📰 新闻

• 2025年12月12日: 🥇 EDR 在 LiveResearchBench 排行榜 上荣登 #1！
• 2025年11月15日: 我们的技术报告已被 AAAI 聚智型 AI 基准与应用研讨会接受。
• 2025年11月13日: EDR 已正式登上 DeepResearchBench 排行榜

---

我们推出 Enterprise Deep Research (EDR)，一个集成以下组件的多智能体系统：

• 用于自适应查询分解的主规划智能体。
• 四个专业搜索智能体（通用、学术、GitHub、LinkedIn）。
• 基于 MCP 的可扩展工具生态系统，支持 NL2SQL、文件分析和企业工作流。
• 用于数据驱动洞察的可视化智能体。
• 反思机制，能够检测知识缺口，并在人类参与的引导下更新研究方向。
• 实时引导命令，用于持续优化研究过程。

[!注] 这些组件实现了自动化报告生成、实时流式处理以及无缝的企业级部署，已在内部数据集上得到验证。

🎥 演示

我们展示了一个在 Web 应用中使用 EDR 进行企业深度数据分析的视频演示。

EDR：Web 应用程序

https://github.com/user-attachments/assets/b40b6131-3b7c-4e5f-8de3-91a4047ade58

[!注] 多提供商 LLM 支持 • Slack 智能体 • 实时流式处理 • 文档分析 • 引用管理 • 并行处理 • 专业化基准测试 • 人机协作引导

🚀 快速入门

要求: Python 3.11+ • Node.js 20.9.0+

安装与设置

# 克隆并设置
git clone https://github.com/SalesforceAIResearch/enterprise-deep-research.git
cd enterprise-deep-research

# Python 环境
python -m venv venv
source venv/bin/activate  # Windows: venv\Scripts\activate
pip install -r requirements.txt

# 配置环境
cp .env.sample .env
# 使用您的 API 密钥编辑 .env 文件

# 前端设置
cd ai-research-assistant && npm install && npm run build && cd ..

环境配置

必需变量:

• TAVILY_API_KEY - Tavily 搜索 API 密钥
• 一个 LLM 提供商密钥:
  • OPENAI_API_KEY - OpenAI API 密钥
  • ANTHROPIC_API_KEY - Anthropic API 密钥
  • GROQ_API_KEY - Groq API 密钥
  • GOOGLE_CLOUD_PROJECT - Google Cloud 项目 ID
  • SAMBNOVA_API_KEY - SambaNova API 密钥

可选设置:

• LLM_PROVIDER - 默认提供商（默认为 openai）
• LLM_MODEL - 模型名称（提供商特定的默认值）
• MAX_WEB_RESEARCH_LOOPS - 最大迭代次数（默认为 10）

支持的模型

提供商	默认模型	可用模型
OpenAI	o4-mini	o4-mini, o4-mini-high, o3-mini, o3-mini-reasoning, gpt-4o
Anthropic	claude-sonnet-4	claude-sonnet-4, claude-sonnet-4-thinking, claude-3-7-sonnet, claude-3-7-sonnet-thinking
Google	gemini-2.5-pro	gemini-2.5-pro, gemini-1.5-pro-latest, gemini-1.5-flash-latest
Groq	deepseek-r1-distill-llama-70b	deepseek-r1-distill-llama-70b, llama-3.3-70b-versatile, llama3-70b-8192
SambaNova	DeepSeek-V3-0324	DeepSeek-V3-0324

运行应用程序

全栈（推荐）——单条命令:

python -m uvicorn app:app --host 0.0.0.0 --port 8000

该应用程序将同时提供后端 API 和预构建的前端，访问地址为 http://localhost:8000。

后端 API 文档: http://localhost:8000/docs

💻 使用方法

命令行

python benchmarks/run_research.py "您的研究问题" \
  --provider openai --model o3-mini --max-loops 3

Web 界面

请访问 http://localhost:8000，进行交互式研究，并实时跟踪进度。

📚 基准测试与开发

支持的基准测试

• DeepResearchBench: 综合性研究评估
• ResearchQA: 带引用验证的问答任务
• DeepConsult: 咨询式分析任务

EDR-200 数据集

EDR-200 数据集 包含由 Enterprise Deep Research 生成的 201 条完整的聚智型研究轨迹——99 条来自 DeepResearch Bench，102 条来自 DeepConsult。与以往仅记录最终输出的基准不同，这些轨迹完整展示了搜索、反思和综合各阶段的推理过程，从而可以对聚智型规划与决策动态进行精细化分析。

运行基准测试

请参阅我们的详细 基准测试指南。

开发环境设置

# 测试
python -m pytest tests/
python test_agents.py

# 代码质量
black src/ services/ benchmarks/
mypy src/ services/
flake8 src/ services/ benchmarks/

# 开发服务器
python -m uvicorn app:app --reload --host 0.0.0.0 --port 8000
cd ai-research-assistant && npm run dev

📁 项目结构

enterprise-deep-research/
├── ai-research-assistant/       # React 前端
├── benchmarks/                  # 评估框架
├── src/                        # 核心研究引擎
│   ├── agent_architecture.py   # 多智能体编排
│   ├── graph.py               # LangGraph 工作流定义
│   ├── state.py               # 研究状态管理
│   ├── simple_steering.py     # 导向与任务管理
│   ├── steering_integration.py # 导向集成层
│   ├── prompts.py             # 智能体提示词与模板
│   ├── configuration.py       # 智能体配置
│   ├── utils.py               # 工具函数
│   ├── visualization_agent.py # 可视化生成
│   └── tools/                 # 研究工具与 MCP 集成
├── services/                   # 后端服务（研究、分析、解析）
├── routers/                    # FastAPI 端点
├── models/                     # 数据模型
├── app.py                      # 主 FastAPI 应用程序
├── llm_clients.py              # LLM 提供商客户端
├── session_store.py            # 会话管理
└── requirements.txt            # Python 依赖项

星标历史

📜 许可证与引用

根据 Apache 2.0 许可证授权。

@article{prabhakar2025enterprisedeepresearch,
  title={企业深度研究：面向企业分析的可导向多智能体深度研究},
  author={Prabhakar, Akshara 和 Ram, Roshan 以及 Chen, Zixiang 和 Savarese, Silvio 和 Wang, Frank 和 Xiong, Caiming 和 Wang, Huan 和 Yao, Weiran},
  journal={arXiv 预印本 arXiv:2510.17797},
  year={2025}
}

📬 贡献

我们非常期待来自更广泛 AI 社区的声音，并欢迎任何贡献、拉取请求或问题！请参阅 贡献指南。

如有疑问、建议或贡献，请联系：Akshara Prabhakar

致谢：基于 LangGraph、Tavily、React、Tailwind CSS 以及 FastAPI 构建。

Enterprise Deep Research (EDR) 快速上手指南

Enterprise Deep Research (EDR) 是由 Salesforce AI Research 开源的企业级深度研究多智能体系统。它集成了主规划智能体、专用搜索智能体（通用、学术、GitHub、LinkedIn）、可视化的数据洞察以及人机协作的实时引导机制，适用于自动化报告生成和复杂的企业数据分析任务。

环境准备

在开始之前，请确保您的开发环境满足以下要求：

• 操作系统: Linux, macOS 或 Windows
• Python: 3.11 或更高版本
• Node.js: 20.9.0 或更高版本（用于构建前端界面）
• API Keys:
  • 搜索引擎：需准备 Tavily API Key
  • 大模型：需准备至少一家主流 LLM 提供商的 API Key（支持 OpenAI, Anthropic, Google Cloud, Groq, SambaNova）

提示：国内开发者若访问 GitHub 或 HuggingFace 较慢，建议配置相应的网络加速工具或使用镜像源。

安装步骤

1. 克隆项目

git clone https://github.com/SalesforceAIResearch/enterprise-deep-research.git
cd enterprise-deep-research

2. 配置 Python 环境

创建虚拟环境并安装依赖：

python -m venv venv
source venv/bin/activate  # Windows 用户请使用: venv\Scripts\activate
pip install -r requirements.txt

(可选优化)：国内用户可使用清华源加速安装：

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

3. 配置环境变量

复制示例配置文件并根据实际情况编辑 .env 文件：

cp .env.sample .env

在 .env 文件中填入您的 API Keys（以下为必填项示例）：

# 搜索引擎
TAVILY_API_KEY=your_tavily_key

# 大模型提供商 (任选其一配置即可)
OPENAI_API_KEY=your_openai_key
# ANTHROPIC_API_KEY=your_anthropic_key
# GROQ_API_KEY=your_groq_key
# GOOGLE_CLOUD_PROJECT=your_google_project_id
# SAMBNOVA_API_KEY=your_sambanova_key

# 可选配置
LLM_PROVIDER=openai
LLM_MODEL=o4-mini
MAX_WEB_RESEARCH_LOOPS=10

4. 构建前端界面

EDR 包含基于 React 的前端应用，需要编译构建：

cd ai-research-assistant && npm install && npm run build && cd ..

(可选优化)：若 npm install 速度慢，可配置淘宝镜像：

npm config set registry https://registry.npmmirror.com

基本使用

EDR 支持通过 Web 界面交互或通过命令行直接运行。

方式一：启动全栈应用（推荐）

此命令将同时启动后端 API 和前端界面，适合交互式研究和实时进度追踪。

python -m uvicorn app:app --host 0.0.0.0 --port 8000

启动成功后，请在浏览器访问：

• Web 操作界面: http://localhost:8000
• API 文档: http://localhost:8000/docs

方式二：命令行运行

如果您只需快速执行一次研究任务并获取结果，可使用命令行模式：

python benchmarks/run_research.py "您的研究问题" \
  --provider openai --model o3-mini --max-loops 3

• "您的研究问题": 替换为您想要调研的具体课题。
• --provider: 指定大模型提供商（如 openai, anthropic 等）。
• --model: 指定具体模型名称。
• --max-loops: 限制最大搜索迭代次数。