DeepSearcher 开源：告别传统 RAG，私有数据+DeepSeek，打造本地版 Deep Research

大家好，我是玄姐。

正文开始之前，先给我自己打个广告，DeepSeek 爆火国之荣耀，为了回馈粉丝们的支持，原价199元的《基于 DeepSeek 打造的 AI Agent 智能体项目实战直播训练营》，直接降价到19元，今天再开放一天报名特权，仅限99名。

回到正题。

这个春节，DeepSeek  实在太火爆了。

近期，Open AI 推出的 Deep Research（深度研究）功能引发了广泛关注。该功能通过整合大模型、超级搜索和研究助理于一体，使得金融机构能够一键生成报告，科研人员能够一键撰写综述，极大提升了效率。然而，由于企业场景中私有化数据的敏感性和成本考虑，如何将 Deep Research 进行开源的本地化部署，成为许多人的关注焦点。

在这篇文章中，我们将对市场上模仿 Deep Research 的开源项目进行简要分析，并结合 Deepseek 等主流开源模型，Zilliz 推出一款名为 Deep Searcher 的开源项目。该项目的目标是帮助用户在企业级场景下，基于 Deep Research的思路，实现私有化部署。此外，此方案在现有的RAG（Retrieval-Augmented Generation）方案上进行了重要升级。

GitHub 的尝鲜链接：

https://github.com/zilliztech/deep-searcher

—1—

什么是 Deep Research，为什么需要开源平替？

最近，OpenAI 推出了一款先进的 AI 研究工具——Deep Research，目的是为了帮助用户更高效地处理复杂的研究工作。这款工具基于 OpenAI 最新的 o3 大模型，特别针对网络浏览和数据分析进行了优化。

第一、核心功能包括：

多阶段信息搜集与推理：Deep Research 能够自动执行多阶段的网络调研，迅速整合网络上的大量信息，涵盖文本、图片和 PDF 文件。

专业报告自动生成：通过分析综合数百个在线资源，Deep Research 可以在5至30分钟内生成一份包含详细引用的专业报告，显著减少传统研究所需的时间。

第二、应用场景涵盖：

学术研究：学者和研究人员可以利用 Deep Research 快速搜集相关领域的深入资料，辅助撰写论文和进行研究。

市场分析：企业可以使用此工具进行市场调研、竞争分析和产品比较，为商业决策提供支持。

产品评估：消费者可以利用 Deep Research 比较不同产品的特点和评价，做出更明智的购买选择。

总体而言，Deep Research 作为 OpenAI 推出的深度研究产品，旨在通过自动化的信息搜集和分析，助力用户高效完成复杂的研究任务。但目前，Deep Research 仅对美国地区的 OpenAI Pro 用户开放，费用为每月200美元，且每月查询次数限制为100次。

第三、开源解决方案：

目前，大多数用户尚无法使用 OpenAI 的 Deep Research 功能。不过，自从 OpenAI 发布该功能后，许多开源社区的贡献者开始分析并尝试复现这一功能。

GitHub 上已经出现了多个开源方案，它们的实现流程大致分为以下四个步骤：

第一步，问题分析：大模型分析用户提出的问题，确定回答问题所需的角度和步骤。许多大型模型（比如：DeepSeek、ChatGPT、Gemini 等）只需开启推理选项即可完成这一过程。

第二步，在线搜索：根据大模型生成的问题进行在线搜索，获取搜索结果的前 k 项，并将内容反馈给大模型。

第三步，内容总结：大模型根据在线内容生成简洁的答案。

第四步，答案验证：将所有内容汇总后，由大模型判断答案的完整性和准确性。

如果答案完整且准确，则输出最终答案。如果达到预设的循环次数或 token 上限，同样输出最终答案。否则，生成新问题，返回第一步，并将历史解决信息带入下一轮循环。