assafelovic/gpt-researcher

项目概览

该项目通过并行抓取超过 20 个信息源并选择最高频信息来减少偏见，在自主研究工作流的来源聚合广度上具有具体可验证的工程实现。

项目类型

AI Agent · RAG 与知识库 · AI 搜索

应用场景

搜索调研 · 自动化执行

部署方式

Python 环境

License

Apache-2.0

适合谁

• 需要生成带有引用且涵盖多源客观结论的深度研究报告的研究人员或普通用户。
• 希望通过库（Library）、CLI 或 Web 界面将自动研究能力集成到自身工作流的开发者。

核心能力

• 使用规划器和执行智能体，在网络和本地文档上进行自主深度研究，生成带有引用的详细报告。
• 支持基于本地文档（如 PDF、纯文本、CSV、Excel、Markdown、PowerPoint 和 Word）开展研究任务。
• 执行具有可配置深度和广度的类树状探索模式，用于智能体式的综合研究。
• 支持 MCP 集成，以便在网页搜索之外连接 GitHub 仓库、数据库和自定义 API 等专业数据源。
• 展示了使用 LangGraph 和 AG2 框架构建的多智能体助手，其中具有专业技能的多个智能体协作开展研究。
• 使用 Google Gemini 模型，自动在研究报告中生成并嵌入 AI 创建的插图。
• 提供由 FastAPI 提供服务的轻量级静态前端，以及用于与研究过程交互的功能丰富的 NextJS 应用程序。

限制与风险

• 当前的大语言模型存在 token 限制，不足以生成非常长的研究报告。
• 执行一次深度研究的成本约为 0.4 美元。
• 基于过时信息训练的 LLM 可能会产生幻觉，对于当前研究任务可能变得不相关。
• 该项目是一个实验性应用程序，按“原样”提供，不提供任何形式的保证。

如何开始

• 项目部署难度中等，需配置 LLM 和搜索提供商的 API 密钥。用户可通过克隆项目、在 .env 文件中设置密钥、安装依赖并启动 Uvicorn 服务完成首次运行。

核验依据

• GitHub 项目简介: An autonomous agent that conducts deep research on any data using any LLM providers
• README: 🖥️ Frontend available in lightweight (HTML/CSS/JS) and production-ready (NextJS + Tailwind) versions.
• README: pip install gpt-researcher
• README: - Objective conclusions for manual research can take weeks, requiring vast resources and time. - LLMs trained on outdated information can hallucinate, becoming irrelevant for curr…
• README: GPT Researcher the first open deep research agent designed for both web and local research on any given task. The agent produces detailed, factual, and unbiased research reports w…

内容核验时间：