open-deep-research
open-deep-research 是一款开源的 AI 深度研究助手,旨在为用户提供 OpenAI 和 Gemini 同类功能的免费替代方案。它将原本基于命令行的研究工具升级为现代化的交互式网页界面,帮助用户对任意主题进行自动化、深层次的调研。
该工具主要解决了传统搜索效率低、信息碎片化以及命令行工具使用门槛高的问题。它通过结合搜索引擎(FireCrawl)、网页抓取技术和大语言模型(OpenAI),能够模拟人类研究员的思维:不仅自动生成针对性的搜索查询,还能根据初步结果提出追问,递归式地探索话题深度,最终输出包含详细引用来源的 Markdown 格式研究报告。
open-deep-research 非常适合研究人员、分析师、开发者以及需要快速获取高质量行业洞察的普通用户。其独特的技术亮点在于支持并行处理多项搜索任务以提升效率,并提供可配置的研究广度与深度参数。此外,基于 Next.js 和 shadcn/ui 构建的界面不仅美观直观,还具备实时进度追踪功能;在安全性上,它支持将 API 密钥存储在仅 HTTP 的 Cookie 中,确保用户在浏览器端试用时的数据安全。无论是本地部署还是直接在线体验,它都能让深度研究变得简单高效。
使用场景
某科技公司的市场分析师需要在两天内完成一份关于“全球固态电池供应链最新格局”的深度调研报告,以支持高层的战略投资决策。
没有 open-deep-research 时
- 信息搜集碎片化:分析师需手动在多个搜索引擎和新闻网站间切换,反复调整关键词,耗时数小时仍难以覆盖全面信息。
- 深度挖掘不足:面对复杂的产业链关系,人工难以进行多轮递归搜索,容易遗漏关键的上下游技术突破或隐性竞争对手。
- 整理效率低下:从不同来源复制粘贴数据后,需花费大量时间统一格式、核对来源并撰写综述,极易出现人为疏漏。
- 过程不可视:研究进度完全依赖个人记忆或笔记,无法实时追踪已查内容和待办事项,团队协作时同步成本极高。
使用 open-deep-research 后
- 全自动迭代搜索:open-deep-research 利用 LLM 自动生成针对性查询,递归探索主题深度,并行处理多条搜索路径,瞬间锁定核心情报。
- 智能追问与扩展:系统能根据初步结果自动提出跟进问题(如“某原材料的替代方案”),确保调研广度与深度远超人工极限。
- 一键生成报告:自动将分散的发现整合为结构清晰的 Markdown 报告,附带完整引用来源,分析师仅需做最终审核即可交付。
- 实时进度可视化:通过现代化的 Web 界面,用户可直观看到每一步搜索、抓取和分析的实时状态,随时调整研究参数或终止任务。
open-deep-research 将原本需要数天的人工深挖工作压缩至分钟级,让研究人员从繁琐的信息搬运工转变为高价值的决策洞察者。
运行环境要求
- Linux
- macOS
- Windows
未说明
未说明

快速开始
开放式深度研究 Web 界面
基于原始 Deep Research CLI 项目构建的现代化、交互式 Web 界面。这款 Web 应用程序利用 Next.js 和 shadcn/ui,将命令行研究助手转变为直观且视觉上吸引人的体验。
概述
开放式深度研究 Web 界面是一款由 AI 驱动的研究助手,它使用 Next.js 和 shadcn/ui 将原始的 CLI 工具转换为现代 Web 界面。您可以在 anotherwrapper.com/open-deep-research 上使用自己的 API 密钥试用,也可以自行部署。
该系统结合了搜索引擎(通过 FireCrawl)、网页抓取以及语言模型(通过 OpenAI),能够对任何主题进行深入研究。其主要功能包括:
智能研究流程:
- 通过递归地深入探索主题来执行迭代式研究
- 利用 LLM 根据研究目标生成有针对性的搜索查询
- 创建后续问题以更好地理解研究需求
- 并行处理多个搜索和结果以提高效率
- 可配置的深度和广度参数,用于控制研究范围
研究输出:
- 生成包含发现与来源的详细 Markdown 报告
- 实时跟踪研究步骤的进度
- 内置 Markdown 查看器用于查看结果
- 可下载的研究报告
现代化界面:
- 用于调整研究参数的交互式控件
- 对正在进行的研究进度提供可视化反馈
- 仅限 HTTP 的 Cookie 存储用于保存 API 密钥
该系统保留了原始 CLI 的核心研究能力,同时提供了一个直观的可视化界面,用于控制和监控研究过程。
赞助商
本项目由 AnotherWrapper 荣誉赞助。
快速开始
前提条件
- Node.js v14 或更高版本
- OpenAI 和 FireCrawl 的 API 密钥
安装
克隆并安装
git clone https://github.com/fdarkaou/open-deep-research.git cd open-deep-research npm install配置环境
创建
.env.local文件,并添加以下内容:OPENAI_API_KEY=your-openai-api-key FIRECRAWL_KEY=your-firecrawl-api-key NEXT_PUBLIC_ENABLE_API_KEYS=false # 设置为 false 以禁用 API 密钥对话框运行应用
npm run dev
API 密钥管理
默认情况下(NEXT_PUBLIC_ENABLE_API_KEYS=true),应用程序会显示一个 API 密钥输入对话框,允许用户直接在浏览器中使用自己的 API 密钥试用研究助手。密钥会被安全地存储在仅限 HTTP 的 Cookie 中,绝不会暴露给客户端 JavaScript。
对于您自己的部署,可以通过将 NEXT_PUBLIC_ENABLE_API_KEYS 设置为 false 来禁用此对话框,并改而在您的 .env.local 文件中直接配置 API 密钥。
许可证
MIT 许可证。您可以根据自己的意愿自由使用和修改代码,用于您自己的项目。
致谢
- 原始 CLI: dzhng/deep-research
- 赞助商: AnotherWrapper
- 工具: Next.js、shadcn/ui、anotherwrapper、Vercel AI SDK
祝您研究愉快!
常见问题
相似工具推荐
openclaw
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。 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。 OpenClaw 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
stable-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。 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。
everything-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。 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。 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
ComfyUI
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。 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。 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。
LLMs-from-scratch
LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目,旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型(LLM)。它不仅是同名技术著作的官方代码库,更提供了一套完整的实践方案,涵盖模型开发、预训练及微调的全过程。 该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型,却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码,用户能够透彻掌握 Transformer 架构、注意力机制等关键原理,从而真正理解大模型是如何“思考”的。此外,项目还包含了加载大型预训练权重进行微调的代码,帮助用户将理论知识延伸至实际应用。 LLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API,而是渴望探究模型构建细节的技术人员而言,这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计:将复杂的系统工程拆解为清晰的步骤,配合详细的图表与示例,让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础,还是为未来研发更大规模的模型做准备
Deep-Live-Cam
Deep-Live-Cam 是一款专注于实时换脸与视频生成的开源工具,用户仅需一张静态照片,即可通过“一键操作”实现摄像头画面的即时变脸或制作深度伪造视频。它有效解决了传统换脸技术流程繁琐、对硬件配置要求极高以及难以实时预览的痛点,让高质量的数字内容创作变得触手可及。 这款工具不仅适合开发者和技术研究人员探索算法边界,更因其极简的操作逻辑(仅需三步:选脸、选摄像头、启动),广泛适用于普通用户、内容创作者、设计师及直播主播。无论是为了动画角色定制、服装展示模特替换,还是制作趣味短视频和直播互动,Deep-Live-Cam 都能提供流畅的支持。 其核心技术亮点在于强大的实时处理能力,支持口型遮罩(Mouth Mask)以保留使用者原始的嘴部动作,确保表情自然精准;同时具备“人脸映射”功能,可同时对画面中的多个主体应用不同面孔。此外,项目内置了严格的内容安全过滤机制,自动拦截涉及裸露、暴力等不当素材,并倡导用户在获得授权及明确标注的前提下合规使用,体现了技术发展与伦理责任的平衡。
