AEsir Deep Research Agent 🧠

---

简介 📖

参考 https://github.com/dzhng/deep-research 中的方法，用python实现了一遍deep research agent。通过自然语言提问，Agent 能够：

1. 自动生成 SERP 查询: 根据用户提出的研究主题，智能生成一系列相关的搜索引擎查询。
2. 深度网络爬取: 利用 firecrawl 库进行高效的网络爬取，获取丰富的网页内容。
3. 知识提取与学习: 借助 LLM 模型 (如 gpt-4o)，从爬取结果中提取关键信息和知识点。
4. 报告撰写: 将研究成果整理成结构清晰、内容详实的 Markdown 格式报告。

使用 🛠️

1. 环境准备

确保安装了 Python 3.12 或更高版本。

2. 克隆项目

首先，将项目代码克隆到本地：

git clone [您的项目仓库地址]
cd [项目目录名]

3. 安装python包

使用 pip 安装项目所需的 Python 依赖：

pip install -r requirements.txt

---

使用指南 🚀

1. 配置参数

在 main.py 中，需要配置以下参数：

• llm_api_key: llm 的 API 密钥，需要在OpenAI官网或其他llm官网获得
• llm_base_url: llm API 的URL
• firecrawl_api_key: firecrawl 的 API 密钥,需要在Firecrawl官网获得
• research_query: 需要进行研究的主题。

2. 运行

运行 main.py 开始进行research：

python main.py

---

结构 📂

deep-research-agent/
├── main.py                      # 主程序入口文件
├── Agent/                       # Agent 核心模块
│   ├── config.py                # 参数管理
│   ├── dfs_research.py          # 迭代research实现
│   ├── app_utils/               # api工具模块
│   │   ├── firecrawl_app.py     # Firecrawl API 封装
│   │   ├── llm_app.py           # LLM API 封装和 Prompt 定义
│   ├── utils/                   # 其他工具
│   │   ├── log.py               # 配置log
├── requirements.txt             # 项目依赖列表
├── README.md                    # README 文件
└── app.log                      # 日志文件 (程序运行时自动生成)