AI之Tool：deep-research(AI 驱动+搜索引擎+网页抓取)的简介、安装和使用方法、案例应用之详细攻略
目录
[Node.js 环境安装](#Node.js 环境安装)
[Docker 安装](#Docker 安装)
[案例一：执行一次完整的深度研究--- 根据指定主题生成完整研究报告](#案例一：执行一次完整的深度研究— 根据指定主题生成完整研究报告)
[案例二：使用本地 LLM 运行研究--- 配置本地模型完成 Deep Research](#案例二：使用本地 LLM 运行研究— 配置本地模型完成 Deep Research)
[案例三：通过 Docker 部署 Deep Research--- 使用 Docker 运行 Deep Research 服务](#案例三：通过 Docker 部署 Deep Research— 使用 Docker 运行 Deep Research 服务)
deep-research的简介
Deep Research 是一个 AI 驱动的研究助手项目，能够结合搜索引擎、网页抓取以及大型语言模型（LLM），对任意主题执行迭代式（Iterative）的深度研究。项目的目标是提供一个实现简单、易于理解和扩展的 Deep Research Agent，使其能够随着研究过程不断调整研究方向，并逐步深入探索目标主题。
项目围绕"深度研究（Deep Research）"构建完整工作流程：首先接收用户的研究主题以及研究广度（Breadth）和深度（Depth）参数，然后自动生成补充问题以明确研究目标；随后生成多个搜索查询（SERP Queries），分析搜索结果并提取关键发现（Learnings）与新的研究方向（Directions），当研究深度未达到设定值时继续递归开展下一轮研究，最终整理生成完整的 Markdown 研究报告。
整个项目保持较小的代码规模（目标控制在 500 行代码以内），方便开发者阅读源码、理解 Deep Research Agent 的整体实现思路，并在此基础上进行扩展和二次开发。
1 、特点
|--------------------------|----------------------------------------------------|
| 特点 | 详细说明 |
| 迭代式深度研究 | 通过不断生成搜索请求、分析结果并继续深入探索，实现持续迭代研究。 |
| 智能搜索查询生成 | 使用大语言模型根据研究目标和已有研究结果自动生成 SERP 查询。 |
| 可配置研究广度与深度 | 支持 Breadth（广度）与 Depth（深度）参数，自定义研究范围和递归层级。 |
| 自动补充问题 | 在正式研究前生成补充问题，以进一步明确用户的研究需求。 |
| 自动生成 Markdown 报告 | 将研究结果整理为完整的 Markdown 报告，并附带引用来源。 |
| 并发处理能力 | 支持多个搜索任务及结果分析并发执行，提高研究效率。 |
| 支持本地 LLM | 可配置本地 OpenAI Compatible Endpoint 与模型，无需固定使用默认模型。 |
| 支持 Docker 部署 | 提供 Dockerfile 与 docker-compose 配置，可快速部署运行。 |
| 支持自定义模型 | 可通过环境变量指定 OpenAI Compatible Endpoint 与模型名称。 |
| 保持简洁实现 | 项目以易理解、易扩展为目标，控制代码规模，方便学习 Deep Research Agent 的实现。 |
deep-research的安装和使用方法
1、安装
Node.js 环境安装
克隆项目：
git clone https://github.com/dzhng/deep-research.git
cd deep-research
安装依赖：
npm install
创建环境变量文件：
cp .env.example .env.local
配置环境变量：
FIRECRAWL_KEY="your_firecrawl_key"
OPENAI_KEY="your_openai_key"
如果使用本地 LLM，则注释 OPENAI_KEY，启用：
OPENAI_ENDPOINT="http://localhost:1234/v1"
OPENAI_MODEL="your_model_name"以上内容均来自项目 README。
Docker 安装
构建镜像：
docker build -f Dockerfile
启动容器：
docker compose up -d
进入容器运行：
docker exec -it deep-research npm run docker2、使用方法
启动项目：
npm start随后按照程序提示完成研究流程：
输入研究主题（Research Query）。
设置研究广度（Breadth），README 推荐范围为 3～10，默认值为 4。
设置研究深度（Depth），README 推荐范围为 1～5，默认值为 2。
回答系统提出的补充问题，以进一步明确研究方向。
随后系统自动执行完整研究流程：
自动生成多个搜索查询（SERP Queries）；
执行搜索并处理搜索结果；
根据研究发现递归开展下一轮研究；
汇总所有研究内容并生成 Markdown 报告。
最终生成的研究结果保存为当前目录下的 report.md 或 answer.md。
deep-research的案例应用
案例一：执行一次完整的深度研究 --- 根据指定主题生成完整研究报告
启动程序：
npm start
随后依次完成：
输入研究主题；
设置 Breadth；
设置 Depth；
回答补充问题。
系统随后自动完成搜索、分析、递归研究，并最终生成 Markdown 报告（report.md 或 answer.md）。
案例二：使用本地 LLM 运行研究 --- 配置本地模型完成 Deep Research
案例实现内容：
修改 .env.local：
OPENAI_ENDPOINT="http://localhost:1234/v1"
OPENAI_MODEL="your_model_name"
同时注释掉：
OPENAI_KEY
完成配置后启动项目：
npm start
项目将按照配置使用本地 OpenAI Compatible 模型完成整个研究流程。
案例三：通过 Docker 部署 Deep Research --- 使用 Docker 运行 Deep Research 服务
首先构建 Docker 镜像：
docker build -f Dockerfile
启动容器：
docker compose up -d
随后进入容器执行：
docker exec -it deep-research npm run docker
完成后即可按照项目提供的研究流程执行深度研究任务。