自动查文献+写代码+跑数据+出报告！港大开源 Auto Deep Research 搞定科研全流程

最新推荐文章于 2025-04-24 21:00:00 发布
最新推荐文章于 2025-04-24 21:00:00 发布
阅读量1.2k 收藏 17
点赞数 20
分类专栏： 每日 AI 项目与应用实例 文章标签： 开源 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_19841021/article/details/145800877
版权

❤️ 如果你也关注 AI 的发展现状，且对 AI 应用开发感兴趣，我会每日分享大模型与 AI 领域的开源项目和应用，提供运行实例和实用教程，帮助你快速上手AI技术！

🥦 AI 在线答疑 -> 智能检索历史文章和开源项目 -> 尽在微信公众号 -> 搜一搜：蚝油菜花 🥦

🧠 “实验室经费在燃烧？这个开源项目如何用三个AI分身搞定科研全流程！”

大家好，我是蚝油菜花。当你还在：

  • 🔧 手动整理上百篇文献摘要到凌晨3点
  • 💸 为GPT-4的API账单心惊肉跳
  • 🤯 在Python脚本和Excel表格间反复横跳…

Auto-Deep-Research 带来了变革性解决方案！这个由港大黄超教授团队开源的多Agent系统，集成了：

  • ✅ 文献蜘蛛：自动抓取最新研究成果并生成综述
  • ✅ 代码医师：debug数据分析脚本+自动优化可视化
  • ✅ 报告管家：按期刊模板一键生成完整论文

依托 模块化调度器 ，这些AI分身能：

  • 🔄 自主协商任务分配（比如先爬数据再建模）
  • 💡 支持4大类LLM随时切换（Anthropic/OpenAI/Mistral/HF）
  • 📦 容器化部署避免环境依赖噩梦

现在，让我们一起揭开这个开源科研利器 Auto-Deep-Research 的技术面纱！

🚀 快速阅读

Auto-Deep-Research 是一个专注于复杂任务自动化的开源 AI 助理。

  1. 核心功能：支持深度研究、多格式文件解析、网络搜索与编程实现。
  2. 技术原理：采用模块化多 Agent 架构，协同完成互联网信息搜索、编程调试与文件处理任务。

Auto-Deep-Research 是什么

Auto-Deep-Research

Auto-Deep-Research 是香港大学黄超教授实验室开源的一款全自动个人 AI 助理，旨在成为 OpenAI Deep Research 的开源替代方案。它基于 AutoAgent 框架开发，采用模块化的多 Agent 架构设计，包含 Web Agent（互联网信息搜索）、Coding Agent（编程实现与调试）和 Local File Agent（文件解析与理解）。这些 Agent 通过核心调度器（Orchestrator Agent）协同工作，为用户提供高效的任务自动化处理能力。

该项目专注于复杂任务的自动化处理，如文件解析、数据分析与可视化，并能够生成详细的报告。Auto-Deep-Research 兼容多种大语言模型（LLM），包括 Anthropic、OpenAI、Mistral 和 Hugging Face 等，同时支持导入浏览器 Cookies，以更好地访问特定网站。

此外，Auto-Deep-Research 以其高性价比著称，仅基于 Claude-3.5-Sonnet 构建，大幅降低了使用成本，是研究人员、教育工作者和企业用户的理想选择。

Auto-Deep-Research 的主要功能

  • 深度研究功能：专注于复杂任务的自动化处理，如文件解析、网络搜索、数据分析与可视化，生成高质量的研究报告。
  • 多语言模型支持：兼容多种大语言模型（LLM），包括 Anthropic、OpenAI、Mistral、Hugging Face 等。
  • 高性价比：基于 Claude-3.5-Sonnet 构建，显著降低使用成本。
  • 社区驱动改进：根据社区反馈增加了如一键启动和增强的 LLM 兼容性等功能。
  • 易于部署：支持通过 Conda 环境或 Docker 安装，提供详细的启动配置选项。

Auto-Deep-Research 的技术原理

  • 多 Agent 架构：包含 Web Agent（互联网信息搜索）、Coding Agent（编程实现与调试）和 Local File Agent（文件解析与理解），通过核心调度器（Orchestrator Agent）协同工作。
  • Web Agent：专注于互联网信息的无障碍访问和深度搜索。
  • Coding Agent：负责编程实现和调试，具备严密的逻辑分析能力。
  • Local File Agent：致力于多格式文件的解析和内容理解。

如何运行 Auto-Deep-Research

下面将指导你如何安装 Docker、配置 API 密钥以及启动 Auto-Deep-Research。同时将展示如何通过不同 LLM 提供商运行 Auto-Deep-Research，并提供一些实用技巧。

1. Docker 安装

Auto-Deep-Research 使用 Docker 来容器化交互环境，因此请先安装Docker。你无需手动拉取预构建的镜像，因为 Auto-Deep-Research 会根据你的机器架构自动拉取对应的镜像。

2. API 密钥设置

创建一个环境变量文件（例如 .env），并在其中设置你计划使用的 LLM 的 API 密钥。并非所有 LLM 的 API 密钥都是必需的，根据你的需求进行设置即可。

示例 .env 文件内容：

ANTHROPIC_API_KEY=your_anthropic_api_key
OPENAI_API_KEY=your_openai_api_key

3. 启动 Auto-Deep-Research

命令选项

运行 auto deep-research 命令以启动 Auto-Deep-Research。以下是一些常用配置选项：

  1. --container_name：指定 Docker 容器的名称（默认值：deepresearch）。
  2. --port：指定容器使用的端口（默认值：12346）。
  3. COMPLETION_MODEL：指定要使用的 LLM 模型，需遵循Litellm的命名规范（默认值：claude-3-5-sonnet-20241022）。
  4. DEBUG：启用调试模式以获取详细日志（默认值：False）。
  5. API_BASE_URL：指定 LLM 提供商的 API 基础 URL（默认值：None）。
  6. FN_CALL：启用函数调用功能（默认值：None）。大多数情况下可以忽略此选项，因为我们已经根据模型名称设置了默认值。

使用不同 LLM 提供商启动 Auto-Deep-Research

Anthropic

设置 API 密钥

在 .env 文件中设置 ANTHROPIC_API_KEY：

ANTHROPIC_API_KEY=your_anthropic_api_key
启动命令

运行以下命令启动 Auto-Deep-Research：

auto deep-research

默认模型为 claude-3-5-sonnet-20241022。

OpenAI

设置 API 密钥

在 .env 文件中设置 OPENAI_API_KEY：

OPENAI_API_KEY=your_openai_api_key
启动命令

运行以下命令启动 Auto-Deep-Research：

COMPLETION_MODEL=gpt-4o auto deep-research

Mistral

设置 API 密钥

在 .env 文件中设置 MISTRAL_API_KEY：

MISTRAL_API_KEY=your_mistral_api_key
启动命令

运行以下命令启动 Auto-Deep-Research：

COMPLETION_MODEL=mistral/mistral-large-2407 auto deep-research

Gemini - Google AI Studio

设置 API 密钥

在 .env 文件中设置 GEMINI_API_KEY：

GEMINI_API_KEY=your_gemini_api_key
启动命令

运行以下命令启动 Auto-Deep-Research：

COMPLETION_MODEL=gemini/gemini-2.0-flash auto deep-research

Huggingface

设置 API 密钥

在 .env 文件中设置 HUGGINGFACE_API_KEY：

HUGGINGFACE_API_KEY=your_huggingface_api_key
启动命令

运行以下命令启动 Auto-Deep-Research：

COMPLETION_MODEL=huggingface/meta-llama/Llama-3.3-70B-Instruct auto deep-research

Groq

设置 API 密钥

在 .env 文件中设置 GROQ_API_KEY：

GROQ_API_KEY=your_groq_api_key
启动命令

运行以下命令启动 Auto-Deep-Research：

COMPLETION_MODEL=groq/deepseek-r1-distill-llama-70b auto deep-research

OpenAI-Compatible Endpoints（例如 Grok）

设置 API 密钥

在 .env 文件中设置 OPENAI_API_KEY：

OPENAI_API_KEY=your_api_key_for_openai_compatible_endpoints
启动命令

运行以下命令启动 Auto-Deep-Research：

COMPLETION_MODEL=openai/grok-2-latest API_BASE_URL=https://api.x.ai/v1 auto deep-research

OpenRouter（例如 DeepSeek-R1）

我们建议暂时使用 OpenRouter 作为 DeepSeek-R1 的 LLM 提供商，因为官方 API 的效率较低。

设置 API 密钥

在 .env 文件中设置 OPENROUTER_API_KEY：

OPENROUTER_API_KEY=your_openrouter_api_key
启动命令

运行以下命令启动 Auto-Deep-Research：

COMPLETION_MODEL=openrouter/deepseek/deepseek-r1 auto deep-research

DeepSeek

设置 API 密钥

在 .env 文件中设置 DEEPSEEK_API_KEY：

DEEPSEEK_API_KEY=your_deepseek_api_key
启动命令

运行以下命令启动 Auto-Deep-Research：

COMPLETION_MODEL=deepseek/deepseek-chat auto deep-research

资源

❤️ 如果你也关注 AI 的发展现状，且对 AI 应用开发感兴趣，我会每日分享大模型与 AI 领域的开源项目和应用，提供运行实例和实用教程，帮助你快速上手AI技术！

🥦 AI 在线答疑 -> 智能检索历史文章和开源项目 -> 尽在微信公众号 -> 搜一搜：蚝油菜花 🥦

Auto-Deep-Research：告别昂贵的Deep Research，拥抱开源的AI助手！
强化学习曾小健
02-24 1176
这是一个完全自动化、开源且经济高效的个人AI助手，基于强大的AutoAgent框架，让你的研究工作事半功倍。Auto-Deep-Research支持多种LLM提供商，配置方法大同小异，只需设置相应的API密钥，并在启动命令中指定模型即可。Auto-Deep-Research是一个充满潜力的开源项目，它将帮助你以更低的成本完成更高效的研究工作。的环境变量文件，填入你想要使用的LLM API密钥。首先，最好的是你需要一个干净的Python环境。：指定要使用的LLM模型，参考📌Litellm的命名规范。
一句话全自动创建AI智能体，港大AutoAgent打造开源最强Deep Research
Paper weekly
03-09 429
香港大学近期重磅发布开源项目 AutoAgent，这是由黄超教授实验室开发的创新 AI 框架。它最大的特点是：只要用自然语言就能创建 AI 助手，让人工智能应用开发变得特别简单。项目开源仅三周就在 Github 上获得了 2.1k 星标。基于 AutoAgent 引擎，黄超团队还打造了一个超强的 AI 研究助手——Auto-Deep-Research。这个通用 AI 智能体性能目前位列全球第三，开...
计算机视觉：dlib用于物体追踪
AAI666666的博客
01-08 641
PyTorch，由于dlib对于人脸特征具有很好的支持，有很多训练好的人脸特征提取模型供开发者使用，所以dlib很适合做人脸项目开发。
$200 劝退，无缘 Deep Research，可以试试 AutoSurvey
易迟的专栏
02-12 925
最近各种新的大模型辅助科研工具持续出现，在之前的文章中就介绍过NVIDIA 的结构化报告生成方案，最近 OpenAI 也推出了类似的产品，叫做。Deep Research 可以根据需要进行深度的调研与信息整理，但是只有 Pro 用户才能享受到，$200 的价格直接劝退。在调研后发现了开源项目AutoSurvey，相对之前的 NVIDIA 的方案更加完整，不仅包含了完整的报告生成，还能自动生成文献列表。AutoSurvey 是一个基于大语言模型的自动综述生成工具。它的整体流程如下所示：大纲生成；
香港大学deep-research开源项目
galileo2016的博客
03-01 564
香港大学deep-research开源项目：AutoAgent智能体和Auto-Deep-Research
多智能体框架
Angus
02-26 750
多个不同的角色的Agent，共同完成一份复杂的工作。由一个统筹管理的智能体，自主规划多个智能体分别做什么，以及执行的顺序。agent 应该包含的属性执行特定任务根据其角色和目标做出决策能够使用工具来实现目标与其他代理沟通和协作保留互动记忆在允许的情况下委派任务如何协作是关键条件自主：通过编码，顺序执行。高度自主：能够自行决定不同角色Agent的是否要执行，以及执行顺序。主要关注的点：1、自主性2、开发人员能够控制的精度 (可编码改造)一、汇总特性AutoGen。
deep-research 专用评测数据集
Angus
02-26 1430
数据集内容：该测试包含 2,700 道题，涉及数十个学科，包括数学、人文科学和自然科学。HLE 由全球学科专家开发，包含适合自动评分的多项选择题和简答题。数据特点精确匹配问题（模型需输出一个精确的字符串作为答案）和多项选择题（模型需从五个或更多选项中选择一个正确答案）。HLE 是一个多模态基准，其中约13% 的问题需要理解文本和图像。24% 的问题是多项选择题，其余为精确匹配问题。问题文本、答案说明（包括精确匹配答案，或多项选择答案及正确答案标注）、详细的解题逻辑所属学科，以及贡献者的姓名和机构信息。
OpenAI深度研究“Deep Research智能体及大模型故事自动分析、配音应用尝试
xiaoganbuaiuk的博客
02-05 1164
尤其擅长寻找那些需要浏览众多网站才能获得的非直观、小众信息。在。
探索未来科技：AutoResearcher - 智能研究助手
gitblog_00100的博客
04-27 521
探索未来科技：AutoResearcher - 智能研究助手 autoresearcher项目地址:https://gitcode.com/gh_mirrors/au/autoresearcher 项目简介 是一个创新的开源项目，旨在通过自动化和智能化的方式，帮助研究人员、学生和专业人员更有效地进行文献检索、整理和分析。它将AI与传统的科研工作流程相结合，减少重复性劳动，让研究人员可以更加专注于...
开源鸿蒙，给机器人带来了什么？
脑极体
04-22 727
2025全球机器人操作系统竞争力报告》显示，中国工业机器人核心算法库自主可控性不足40%，76%的中国机器人仍依赖“ROS+Linux”的底层操作系统，而开源鸿蒙M-Robots OS全栈国产路线，缓解了“技术卡脖子”风险，标志着中国在机器人操作系统领域实现了从跟跑到并跑的跨越。有的来自德国，有的来自日本，还有的来自美国。ROS架构松散，节点间通信依赖固定的讯息格式，不同品牌的机器人需要额外开发通信接口，编程人员需要精通Linux和C++编程的专业人才，调试周期长、成本高，给中小企业带来一笔不小的开支。
主流开源 LLM 应用开发平台详解
爱的叹息的专栏
04-23 973
主流开源 LLM 应用开发平台详解
【开源】STM32HAL库驱动ST7789_240×240（硬件SPI+软件SPI）
wan1234512的博客
04-23 414
调试移植了一款ST7789的屏幕，使用HAL库分别用软件和硬件SPI驱动成功，文中描述了移植时候遇到的BUG
开源交易所源码，交易所开发
2502_91163200的博客
04-24 389
这是一个专注于Web3相关开发的账号，具体会讲解步骤以及开发方案偶尔会有科普，有兴趣的可以点右上角关注一下开发一个开源的数字货币合约交易所是一个复杂但可行的项目，需要结合技术、安全、合规和社区运营等多方面考虑。
活动预告丨CCF开源发展委员会“开源高校行”第三十九期—电子科技大学站
CCF开源发展委员会的博客
04-22 299
CCF开源发展委员会(CCF ODC)秉承创新、开放、协作、共享的理念和价值观，聚焦打造自身开源的新型开源创新服务平台，培育孵化原始创新的开源项目，培养开源创新实践人才。依托CCF链接科教资源、产业资源和社会资源等，形成产、学、研、用联动的开源创新模式，探索由学术共同体主导的开源发展新路径，为中国计算机学会会员乃至全球开源创新实践者提供高水平服务，助力开源生态建设。在数字化转型的浪潮中，开源人才的培养是信息技术创新发展的重要根基，高校学子作为我国开源生态的源头活水备受重视。点击阅读原文进入官网。
开源AI开发工具：OpenAI Codex CLI
学习、研究、分享、推广AI及IT在企业等组织中应用的博客
04-22 1773
OpenAI Codex CLI是一款开源命令行工具，可将我们最新推理模型的强大功能直接带到您的终端。它充当轻量级的编码代理，可以在您的本地计算机上读取、修改和运行代码，从而帮助您更快地构建功能、修复错误并理解不熟悉的代码。由于 CLI 在本地运行，因此除非您选择共享，否则您的源代码永远不会离开您的环境。
开源模型应用落地-语音合成-MegaTTS3-零样本克隆与多语言生成的突破
最新发布
没有卑微的工作，只有卑微的心态，与其抱怨，不如埋头实干
04-24 303
MegaTTS3以0.45亿参数实现高质量中英双语语音合成与语音克隆，为语音合成领域带来全新可能性。
【最新版】西陆健身系统源码全开源+uniapp前端
weixin_65864514的博客
04-24 248
一款基于Uniapp+ThinkPHP开发健身系统，支持多城市、多门店，包含用户端、教练端、门店端、平台端四个身份。有团课、私教、训练营三种课程类型，支持在线排课。私教可以通过上课获得收益，在线申请提现。目前Uniapp支持编译微信小程序。提供全部无加密源代码，支持私有化部署。
《开源大模型选型全攻略：开启智能应用新征程》
zheng_ruiguo的专栏
04-22 1076
在当今数字化浪潮中，人工智能的发展可谓日新月异，而开源大模型作为其中的关键驱动力，正以惊人的速度改变着各个领域的面貌。从智能客服高效解答客户疑问，到智能写作助力创作者灵感迸发，开源大模型展现出了强大的应用潜力。然而，面对市场上琳琅满目的开源大模型，如何精准选型，成为众多企业和开发者面临的首要难题。本文将深入剖析开源大模型选型的关键要素，为您的智能应用之路点亮明灯。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值