【免费下载】 Open Deep Research 使用教程

Open Deep Research 使用教程

1. 项目介绍

Open Deep Research 是一个开源的研究助手，能够自动化研究过程，并为任何主题生成可定制的报告。它允许用户通过特定的模型、提示、报告结构和搜索工具来自定义研究和写作过程。

2. 项目快速启动

在开始之前，请确保您已经设置了所需的API密钥，包括搜索工具和模型API密钥。

安装

使用pip安装Open Deep Research：

pip install open-deep-research

设置环境变量

设置环境变量，以便于Open Deep Research在运行时加载：

export TAVILY_API_KEY=<your_tavily_api_key>
export ANTHROPIC_API_KEY=<your_anthropic_api_key>
export OPENAI_API_KEY=<your_openai_api_key>
export PERPLEXITY_API_KEY=<your_perplexity_api_key>
export EXA_API_KEY=<your_exa_api_key>
export PUBMED_API_KEY=<your_pubmed_api_key>
export PUBMED_EMAIL=<your_email@example.com>
export LINKUP_API_KEY=<your_linkup_api_key>
export GOOGLE_API_KEY=<your_google_api_key>
export GOOGLE_CX=<your_google_custom_search_engine_id>

运行示例

以下是一个简单的例子，展示了如何使用Open Deep Research生成报告：

import uuid

thread = {
    "configurable": {
        "thread_id": str(uuid.uuid4()),
        "search_api": "tavily",
        "planner_provider": "anthropic",
        "planner_model": "claude-3-7-sonnet-latest",
        "writer_provider": "anthropic",
        "writer_model": "claude-3-5-sonnet-latest",
        "max_search_depth": 1
    }
}

topic = "人工智能市场概述，重点关注Fireworks、Together.ai、Groq"

async for event in graph.astream({"topic": topic}, thread, stream_mode="updates"):
    print(event)

请确保您已经在.env文件中设置了所有必要的API密钥。

3. 应用案例和最佳实践

使用Open Deep Research时，您可以自定义报告的结构、搜索查询的数量、搜索深度以及使用的模型提供商和模型。

以下是一个调整配置的例子：

thread = {
    "configurable": {
        "thread_id": str(uuid.uuid4()),
        "search_api": "exa",
        "search_api_config": {
            "num_results": 5,
            "include_domains": ["nature.com", "sciencedirect.com"]
        },
        # 其他配置...
    }
}

在研究过程中，您可以提供反馈以更新报告计划，并在满意后继续生成报告。

4. 典型生态项目

Open Deep Research 可以与多种AI模型和搜索工具集成，例如：

• Tavily API：用于一般网络搜索。
• Perplexity API：用于一般网络搜索。
• Exa API：强大的神经搜索，用于网络内容。
• ArXiv：物理学、数学、计算机科学等学术文章。
• PubMed：生物医学文献，包括MEDLINE、生命科学期刊和在线书籍。
• Linkup API：用于一般网络搜索。
• DuckDuckGo API：用于创建自定义搜索引擎。

通过这些工具和模型的集成，Open Deep Research 能够为各种研究和写作任务提供支持。