deep_research_agent 的安装和配置教程
2025-05-17 04:45:16作者:董宙帆
项目基础介绍
deep_research_agent 是一个基于文档驱动的代理型 AI 研究系统,它通过持续性的上下文管理和工具集成,帮助进行全面的综合分析。该项目的核心哲学包括文档中心化记忆、结构化通信、工具增强以及用户主导性。
主要编程语言
该项目主要使用 Python 编程语言。
项目使用的关键技术和框架
- Playwright:用于动态网页内容的抓取,支持 JavaScript 渲染的现代网页应用程序。
- DuckDuckGo:进行语义搜索。
- Python 包管理:管理和安装所需的 Python 包。
- 系统命令执行:执行系统命令。
准备工作和安装步骤
准备工作
在开始安装之前,请确保您的计算机上已经安装了以下软件:
- Python 3.x
- Git
安装步骤
-
克隆项目仓库
打开命令行工具,运行以下命令克隆项目仓库到本地:
git clone https://github.com/grapeot/deep_research_agent.git -
安装依赖
在项目目录下,创建一个虚拟环境并激活:
cd deep_research_agent python3 -m venv venv source venv/bin/activate接下来,安装项目所需的依赖:
pip install -r requirements.txt -
安装 Playwright 浏览器
运行以下命令安装 Playwright 和其相关的浏览器:
playwright install chromium -
设置 API 密钥
为了使用某些功能,您需要设置 API 密钥。将您的 OpenAI API 密钥和 Anthropics API 密钥设置为环境变量:
export OPENAI_API_KEY=your_openai_api_key export ANTHROPIC_API_KEY=your_anthropic_api_key请替换
your_openai_api_key和your_anthropic_api_key为您实际获得的 API 密钥。 -
运行研究查询
最后,您可以通过运行以下命令来启动一个研究查询:
python3 deep_research_agent.py "your research query"请替换
your research query为您想要研究的问题。
完成以上步骤后,deep_research_agent 应该已经成功安装并配置完毕,您可以开始使用它进行综合分析了。
登录后查看全文
热门项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
173
193
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
647
263
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
269
93
暂无简介
Dart
622
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
377
3.32 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.1 K
620
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1