AI研究助手即將登場！Open Deep Research，省時高效，客製化報告等你來體驗！

台灣讀者看過來！Open Deep Research：打造你專屬的 AI 研究助理！

嘿，各位台灣的朋友們，今天要跟大家介紹一個超酷的工具，叫做 Open Deep Research！ 聽起來很厲害吧？它就像你專屬的 AI 研究助理，可以幫你快速產生任何主題的完整報告，而且還可以客製化喔！

這年頭，資訊爆炸的時代，要找到可靠的資料真的不容易。如果你常常需要做研究、寫報告，或是對某個主題想要更深入的了解，那 Open Deep Research 絕對能幫你省下大把時間和精力！

什麼是 Open Deep Research？

簡單來說，Open Deep Research 是一個 Web 研究助理，它的工作流程有點像 OpenAI 和 Gemini 的 Deep Research 功能。但是，它更強大的是，你可以 完全客製化！

你可以調整：

• 報告結構：想要報告長什麼樣子，你可以自己設定大綱！
• 規劃模型 (Planner Model)：選擇用哪個 AI 模型來規劃報告，例如 DeepSeek、OpenAI 的推理模型等等。
• 搜尋 API：決定用哪個搜尋引擎來找資料，像是 Tavily 或 Perplexity。
• 研究深度：設定每個章節要搜尋幾次、寫幾次、反思幾次，讓研究更深入。
• 寫作模型 (Writer Model)：選擇用哪個 AI 模型來寫報告，例如 Anthropic。

想像一下，你可以根據不同的主題，打造出最適合的研究報告！是不是超方便的？

快速開始

想要馬上體驗 Open Deep Research 嗎？ 讓我們先準備好一些東西：

1. API 金鑰：你需要申請以下幾個服務的 API 金鑰：
   • 搜尋 API:
     • Tavily API (預設使用)
     • Perplexity API
   • 寫作模型 (Writer Model):
     • Anthropic (預設使用 Claude 3.5 Sonnet)
     • OpenAI
     • Groq
   • 規劃模型 (Planner Model):
     • OpenAI (預設使用 o3-mini)
     • Groq
2. 安裝套件:
   • 建議先建立一個虛擬環境，避免跟其他 Python 套件衝突。

   python -m venv open_deep_research
   source open_deep_research/bin/activate
   

   • 安裝 Open Deep Research 套件

   pip install open-deep-research
   

3. 開始使用:
   • 可以參考 src/open_deep_research/graph.ipynb 裡面的範例，在 Jupyter Notebook 中使用。

from langgraph.checkpoint.memory import MemorySaver
from open_deep_research.graph import builder
memory = MemorySaver()
graph = builder.compile(checkpointer=memory)

from IPython.display import Image, display
display(Image(graph.get_graph(xray=1).draw_mermaid_png()))

import uuid 
thread = {"configurable": {"thread_id": str(uuid.uuid4()),
                           "search_api": "tavily",
                           "planner_provider": "openai",
                           "planner_model": "o3-mini",
                           "writer_provider": "anthropic",
                           "writer_model": "claude-3-5-sonnet-latest",
                           "max_search_depth": 1,
                           }}

topic = "Overview of the AI inference market with focus on Fireworks, Together.ai, Groq"
async for event in graph.astream({"topic":topic,}, thread, stream_mode="updates"):
    print(event)
    print("\n")

這個程式碼會先產生報告的大綱，你可以給予回饋，修改大綱：

from langgraph.types import Command
async for event in graph.astream(Command(resume="Include a revenue estimate (ARR) in the sections"), thread, stream_mode="updates"):
    print(event)
    print("\n")

當你對大綱滿意後，就可以讓它開始產生報告：

# Pass True to approve the report plan and proceed to report generation
async for event in graph.astream(Command(resume=True), thread, stream_mode="updates"):
    print(event)
    print("\n")

本地端運行 LangGraph Studio UI

除了用程式碼之外，你也可以用 LangGraph Studio UI 來操作，更直觀、更方便！

1. 下載程式碼:

   git clone https://github.com/langchain-ai/open_deep_research.git
   cd open_deep_research
   

2. 設定 API 金鑰:
   • 複製 .env.example 檔案，並命名為 .env，然後填入你的 API 金鑰。

   cp .env.example .env
   

   • 設定環境變數

   export TAVILY_API_KEY=<你的 Tavily API 金鑰>
   export ANTHROPIC_API_KEY=<你的 Anthropic API 金鑰>
   export OPENAI_API_KEY=<你的 OpenAI API 金鑰>
   

3. 啟動 LangGraph 伺服器:
   • Mac:

     # Install uv package manager
     curl -LsSf https://astral.sh/uv/install.sh | sh
     
     # Install dependencies and start the LangGraph server
     uvx --refresh --from "langgraph-cli[inmem]" --with-editable . --python 3.11 langgraph dev
     

   • Windows:

     # Install dependencies 
     pip install -e .
     pip install langgraph-cli[inmem]
     
     # Start the LangGraph server
     langgraph dev
     

啟動後，它會顯示 Studio UI 的網址，打開就可以開始使用了！

客製化報告

想要打造更符合你需求的報告嗎？ Open Deep Research 提供了許多參數可以調整：

• report_structure：自訂報告結構
• number_of_queries：每個章節要產生幾個搜尋 запроса
• max_search_depth：最大搜尋深度
• planner_provider：規劃模型的提供者 (例如 “openai” 或 “groq”)
• planner_model：規劃模型 (例如 “o3-mini” 或 “deepseek-r1-distill-llama-70b”)
• writer_model：寫作模型 (例如 “claude-3-5-sonnet-latest”)
• search_api：搜尋 API (例如 Tavily)

透過這些設定，你可以根據不同的需求，調整研究的深度、選擇適合的 AI 模型，讓報告更精準、更專業！

結語

Open Deep Research 是一個強大又靈活的 AI 研究助理，無論你是學生、研究人員，還是任何需要大量資訊的人，它都能幫你省下時間、提升效率。趕快來試試看，打造你專屬的 AI 研究夥伴吧！

參考閱讀

https://github.com/langchain-ai/open_deep_research