❤️ 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。
- 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。
- 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 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。
- Docker：https://www.docker.com/
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：
--container_name：指定 Docker 容器的名称（默认值：deepresearch）。--port：指定容器使用的端口（默认值：12346）。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）。DEBUG：启用调试模式以获取详细日志（默认值：False）。API_BASE_URL：指定 LLM 提供商的 API 基础 URL（默认值：None）。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 🥦
