10 agents that run an inclusive design process whi···
line-oa-mcp-ultimate
开源
用 AI 对话直接管理 LINE 官方账号,发消息、做营销、看数据,零门槛上手。
Talk to your LINE Official Account through AI — broadcasts, Flex & tappable Rich Me···
