Auto-Deep-Research

输入主题,自动生成带引用的深度研究报告,省去手动调研。

Auto-Deep-Research 是一个全自动的深度研究助手,基于大型语言模型和智能体框架,能够自动完成从问题定义、信息检索、多源资料分析到生成结构化研究报告的完整流程。它解决了传统人工调研耗时费力、信息整合不全面的问题,通过自主规划研究路径、调用搜索工具获取实时信息,并对海量内容进行去重、归纳和提炼,最终输出带有引用来源的深度报告。核心能力包括智能搜索策略、长文本上下文管理、多步骤推理和报告自动生成,支持自定义研究主题和输出格式。项目采用 Python 编写,易于集成和扩展,适合需要快速获取高质量调研结果的个人和团队使用。

开源 free 开源模型
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 1744
维护状态 低维护
是否开源 是
定价模式 free

项目数据

分类开源模型
开发团队HKUDS
所属国家
官网地址
定价模式free
价格说明开源项目,本地部署,完全免费使用。
访问状态
是否开源是
开源协议
主要语言Python
技术栈/模型agent,deep-research,llm
GitHub 星标★ 1744
30天Star增速
HF 下载量
上线时间2025-02-16 00:00:00
最近更新2026-09-23 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数4

使用教程

难度:进阶 约 20 分钟 部署方式:本地安装 6 步

环境要求

  • 已安装 Conda(用 conda 创建 Python 环境)
  • Python 3.10(conda create 指定版本)
  • 已安装 Docker(智能体交互环境使用 Docker 容器化)
  • 准备所需 LLM 的 API Key(按需,非全部必需)

安装与启动步骤

  1. 1创建 Conda 环境

    用 conda 新建名为 auto_deep_research 的环境,Python 版本固定为 3.10,与项目要求一致。

    conda create -n auto_deep_research python=3.10
  2. 2激活环境

    激活刚创建的环境,后续所有安装与运行命令都要在该环境中执行,避免依赖冲突。

    conda activate auto_deep_research
  3. 3克隆项目仓库

    从 GitHub 拉取 Auto-Deep-Research 源码到本地当前目录。

    git clone https://github.com/HKUDS/Auto-Deep-Research.git
  4. 4安装项目依赖

    进入项目目录后以可编辑模式安装,README 中的安装方式即为 pip install -e .。

    cd Auto-Deep-Research
    pip install -e .
  5. 5安装 Docker

    README 要求先自行安装 Docker,用于容器化智能体交互环境;无需手动拉取镜像,程序会按机器架构自动拉取预构建镜像。

  6. 6配置 API Key

    参照项目中的 .env.template 创建环境变量文件(如 .env),按需填入你要使用的 LLM 的 API Key,不需要全部配置。

关键配置

配置项必填说明示例
LLM API Key(写入 .env,参照 .env.template)是供项目调用所选大模型,README 说明用哪个就配哪个sk-xxxxxxxx

如何确认成功

pip install -e . 执行无报错即安装完成;README 节选中未给出启动命令,请按官方文档的 Start 章节启动验证。

常见问题

Q:必须安装 Docker 吗?

A:README 明确说明智能体交互环境使用 Docker 容器化,因此需先安装 Docker;但不需要手动 pull 镜像,Auto-Deep-Research 会根据机器架构自动拉取预构建镜像。

Q:需要配置哪些 API Key?

A:README 说明并非每个 LLM 的 API Key 都必需,按你实际要使用的模型配置即可,写入参照 .env.template 创建的环境变量文件。

Q:安装完成后怎么启动?

A:README 节选中只提供了 Start Auto-Deep-Research 章节锚点,未包含具体启动命令,请查看项目官方文档获取启动方式。

注意事项

  • 请先安装 Docker,不要手动拉取镜像,程序会自动按机器架构拉取预构建镜像。
  • API Key 不是全部必填,按实际使用的 LLM 配置,写入参照 .env.template 创建的环境变量文件中。
  • README 节选未包含启动命令与端口等信息,启动前建议查阅官方文档。
  • 建议始终在 auto_deep_research 这个 conda 环境中执行安装与运行命令。

核心亮点

  • 全自动研究流程,从搜索到报告生成无需人工干预,大幅节省时间。
  • 智能引用来源,报告附有参考链接,保证信息可追溯。
  • 基于智能体架构,支持复杂多步骤推理,研究深度优于简单问答。

不足之处

  • 依赖外部搜索API,可能产生调用成本或速率限制。
  • 报告质量受限于底层模型能力,复杂领域可能出现信息偏差。
  • 文档/社区待观察

适用场景

  • 市场调研:快速生成竞品分析或行业趋势报告。
  • 学术研究:辅助文献综述和资料整理。
  • 投资分析:自动收集公司财务、新闻等数据并生成摘要。

替代项目

STORM、GPT Researcher、AutoGPT

项目介绍

Auto-Deep-Research 是智能体领域的开源项目,由 HKUDS 开发,2025 年首次发布。

在全站 13,090 个收录项目中,它的 GitHub 星标数(1,744)位列前 30%,在智能体分类中处于中上游。

近 42 天,它的 GitHub 星标从 1,715 增加到 1,744,净增 29。

项目已超过三个月没有代码更新,维护节奏明显放缓,最近一次代码更新于 2026-09-23。本地部署,完全免费使用。

它主要面向的使用场景是:市场调研:快速生成竞品分析或行业趋势报告。同类可对比的替代方案包括 STORM、GPT Researcher、AutoGPT。

上一篇:agent-shell

下一篇:AgentDock

同类项目推荐

xinchao-dynamic-mind 开源

给 AI 装上疲惫和欲望,让交互更真实

独立、可自托管的 AI 动态心智状态引擎:驱动力、念头池、疲惫、睡眠与意图。

★ 199 2026-08-09
deepseek-harness 开源

把 AI 能力拆成乐高积木,拼出你的专属智能体。

DeepSeek Harness: Everything is a Plugin.

★ 233327 2026-08-15
AutoGPT 开源

开箱即用的 AI 员工,交代任务就自己干完

AutoGPT is the vision of accessible AI for everyone, to use and to build on. Our mis···

★ 187492 2026-08-09
EvoAgentX 开源

让 AI 智能体自己迭代变强,越用越聪明

EvoAgentX: Building a Self-Evolving Ecosystem of AI Agents

★ 3351 2026-09-12