[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-HKUDS--Auto-Deep-Research":3,"tool-HKUDS--Auto-Deep-Research":62},[4,18,26,36,46,54],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。\n\n这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。\n\nOpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":10,"last_commit_at":24,"category_tags":25,"status":17},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,"2026-04-05T11:01:52",[14,15,13],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"status":17},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",160411,2,"2026-04-18T23:33:24",[14,13,35],"语言模型",{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":42,"last_commit_at":43,"category_tags":44,"status":17},8272,"opencode","anomalyco\u002Fopencode","OpenCode 是一款开源的 AI 编程助手（Coding Agent），旨在像一位智能搭档一样融入您的开发流程。它不仅仅是一个代码补全插件，而是一个能够理解项目上下文、自主规划任务并执行复杂编码操作的智能体。无论是生成全新功能、重构现有代码，还是排查难以定位的 Bug，OpenCode 都能通过自然语言交互高效完成，显著减少开发者在重复性劳动和上下文切换上的时间消耗。\n\n这款工具专为软件开发者、工程师及技术研究人员设计，特别适合希望利用大模型能力来提升编码效率、加速原型开发或处理遗留代码维护的专业人群。其核心亮点在于完全开源的架构，这意味着用户可以审查代码逻辑、自定义行为策略，甚至私有化部署以保障数据安全，彻底打破了传统闭源 AI 助手的“黑盒”限制。\n\n在技术体验上，OpenCode 提供了灵活的终端界面（Terminal UI）和正在测试中的桌面应用程序，支持 macOS、Windows 及 Linux 全平台。它兼容多种包管理工具，安装便捷，并能无缝集成到现有的开发环境中。无论您是追求极致控制权的资深极客，还是渴望提升产出的独立开发者，OpenCode 都提供了一个透明、可信",144296,1,"2026-04-16T14:50:03",[13,45],"插件",{"id":47,"name":48,"github_repo":49,"description_zh":50,"stars":51,"difficulty_score":32,"last_commit_at":52,"category_tags":53,"status":17},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",109154,"2026-04-18T11:18:24",[14,15,13],{"id":55,"name":56,"github_repo":57,"description_zh":58,"stars":59,"difficulty_score":32,"last_commit_at":60,"category_tags":61,"status":17},6121,"gemini-cli","google-gemini\u002Fgemini-cli","gemini-cli 是一款由谷歌推出的开源 AI 命令行工具，它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言，它提供了一条从输入提示词到获取模型响应的最短路径，无需切换窗口即可享受智能辅助。\n\n这款工具主要解决了开发过程中频繁上下文切换的痛点，让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用，还是执行复杂的 Git 操作，gemini-cli 都能通过自然语言指令高效处理。\n\n它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口，具备出色的逻辑推理能力；内置 Google 搜索、文件操作及 Shell 命令执行等实用工具；更独特的是，它支持 MCP（模型上下文协议），允许用户灵活扩展自定义集成，连接如图像生成等外部能力。此外，个人谷歌账号即可享受免费的额度支持，且项目基于 Apache 2.0 协议完全开源，是提升终端工作效率的理想助手。",100752,"2026-04-10T01:20:03",[45,13,15,14],{"id":63,"github_repo":64,"name":65,"description_en":66,"description_zh":67,"ai_summary_zh":68,"readme_en":69,"readme_zh":70,"quickstart_zh":71,"use_case_zh":72,"hero_image_url":73,"owner_login":74,"owner_name":75,"owner_avatar_url":76,"owner_bio":77,"owner_company":77,"owner_location":77,"owner_email":77,"owner_twitter":77,"owner_website":78,"owner_url":79,"languages":80,"stars":85,"forks":86,"last_commit_at":87,"license":77,"difficulty_score":32,"env_os":88,"env_gpu":89,"env_ram":90,"env_deps":91,"category_tags":99,"github_topics":101,"view_count":32,"oss_zip_url":77,"oss_zip_packed_at":77,"status":17,"created_at":105,"updated_at":106,"faqs":107,"releases":118},9496,"HKUDS\u002FAuto-Deep-Research","Auto-Deep-Research","\"Your Fully-Automated Personal AI Assistant\"","Auto-Deep-Research 是一款开源且高性价比的个人 AI 助手，旨在为用户提供完全自动化的深度研究能力。作为 OpenAI Deep Research 功能的开源替代方案，它基于 AutoAgent 框架构建，能够自主执行复杂的信息检索、数据分析及文件处理任务，帮助用户从繁琐的资料搜集工作中解放出来。\n\n该工具主要解决了高端 AI 研究服务成本高昂（如每月 200 美元订阅费）及使用门槛高的问题。用户无需支付固定订阅费，只需按需使用自己的 LLM API 密钥即可运行，大幅降低了使用成本。同时，它实现了“零配置”启动，通过简单的命令行即可一键运行，无需复杂的環境设置。\n\nAuto-Deep-Research 非常适合研究人员、数据分析师、开发者以及需要高效获取深度信息的普通用户。其技术亮点在于广泛的模型兼容性，无缝支持 OpenAI、Anthropic、Deepseek、Grok 等多种大语言模型，并灵活适配支持或不支持函数调用（function-calling）的模型架构。此外，它在权威的 GAIA 基准测试中表现优异，证明了其强大的任务执行性能。无论是进行学术调研、市","Auto-Deep-Research 是一款开源且高性价比的个人 AI 助手，旨在为用户提供完全自动化的深度研究能力。作为 OpenAI Deep Research 功能的开源替代方案，它基于 AutoAgent 框架构建，能够自主执行复杂的信息检索、数据分析及文件处理任务，帮助用户从繁琐的资料搜集工作中解放出来。\n\n该工具主要解决了高端 AI 研究服务成本高昂（如每月 200 美元订阅费）及使用门槛高的问题。用户无需支付固定订阅费，只需按需使用自己的 LLM API 密钥即可运行，大幅降低了使用成本。同时，它实现了“零配置”启动，通过简单的命令行即可一键运行，无需复杂的環境设置。\n\nAuto-Deep-Research 非常适合研究人员、数据分析师、开发者以及需要高效获取深度信息的普通用户。其技术亮点在于广泛的模型兼容性，无缝支持 OpenAI、Anthropic、Deepseek、Grok 等多种大语言模型，并灵活适配支持或不支持函数调用（function-calling）的模型架构。此外，它在权威的 GAIA 基准测试中表现优异，证明了其强大的任务执行性能。无论是进行学术调研、市场分析还是日常深度问答，Auto-Deep-Research 都能成为您得力的智能搭档。","\u003Ca name=\"readme-top\">\u003C\u002Fa>\n\n\u003Cdiv align=\"center\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FHKUDS_Auto-Deep-Research_readme_6f7d80dabf09.jpg\" alt=\"Logo\" width=\"200\">\n  \u003Ch1 align=\"center\">Auto-Deep-Research:\u003C\u002Fbr> Your Fully-Automated and Cost-Effective Personal AI Assistant \u003C\u002Fh1>\n\u003C\u002Fdiv>\n\n\n\n\n\n\u003Cdiv align=\"center\">\n  \u003Ca href=\"https:\u002F\u002Fmetachain-ai.github.io\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FProject-Page-blue?style=for-the-badge&color=FFE165&logo=homepage&logoColor=white\" alt=\"Credits\">\u003C\u002Fa>\n  \u003Ca href=\"https:\u002F\u002Fjoin.slack.com\u002Ft\u002Fmetachain-workspace\u002Fshared_invite\u002Fzt-2zibtmutw-v7xOJObBf9jE2w3x7nctFQ\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FSlack-Join%20Us-red?logo=slack&logoColor=white&style=for-the-badge\" alt=\"Join our Slack community\">\u003C\u002Fa>\n  \u003Ca href=\"https:\u002F\u002Fdiscord.gg\u002Fz68KRvwB\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FDiscord-Join%20Us-purple?logo=discord&logoColor=white&style=for-the-badge\" alt=\"Join our Discord community\">\u003C\u002Fa>\n  \u003Ca href=\".\u002FCommunication.md\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002F💬Feishu-Group-07c160?style=for-the-badge&logoColor=white&labelColor=1a1a2e\">\u003C\u002Fa>\n  \u003Ca href=\".\u002FCommunication.md\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FWeChat-Group-07c160?style=for-the-badge&logo=wechat&logoColor=white&labelColor=1a1a2e\">\u003C\u002Fa>\n  \u003Cbr\u002F>\n  \u003Ca href=\"https:\u002F\u002Fmetachain-ai.github.io\u002Fdocs\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FDocumentation-000?logo=googledocs&logoColor=FFE165&style=for-the-badge\" alt=\"Check out the documentation\">\u003C\u002Fa>\n  \u003Ca href=\"https:\u002F\u002Farxiv.org\u002Fabs\u002F2502.05957\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FPaper%20on%20Arxiv-000?logoColor=FFE165&logo=arxiv&style=for-the-badge\" alt=\"Paper\">\u003C\u002Fa>\n  \u003Ca href=\"https:\u002F\u002Fgaia-benchmark-leaderboard.hf.space\u002F\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FGAIA%20Benchmark-000?logoColor=FFE165&logo=huggingface&style=for-the-badge\" alt=\"Evaluation Benchmark Score\">\u003C\u002Fa>\n  \u003Chr>\n\u003C\u002Fdiv>\n\nWelcome to Auto-Deep-Research! Auto-Deep-Research is a open-source and cost-efficient alternative to OpenAI's Deep Research, based on [AutoAgent](https:\u002F\u002Fgithub.com\u002FHKUDS\u002FAutoAgent) framework.\n\n## ✨Key Features\n\n- 🚀 **High Performance**: Delivers good performance on GAIA Benchmark.\n- 🌐 **Universal LLM Support**: Seamlessly integrates with **A Wide Range** of LLMs (e.g., OpenAI, Anthropic, Deepseek, vLLM, Grok, Huggingface ...)\n- 🔀 **Flexible Interaction**: Supports both **function-calling** and **non-function-calling** interaction LLMs.\n- 💰 **Cost-Efficient**: Open-source alternative to Deep Research's $200\u002Fmonth subscription with your own pay-as-you-go LLM API keys.\n- 📁 **File Support**: Handles file uploads for enhanced data interaction\n- 🚀 **One-Click Launch**:  Get started instantly with a simple `auto deep-research` command - **Zero Configuration** needed, truly out-of-the-box experience.\n\n\n🚀 Own your own personal assistant with much lower cost. Try 🔥Auto-Deep-Research🔥 Now!\n\n\n## 🔥 News\n\u003Cdiv class=\"scrollable\">\n    \u003Cul>      \n      \u003Cli>\u003Cstrong>[2025, April 1]\u003C\u002Fstrong>:  🎉🎉 Click to see what Auto-Deepresearch can do! \u003Ca href=\"https:\u002F\u002Fx.com\u002Fhuang_chao4969\u002Fstatus\u002F1905620201225482264\">[Video 1]\u003C\u002Fa> \u003Ca href=\"https:\u002F\u002Fx.com\u002Fhuang_chao4969\u002Fstatus\u002F1891676951015981421\">[Video 2]\u003C\u002Fa>\u003C\u002Fli>\n      \u003Cli>\u003Cstrong>[2025, Feb 16]\u003C\u002Fstrong>:  🎉🎉We've cleaned up the codebase of \u003Ca href=\"https:\u002F\u002Fgithub.com\u002FHKUDS\u002FAutoAgent\">AutoAgent\u003C\u002Fa>, removed the irrelevant parts for Auto-Deep-Research and released the first version of Auto-Deep-Research.\u003C\u002Fli>\n    \u003C\u002Ful>\n\u003C\u002Fdiv>\n\u003Cspan id='table-of-contents'\u002F>\n\n## 📑 Table of Contents\n\n* \u003Ca href='#features'>✨ Features\u003C\u002Fa>\n* \u003Ca href='#news'>🔥 News\u003C\u002Fa>\n* \u003Ca href='#why-to-release-auto-deep-research'>🧐 Why to release Auto-Deep-Research?\u003C\u002Fa>\n* \u003Ca href='#quick-start'>⚡ Quick Start\u003C\u002Fa>\n  * \u003Ca href='#installation'>Installation\u003C\u002Fa>\n  * \u003Ca href='#api-keys-setup'>API Keys Setup\u003C\u002Fa>\n  * \u003Ca href='#start-auto-deep-research'>Start Auto-Deep-Research\u003C\u002Fa>\n* \u003Ca href='#todo'>☑️ Todo List\u003C\u002Fa>\n* \u003Ca href='#documentation'>📖 Documentation\u003C\u002Fa>\n* \u003Ca href='#community'>🤝 Join the Community\u003C\u002Fa>\n* \u003Ca href='#acknowledgements'>🙏 Acknowledgements\u003C\u002Fa>\n* \u003Ca href='#cite'>🌟 Cite\u003C\u002Fa>\n\n\u003Cspan id='why-to-release-auto-deep-research'\u002F>\n\n## 🧐 Why to release Auto-Deep-Research?\n\nAfter releasing AutoAgent (previously known as MetaChain) for a week, we've observed three compelling reasons to introduce Auto-Deep-Research:\n\n1. **Community Interest** \n\u003C\u002Fbr>We noticed significant community interest in our Deep Research alternative functionality. In response, we've streamlined the codebase by removing non-Deep-Research related components to create a more focused tool.\n\n2. **Framework Extensibility**\n\u003C\u002Fbr>Auto-Deep-Research serves as the first ready-to-use product built on AutoAgent, demonstrating how quickly and easily you can create powerful Agent Apps using our framework.\n\n3. **Community-Driven Improvements**\n\u003C\u002Fbr>We've incorporated valuable community feedback from the first week, introducing features like one-click launch and enhanced LLM compatibility to make the tool more accessible and versatile.\n\nAuto-Deep-Research represents our commitment to both the community's needs and the demonstration of AutoAgent's potential as a foundation for building practical AI applications.\n\n\u003Cspan id='quick-start'\u002F>\n\n## ⚡ Quick Start\n\n\u003Cspan id='installation'\u002F>\n\n### Installation\n\n#### Auto-Deep-Research Installation\n\n```bash\nconda create -n auto_deep_research python=3.10\nconda activate auto_deep_research\ngit clone https:\u002F\u002Fgithub.com\u002FHKUDS\u002FAuto-Deep-Research.git\ncd Auto-Deep-Research\npip install -e .\n```\n\n#### Docker Installation\n\nWe use Docker to containerize the agent-interactive environment. So please install [Docker](https:\u002F\u002Fwww.docker.com\u002F) first. You don't need to manually pull the pre-built image, because we have let Auto-Deep-Research **automatically pull the pre-built image based on your architecture of your machine**.\n\n\u003Cspan id='api-keys-setup'\u002F>\n\n### API Keys Setup\n\nCreate a environment variable file, just like `.env.template`, and set the API keys for the LLMs you want to use. Not every LLM API Key is required, use what you need.\n\n\u003Cspan id='start-auto-deep-research'\u002F>\n\n### Start Auto-Deep-Research\n\n#### Command Options:\n\nYou can run `auto deep-research` to start Auto-Deep-Research. Some configuration of this command is shown below.\n\n- `--container_name`: Name of the Docker container (default: 'deepresearch')\n- `--port`: Port for the container (default: 12346)\n- `COMPLETION_MODEL`: Specify the LLM model to use, you should follow the name of [Litellm](https:\u002F\u002Fgithub.com\u002FBerriAI\u002Flitellm) to set the model name. (Default: `claude-3-5-sonnet-20241022`)\n- `DEBUG`: Enable debug mode for detailed logs (default: False)\n- `API_BASE_URL`: The base URL for the LLM provider (default: None)\n- `FN_CALL`: Enable function calling (default: None). Most of time, you could ignore this option because we have already set the default value based on the model name.\n\n#### Different LLM Providers\n\nWe will show you how easy it is to start Auto-Deep-Research with different LLM providers.\n\n##### Anthropic\n\n* set the `ANTHROPIC_API_KEY` in the `.env` file.\n\n```bash\nANTHROPIC_API_KEY=your_anthropic_api_key\n```\n\n* run the following command to start Auto-Deep-Research.\n\n```bash\nauto deep-research # default model is claude-3-5-sonnet-20241022\n```\n\n##### OpenAI\n\n* set the `OPENAI_API_KEY` in the `.env` file.\n\n```bash\nOPENAI_API_KEY=your_openai_api_key\n```\n\n* run the following command to start Auto-Deep-Research.\n\n```bash\nCOMPLETION_MODEL=gpt-4o auto deep-research\n```\n\n##### Mistral\n\n* set the `MISTRAL_API_KEY` in the `.env` file.\n\n```bash\nMISTRAL_API_KEY=your_mistral_api_key\n```\n\n* run the following command to start Auto-Deep-Research.\n\n```bash\nCOMPLETION_MODEL=mistral\u002Fmistral-large-2407 auto deep-research\n```\n\n##### Gemini - Google AI Studio\n\n* set the `GEMINI_API_KEY` in the `.env` file.\n\n```bash\nGEMINI_API_KEY=your_gemini_api_key\n```\n\n* run the following command to start Auto-Deep-Research.\n\n```bash\nCOMPLETION_MODEL=gemini\u002Fgemini-2.0-flash auto deep-research\n```\n\n##### Huggingface\n\n* set the `HUGGINGFACE_API_KEY` in the `.env` file.\n\n```bash\nHUGGINGFACE_API_KEY=your_huggingface_api_key\n```\n\n* run the following command to start Auto-Deep-Research.\n\n```bash\nCOMPLETION_MODEL=huggingface\u002Fmeta-llama\u002FLlama-3.3-70B-Instruct auto deep-research\n```\n\n##### Groq\n\n* set the `GROQ_API_KEY` in the `.env` file.\n\n```bash\nGROQ_API_KEY=your_groq_api_key\n```\n\n* run the following command to start Auto-Deep-Research.\n\n```bash\nCOMPLETION_MODEL=groq\u002Fdeepseek-r1-distill-llama-70b auto deep-research\n```\n\n##### OpenAI-Compatible Endpoints (e.g., Grok)\n\n* set the `OPENAI_API_KEY` in the `.env` file.\n\n```bash\nOPENAI_API_KEY=your_api_key_for_openai_compatible_endpoints\n```\n\n* run the following command to start Auto-Deep-Research.\n\n```bash\nCOMPLETION_MODEL=openai\u002Fgrok-2-latest API_BASE_URL=https:\u002F\u002Fapi.x.ai\u002Fv1 auto deep-research\n```\n\n##### OpenRouter (e.g., DeepSeek-R1)\n\nWe recommend using OpenRouter as LLM provider of DeepSeek-R1 temporarily. Because official API of DeepSeek-R1 can not be used efficiently.\n\n* set the `OPENROUTER_API_KEY` in the `.env` file.\n\n```bash\nOPENROUTER_API_KEY=your_openrouter_api_key\n```\n\n* run the following command to start Auto-Deep-Research.\n\n```bash\nCOMPLETION_MODEL=openrouter\u002Fdeepseek\u002Fdeepseek-r1 auto deep-research\n```\n\n##### DeepSeek\n\n* set the `DEEPSEEK_API_KEY` in the `.env` file.\n\n```bash\nDEEPSEEK_API_KEY=your_deepseek_api_key\n```\n\n* run the following command to start Auto-Deep-Research.\n\n```bash\nCOMPLETION_MODEL=deepseek\u002Fdeepseek-chat auto deep-research\n```\n\n### Tips\n\n#### Import browser cookies to browser environment\n\nYou can import the browser cookies to the browser environment to let the agent better access some specific websites. For more details, please refer to the [cookies](.\u002Fmetachain\u002Fenvironment\u002Fcookie_json\u002FREADME.md) folder.\n\nMore features coming soon! 🚀 **Web GUI interface** under development.\n\n\n## ☑️ Todo List\n\nAuto-Deep-Research is continuously evolving! Here's what's coming:\n\n- 🖥️ **GUI Agent**: Supporting *Computer-Use* agents with GUI interaction\n- 🏗️ **Code Sandboxes**: Supporting additional environments like **E2B**\n- 🎨 **Web Interface**: Developing comprehensive GUI for better user experience\n\nHave ideas or suggestions? Feel free to open an issue! Stay tuned for more exciting updates! 🚀\n\n## 📖 Documentation\n\nA more detailed documentation is coming soon 🚀, and we will update in the [Documentation](https:\u002F\u002Fmetachain-ai.github.io\u002Fdocs) page.\n\n\u003Cspan id='community'\u002F>\n\n## 🤝 Join the Community\n\nIf you think the Auto-Deep-Research is helpful, you can join our community by:\n\n- [Join our Slack workspace](https:\u002F\u002Fjoin.slack.com\u002Ft\u002Fmetachain-workspace\u002Fshared_invite\u002Fzt-2zibtmutw-v7xOJObBf9jE2w3x7nctFQ) - Here we talk about research, architecture, and future development.\n- [Join our Discord server](https:\u002F\u002Fdiscord.gg\u002Fz68KRvwB) - This is a community-run server for general discussion, questions, and feedback. \n- [Read or post Github Issues](https:\u002F\u002Fgithub.com\u002FHKUDS\u002FAuto-Deep-Research\u002Fissues) - Check out the issues we're working on, or add your own ideas.\n\n\n\u003Cspan id='acknowledgements'\u002F>\n\n## 🙏 Acknowledgements\n\nRome wasn't built in a day. Auto-Deep-Research is built on the [AutoAgent](https:\u002F\u002Fgithub.com\u002FHKUDS\u002FAutoAgent) framework. We extend our sincere gratitude to all the pioneering works that have shaped AutoAgent, including OpenAI Swarm for framework architecture inspiration, Magentic-one for the three-agent design insights, OpenHands for documentation structure, and many other excellent projects that contributed to agent-environment interaction design. Your innovations have been instrumental in making both AutoAgent and Auto-Deep-Research possible.\n\n\u003Cspan id='cite'\u002F>\n\n## 🌟 Cite\n\n```tex\n@misc{AutoAgent,\n      title={{AutoAgent: A Fully-Automated and Zero-Code Framework for LLM Agents}},\n      author={Jiabin Tang, Tianyu Fan, Chao Huang},\n      year={2025},\n      eprint={202502.05957},\n      archivePrefix={arXiv},\n      primaryClass={cs.AI},\n      url={https:\u002F\u002Farxiv.org\u002Fabs\u002F2502.05957},\n}\n```\n\n\n\n\n\n","\u003Ca name=\"readme-top\">\u003C\u002Fa>\n\n\u003Cdiv align=\"center\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FHKUDS_Auto-Deep-Research_readme_6f7d80dabf09.jpg\" alt=\"Logo\" width=\"200\">\n  \u003Ch1 align=\"center\">Auto-Deep-Research：\u003C\u002Fbr> 您的全自动化且经济高效的个人AI助手 \u003C\u002Fh1>\n\u003C\u002Fdiv>\n\n\n\n\n\n\u003Cdiv align=\"center\">\n  \u003Ca href=\"https:\u002F\u002Fmetachain-ai.github.io\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FProject-Page-blue?style=for-the-badge&color=FFE165&logo=homepage&logoColor=white\" alt=\"Credits\">\u003C\u002Fa>\n  \u003Ca href=\"https:\u002F\u002Fjoin.slack.com\u002Ft\u002Fmetachain-workspace\u002Fshared_invite\u002Fzt-2zibtmutw-v7xOJObBf9jE2w3x7nctFQ\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FSlack-Join%20Us-red?logo=slack&logoColor=white&style=for-the-badge\" alt=\"加入我们的Slack社区\">\u003C\u002Fa>\n  \u003Ca href=\"https:\u002F\u002Fdiscord.gg\u002Fz68KRvwB\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FDiscord-Join%20Us-purple?logo=discord&logoColor=white&style=for-the-badge\" alt=\"加入我们的Discord社区\">\u003C\u002Fa>\n  \u003Ca href=\".\u002FCommunication.md\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002F💬Feishu-Group-07c160?style=for-the-badge&logoColor=white&labelColor=1a1a2e\">\u003C\u002Fa>\n  \u003Ca href=\".\u002FCommunication.md\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FWeChat-Group-07c160?style=for-the-badge&logo=wechat&logoColor=white&labelColor=1a1a2e\">\u003C\u002Fa>\n  \u003Cbr\u002F>\n  \u003Ca href=\"https:\u002F\u002Fmetachain-ai.github.io\u002Fdocs\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FDocumentation-000?logo=googledocs&logoColor=FFE165&style=for-the-badge\" alt=\"查看文档\">\u003C\u002Fa>\n  \u003Ca href=\"https:\u002F\u002Farxiv.org\u002Fabs\u002F2502.05957\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FPaper%20on%20Arxiv-000?logoColor=FFE165&logo=arxiv&style=for-the-badge\" alt=\"论文\">\u003C\u002Fa>\n  \u003Ca href=\"https:\u002F\u002Fgaia-benchmark-leaderboard.hf.space\u002F\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FGAIA%20Benchmark-000?logoColor=FFE165&logo=huggingface&style=for-the-badge\" alt=\"评估基准分数\">\u003C\u002Fa>\n  \u003Chr>\n\u003C\u002Fdiv>\n\n欢迎来到Auto-Deep-Research！Auto-Deep-Research是基于[AutoAgent](https:\u002F\u002Fgithub.com\u002FHKUDS\u002FAutoAgent)框架的一个开源且经济高效的OpenAI Deep Research替代方案。\n\n## ✨核心功能\n\n- 🚀 **高性能**：在GAIA基准测试中表现出色。\n- 🌐 **通用LLM支持**：无缝集成**广泛**的LLM（例如，OpenAI、Anthropic、Deepseek、vLLM、Grok、Huggingface等）。\n- 🔂 **灵活交互**：支持**函数调用**和**非函数调用**交互的LLM。\n- 💰 **成本效益**：使用您自己的按需付费LLM API密钥，作为Deep Research每月200美元订阅的开源替代方案。\n- 📁 **文件支持**：支持文件上传，以增强数据交互能力。\n- 🚀 **一键启动**：只需一个简单的`auto deep-research`命令即可立即开始使用——无需任何配置，真正实现开箱即用。\n\n\n🚀 以更低的成本拥有属于您自己的个人助理。立即试用🔥Auto-Deep-Research🔥！\n\n\n## 🔥 新闻\n\u003Cdiv class=\"scrollable\">\n    \u003Cul>      \n      \u003Cli>\u003Cstrong>[2025年4月1日]\u003C\u002Fstrong>:  🎉🎉 点击查看Auto-Deepresearch能做什么！ \u003Ca href=\"https:\u002F\u002Fx.com\u002Fhuang_chao4969\u002Fstatus\u002F1905620201225482264\">[视频1]\u003C\u002Fa> \u003Ca href=\"https:\u002F\u002Fx.com\u002Fhuang_chao4969\u002Fstatus\u002F1891676951015981421\">[视频2]\u003C\u002Fa>\u003C\u002Fli>\n      \u003Cli>\u003Cstrong>[2025年2月16日]\u003C\u002Fstrong>:  🎉🎉 我们清理了\u003Ca href=\"https:\u002F\u002Fgithub.com\u002FHKUDS\u002FAutoAgent\">AutoAgent\u003C\u002Fa>的代码库，移除了与Auto-Deep-Research无关的部分，并发布了Auto-Deep-Research的第一个版本。\u003C\u002Fli>\n    \u003C\u002Ful>\n\u003C\u002Fdiv>\n\u003Cspan id='table-of-contents'\u002F>\n\n## 📑 目录\n\n* \u003Ca href='#features'>✨ 功能\u003C\u002Fa>\n* \u003Ca href='#news'>🔥 新闻\u003C\u002Fa>\n* \u003Ca href='#why-to-release-auto-deep-research'>🧐 为什么发布Auto-Deep-Research？\u003C\u002Fa>\n* \u003Ca href='#quick-start'>⚡ 快速入门\u003C\u002Fa>\n  * \u003Ca href='#installation'>安装\u003C\u002Fa>\n  * \u003Ca href='#api-keys-setup'>API密钥设置\u003C\u002Fa>\n  * \u003Ca href='#start-auto-deep-research'>启动Auto-Deep-Research\u003C\u002Fa>\n* \u003Ca href='#todo'>☑️ 待办事项\u003C\u002Fa>\n* \u003Ca href='#documentation'>📖 文档\u003C\u002Fa>\n* \u003Ca href='#community'>🤝 加入社区\u003C\u002Fa>\n* \u003Ca href='#acknowledgements'>🙏 致谢\u003C\u002Fa>\n* \u003Ca href='#cite'>🌟 引用\u003C\u002Fa>\n\n\u003Cspan id='why-to-release-auto-deep-research'\u002F>\n\n## 🧐 为什么发布Auto-Deep-Research？\n\n在发布AutoAgent（原名MetaChain）一周后，我们观察到三个推出Auto-Deep-Research的有力理由：\n\n1. **社区兴趣**\n\u003C\u002Fbr>我们注意到社区对我们Deep Research替代功能表现出浓厚兴趣。为此，我们精简了代码库，移除了与Deep Research无关的部分，打造了一个更加专注的工具。\n\n2. **框架扩展性**\n\u003C\u002Fbr>Auto-Deep-Research是基于AutoAgent构建的第一款开箱即用产品，展示了如何利用我们的框架快速简便地创建强大的Agent应用。\n\n3. **社区驱动的改进**\n\u003C\u002Fbr>我们采纳了第一周内收到的宝贵社区反馈，引入了一键启动和增强的LLM兼容性等功能，使工具更加易用和多功能。\n\nAuto-Deep-Research体现了我们对社区需求的承诺，以及对AutoAgent作为构建实用AI应用基础潜力的展示。\n\n\u003Cspan id='quick-start'\u002F>\n\n## ⚡ 快速入门\n\n\u003Cspan id='installation'\u002F>\n\n### 安装\n\n#### Auto-Deep-Research安装\n\n```bash\nconda create -n auto_deep_research python=3.10\nconda activate auto_deep_research\ngit clone https:\u002F\u002Fgithub.com\u002FHKUDS\u002FAuto-Deep-Research.git\ncd Auto-Deep-Research\npip install -e .\n```\n\n#### Docker安装\n\n我们使用Docker来容器化代理交互环境。因此，请先安装[Docker](https:\u002F\u002Fwww.docker.com\u002F)。您无需手动拉取预构建镜像，因为我们已让Auto-Deep-Research根据您的机器架构**自动拉取预构建镜像**。\n\n\u003Cspan id='api-keys-setup'\u002F>\n\n### API密钥设置\n\n创建一个环境变量文件，类似于`.env.template`，并为您想要使用的LLM设置API密钥。并非每个LLM的API密钥都是必需的，只需根据需要进行设置即可。\n\n\u003Cspan id='start-auto-deep-research'\u002F>\n\n### 启动自动深度研究\n\n#### 命令选项：\n\n你可以运行 `auto deep-research` 来启动自动深度研究。该命令的一些配置如下所示。\n\n- `--container_name`: Docker 容器的名称（默认值：'deepresearch'）\n- `--port`: 容器的端口（默认值：12346）\n- `COMPLETION_MODEL`: 指定要使用的 LLM 模型，应按照 [Litellm](https:\u002F\u002Fgithub.com\u002FBerriAI\u002Flitellm) 的命名方式设置模型名称。（默认值：`claude-3-5-sonnet-20241022`）\n- `DEBUG`: 启用调试模式以获取详细日志（默认值：False）\n- `API_BASE_URL`: LLM 提供商的基础 URL（默认值：无）\n- `FN_CALL`: 启用函数调用（默认值：无）。大多数情况下，你可以忽略此选项，因为我们已经根据模型名称设置了默认值。\n\n#### 不同的 LLM 提供商\n\n我们将向你展示使用不同 LLM 提供商启动自动深度研究是多么简单。\n\n##### Anthropic\n\n* 在 `.env` 文件中设置 `ANTHROPIC_API_KEY`。\n\n```bash\nANTHROPIC_API_KEY=your_anthropic_api_key\n```\n\n* 运行以下命令以启动自动深度研究。\n\n```bash\nauto deep-research # 默认模型是 claude-3-5-sonnet-20241022\n```\n\n##### OpenAI\n\n* 在 `.env` 文件中设置 `OPENAI_API_KEY`。\n\n```bash\nOPENAI_API_KEY=your_openai_api_key\n```\n\n* 运行以下命令以启动自动深度研究。\n\n```bash\nCOMPLETION_MODEL=gpt-4o auto deep-research\n```\n\n##### Mistral\n\n* 在 `.env` 文件中设置 `MISTRAL_API_KEY`。\n\n```bash\nMISTRAL_API_KEY=your_mistral_api_key\n```\n\n* 运行以下命令以启动自动深度研究。\n\n```bash\nCOMPLETION_MODEL=mistral\u002Fmistral-large-2407 auto deep-research\n```\n\n##### Gemini - Google AI Studio\n\n* 在 `.env` 文件中设置 `GEMINI_API_KEY`。\n\n```bash\nGEMINI_API_KEY=your_gemini_api_key\n```\n\n* 运行以下命令以启动自动深度研究。\n\n```bash\nCOMPLETION_MODEL=gemini\u002Fgemini-2.0-flash auto deep-research\n```\n\n##### Huggingface\n\n* 在 `.env` 文件中设置 `HUGGINGFACE_API_KEY`。\n\n```bash\nHUGGINGFACE_API_KEY=your_huggingface_api_key\n```\n\n* 运行以下命令以启动自动深度研究。\n\n```bash\nCOMPLETION_MODEL=huggingface\u002Fmeta-llama\u002FLlama-3.3-70B-Instruct auto deep-research\n```\n\n##### Groq\n\n* 在 `.env` 文件中设置 `GROQ_API_KEY`。\n\n```bash\nGROQ_API_KEY=your_groq_api_key\n```\n\n* 运行以下命令以启动自动深度研究。\n\n```bash\nCOMPLETION_MODEL=groq\u002Fdeepseek-r1-distill-llama-70b auto deep-research\n```\n\n##### OpenAI 兼容端点（例如 Grok）\n\n* 在 `.env` 文件中设置 `OPENAI_API_KEY`。\n\n```bash\nOPENAI_API_KEY=your_api_key_for_openai_compatible_endpoints\n```\n\n* 运行以下命令以启动自动深度研究。\n\n```bash\nCOMPLETION_MODEL=openai\u002Fgrok-2-latest API_BASE_URL=https:\u002F\u002Fapi.x.ai\u002Fv1 auto deep-research\n```\n\n##### OpenRouter（例如 DeepSeek-R1）\n\n我们建议暂时使用 OpenRouter 作为 DeepSeek-R1 的 LLM 提供商。因为 DeepSeek-R1 的官方 API 目前无法高效使用。\n\n* 在 `.env` 文件中设置 `OPENROUTER_API_KEY`。\n\n```bash\nOPENROUTER_API_KEY=your_openrouter_api_key\n```\n\n* 运行以下命令以启动自动深度研究。\n\n```bash\nCOMPLETION_MODEL=openrouter\u002Fdeepseek\u002Fdeepseek-r1 auto deep-research\n```\n\n##### DeepSeek\n\n* 在 `.env` 文件中设置 `DEEPSEEK_API_KEY`。\n\n```bash\nDEEPSEEK_API_KEY=your_deepseek_api_key\n```\n\n* 运行以下命令以启动自动深度研究。\n\n```bash\nCOMPLETION_MODEL=deepseek\u002Fdeepseek-chat auto deep-research\n```\n\n### 小贴士\n\n#### 将浏览器 Cookie 导入浏览器环境\n\n你可以将浏览器 Cookie 导入浏览器环境，以便代理更好地访问某些特定网站。有关更多详细信息，请参阅 [cookies](.\u002Fmetachain\u002Fenvironment\u002Fcookie_json\u002FREADME.md) 文件夹。\n\n更多功能即将推出！🚀 **Web GUI 界面** 正在开发中。\n\n\n## ☑️ 待办事项\n\n自动深度研究正在不断演进！以下是接下来的计划：\n\n- 🖥️ **GUI 代理**：支持具有 GUI 交互的 *计算机使用* 代理\n- 🏗️ **代码沙盒**：支持额外的环境，如 **E2B**\n- 🎨 **Web 界面**：开发全面的 GUI，以提升用户体验\n\n你有想法或建议吗？欢迎随时提交问题！敬请期待更多精彩更新！🚀\n\n## 📖 文档\n\n更详细的文档即将发布 🚀，我们将在 [Documentation](https:\u002F\u002Fmetachain-ai.github.io\u002Fdocs) 页面上进行更新。\n\n\u003Cspan id='community'\u002F>\n\n## 🤝 加入社区\n\n如果你认为自动深度研究很有帮助，可以通过以下方式加入我们的社区：\n\n- [加入我们的 Slack 工作区](https:\u002F\u002Fjoin.slack.com\u002Ft\u002Fmetachain-workspace\u002Fshared_invite\u002Fzt-2zibtmutw-v7xOJObBf9jE2w3x7nctFQ) - 在这里我们讨论研究、架构和未来发展。\n- [加入我们的 Discord 服务器](https:\u002F\u002Fdiscord.gg\u002Fz68KRvwB) - 这是一个由社区运营的服务器，用于一般性讨论、提问和反馈。\n- [阅读或提交 Github 问题](https:\u002F\u002Fgithub.com\u002FHKUDS\u002FAuto-Deep-Research\u002Fissues) - 查看我们正在处理的问题，或提出你的想法。\n\n\n\u003Cspan id='acknowledgements'\u002F>\n\n## 🙏 致谢\n\n罗马不是一天建成的。自动深度研究建立在 [AutoAgent](https:\u002F\u002Fgithub.com\u002FHKUDS\u002FAutoAgent) 框架之上。我们衷心感谢所有塑造 AutoAgent 的先驱性工作，包括为框架架构提供灵感的 OpenAI Swarm、为三代理设计提供洞见的 Magentic-one、为文档结构提供参考的 OpenHands，以及许多其他为代理与环境交互设计做出贡献的优秀项目。你们的创新成果对于使 AutoAgent 和 Auto-Deep-Research 成为可能起到了至关重要的作用。\n\n\u003Cspan id='cite'\u002F>\n\n## 🌟 引用\n\n```tex\n@misc{AutoAgent,\n      title={{AutoAgent: 一种完全自动化且无需代码的 LLM 代理框架}},\n      author={唐嘉斌、范天宇、黄超},\n      year={2025},\n      eprint={202502.05957},\n      archivePrefix={arXiv},\n      primaryClass={cs.AI},\n      url={https:\u002F\u002Farxiv.org\u002Fabs\u002F2502.05957},\n}\n```","# Auto-Deep-Research 快速上手指南\n\nAuto-Deep-Research 是一个基于 AutoAgent 框架的开源、低成本个人 AI 助手，旨在提供全自动的深度研究能力。它支持多种大语言模型（LLM），具备高性能和高灵活性。\n\n## 环境准备\n\n在开始之前，请确保您的系统满足以下要求：\n\n*   **操作系统**：Linux, macOS 或 Windows (需安装 WSL2)\n*   **Python 版本**：3.10\n*   **包管理工具**：Conda (推荐) 或 pip\n*   **容器引擎**：**Docker** (必须安装，用于构建代理交互环境)\n    *   无需手动拉取镜像，程序会根据您的机器架构自动拉取预构建镜像。\n*   **API Keys**：至少准备一个支持的 LLM API Key (如 OpenAI, Anthropic, DeepSeek, Google Gemini 等)\n\n## 安装步骤\n\n### 1. 创建并激活虚拟环境\n\n推荐使用 Conda 创建独立的 Python 3.10 环境：\n\n```bash\nconda create -n auto_deep_research python=3.10\nconda activate auto_deep_research\n```\n\n### 2. 克隆项目代码\n\n从 GitHub 克隆仓库并进入目录：\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002FHKUDS\u002FAuto-Deep-Research.git\ncd Auto-Deep-Research\n```\n\n### 3. 安装依赖\n\n以可编辑模式安装项目依赖：\n\n```bash\npip install -e .\n```\n\n> **提示**：如果下载速度较慢，可临时使用国内镜像源加速安装：\n> `pip install -e . -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple`\n\n### 4. 配置 API Keys\n\n在项目根目录下，参考 `.env.template` 创建 `.env` 文件，并填入您想要使用的 LLM API Key。只需配置您打算使用的模型对应的 Key 即可。\n\n示例 `.env` 文件内容：\n\n```bash\n# 例如使用 Anthropic\nANTHROPIC_API_KEY=your_anthropic_api_key\n\n# 或使用 OpenAI\n# OPENAI_API_KEY=your_openai_api_key\n\n# 或使用 DeepSeek\n# DEEPSEEK_API_KEY=your_deepseek_api_key\n```\n\n## 基本使用\n\n配置完成后，您可以通过一行命令启动 Auto-Deep-Research。默认情况下，它将使用 `claude-3-5-sonnet-20241022` 模型。\n\n### 启动默认模型\n\n```bash\nauto deep-research\n```\n\n### 指定其他模型启动\n\n您也可以通过环境变量 `COMPLETION_MODEL` 指定不同的模型。以下是常见模型的启动示例：\n\n**使用 OpenAI (gpt-4o):**\n```bash\nCOMPLETION_MODEL=gpt-4o auto deep-research\n```\n\n**使用 DeepSeek:**\n```bash\nCOMPLETION_MODEL=deepseek\u002Fdeepseek-chat auto deep-research\n```\n\n**使用 Google Gemini:**\n```bash\nCOMPLETION_MODEL=gemini\u002Fgemini-2.0-flash auto deep-research\n```\n\n**使用兼容 OpenAI 接口的模型 (如 Grok):**\n```bash\nCOMPLETION_MODEL=openai\u002Fgrok-2-latest API_BASE_URL=https:\u002F\u002Fapi.x.ai\u002Fv1 auto deep-research\n```\n\n**使用 OpenRouter (推荐用于 DeepSeek-R1):**\n```bash\nCOMPLETION_MODEL=openrouter\u002Fdeepseek\u002Fdeepseek-r1 auto deep-research\n```\n\n启动后，系统将自动初始化 Docker 容器并进入交互界面，您可以直接输入研究任务，AI 助手将自动执行深度搜索和分析。","一位独立开发者需要在两天内完成一份关于“全球生成式 AI 医疗应用”的深度竞品分析报告，以争取投资人青睐。\n\n### 没有 Auto-Deep-Research 时\n- **信息搜集耗时巨大**：需要手动在谷歌学术、新闻网站和财报中逐个搜索关键词，花费数小时筛选无关信息。\n- **多源数据整合困难**：面对 PDF 财报、网页文章和 Excel 数据表，人工复制粘贴极易出错且格式混乱。\n- **高昂的订阅成本**：若使用商业版深度研究服务，每月 200 美元的固定订阅费对初创团队负担过重。\n- **模型选择受限**：被迫绑定单一服务商的模型，无法根据任务难度灵活切换高性价比的开源或专用大模型。\n- **环境配置繁琐**：部署类似的自动化脚本通常需要复杂的依赖管理和 API 配置，消耗宝贵的开发时间。\n\n### 使用 Auto-Deep-Research 后\n- **全自动深度挖掘**：只需输入一行命令，Auto-Deep-Research 即可自主规划搜索路径，瞬间遍历全球数据库并提取核心观点。\n- **原生文件交互能力**：直接上传竞品财报 PDF 和数据表格，Auto-Deep-Research 自动解析内容并将其融入分析逻辑，无需人工清洗。\n- **极致成本控制**：利用自有按需付费的 API Key 运行，将单次深度调研成本从固定月费降至几美元，大幅降低试错门槛。\n- **灵活模型调度**：无缝切换 Deepseek 或 vLLM 等高性价比模型处理基础检索，仅在关键推理时调用高端模型，优化性能与价格比。\n- **零配置即刻启动**：通过 `auto deep-research` 一键启动，无需任何复杂配置，让开发者专注于报告结论而非工具搭建。\n\nAuto-Deep-Research 将原本需要数天的人工调研工作压缩至分钟级，以极低的成本赋予了个人开发者企业级的深度情报分析能力。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FHKUDS_Auto-Deep-Research_6f7d80da.jpg","HKUDS","✨Data Intelligence Lab@HKU✨","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002FHKUDS_fc32cc87.jpg",null,"https:\u002F\u002Fsites.google.com\u002Fview\u002Fchaoh","https:\u002F\u002Fgithub.com\u002FHKUDS",[81],{"name":82,"color":83,"percentage":84},"Python","#3572A5",100,1493,211,"2026-04-18T14:11:20","Linux, macOS, Windows","未说明 (主要依赖外部 LLM API，本地无重型模型推理需求；需安装 Docker 以运行容器化交互环境)","未说明",{"notes":92,"python":93,"dependencies":94},"1. 必须安装 Docker，工具会自动拉取预构建的镜像来创建代理交互环境。\n2. 推荐使用 conda 创建名为 'auto_deep_research' 的虚拟环境。\n3. 核心功能依赖各种 LLM 的 API Key（如 OpenAI, Anthropic, DeepSeek 等），并非本地部署模型。\n4. 支持通过环境变量灵活配置不同的模型提供商和接口地址。","3.10",[95,96,97,98],"Docker","conda","litellm (隐式依赖，用于模型路由)","AutoAgent (基础框架)",[14,100,35,13],"其他",[102,103,104],"agent","deep-research","llm","2026-03-27T02:49:30.150509","2026-04-19T15:46:31.010058",[108,113],{"id":109,"question_zh":110,"answer_zh":111,"source_url":112},42597,"在 Windows 上运行命令时出现 'Got unexpected extra argument' 错误怎么办？","这是因为在 Windows 命令行或 PowerShell 中不能直接将环境变量作为参数跟在命令后面。请按照以下步骤操作：\n1. 如果使用 CMD，先执行：`SET COMPLETION_MODEL=deepseek\u002Fdeepseek-chat`\n2. 如果使用 PowerShell，先执行：`$env:COMPLETION_MODEL=\"deepseek\u002Fdeepseek-chat\"`\n3. 设置完成后，再单独运行命令：`auto deep-research`","https:\u002F\u002Fgithub.com\u002FHKUDS\u002FAuto-Deep-Research\u002Fissues\u002F6",{"id":114,"question_zh":115,"answer_zh":116,"source_url":117},42598,"如何正确配置 DeepSeek API 以避免 403 Forbidden 错误？","当配置了 DeepSeek API Key 和 Base URL 却收到针对 Anthropic 的 403 错误时，通常是因为环境变量未正确加载或模型名称格式有误。请确保：\n1. 在运行命令前正确设置环境变量（Windows PowerShell 示例）：`$env:COMPLETION_MODEL=\"deepseek\u002Fdeepseek-chat\"`（注意去除名称末尾的空格）。\n2. 设置 API 地址：`$env:API_BASE_URL=\"https:\u002F\u002Fapi.deepseek.com\"`。\n3. 确保 `OPENAI_API_KEY` 或其他冲突的密钥已清空或正确设置，因为底层库（LiteLLM）可能会根据模型前缀自动路由请求，错误的模型字符串可能导致请求被发往错误的提供商（如 Anthropic）。","https:\u002F\u002Fgithub.com\u002FHKUDS\u002FAuto-Deep-Research\u002Fissues\u002F9",[]]