@DanKornas：复杂的研究型智能代理会很快变得杂乱：计划、搜索、RAG、代码执行、反馈和最终报告都需要整合在一起……
摘要
DeepResearch 是一个基于 Spring AI Alibaba 构建的开源多智能体研究工具，能够将查询转化为结构化报告，它采用动态规划、多智能体角色、混合 RAG 和基于 Docker 的执行方式。
查看缓存全文
缓存时间: 2026/06/10 19:56
复杂的研究代理很快就会变得混乱：规划、搜索、RAG、代码执行、反馈和最终报告都需要协调一致。
DeepResearch 是一个开源的 Spring AI Alibaba 研究代理应用，专为探索多代理研究工作流的构建者设计。
它通过结合动态规划、研究员/编码器代理、多源搜索、混合RAG、反思、人工反馈和基于Docker的Python执行，帮助你将研究查询转化为结构化报告。
主要功能： • 规划并执行工作流——在运行之前将复杂问题分解为计划步骤 • 多代理角色——包括研究员和编码器路径，用于调查和分析 • 多源搜索——README列出了Tavily、Jina和阿里云AI搜索集成 • 混合RAG——结合向量和关键词检索，以更广泛地收集证据 • 报告导出——支持HTML预览以及Markdown和PDF报告格式
它是开源的（Apache-2.0许可证）。
回复中的链接
GitHub: https://github.com/spring-ai-alibaba/deepresearch…
如果你对AI、机器学习、代理和构建真实系统感兴趣，加入我的newsletter（免费）：http://dankornas.substack.com
大多数LLM功能演示起来很容易，但操作起来要难得多。
AI治理很有用，因为它将主题映射到你实际需要操作的工程工作上。
本书涵盖： • 路由模型请求并控制成本 • 在演示之外进行部署和扩展 • 构建更可靠的生成式AI应用 • 在《AI治理》中，你将学到如何：将正确的防护措施与你的…
生产角度是我会关注的部分。
演示是容易的部分。有用的工程工作是让系统在触及真实工作流程时变得可靠。
非常适合构建真实AI系统的工程师，他们希望拥有比另一个干净演示更强大的思维模型。
链接在第一条评论中。
相似文章
DuMate-DeepResearch：一个可审计的多智能体系统，具备递归搜索与基于评分标准的推理
本技术报告介绍了DuMate-DeepResearch，一个用于深度研究任务的多智能体框架。该框架将智能体核心与工具生态系统解耦，并集成了基于图的动态规划、递归双层执行以及基于评分标准的测试时优化。该系统在两个深度研究基准测试中取得了最先进的结果，展示了可审计智能体基础设施的价值。
@sydneyrunkle: here's a quick overview of a) what is deepagents b) what makes deepagents good at complex tasks c) how to easily take o…
DeepAgents是一个可定制的AI代理框架，专为复杂现实任务设计，具备执行环境、上下文管理、委派和人在回路能力，并提供了托管版实现生产级部署。
Mind DeepResearch 技术报告
# 论文页面 - Mind DeepResearch 技术报告 来源：[https://huggingface.co/papers/2604.14518](https://huggingface.co/papers/2604.14518) ## 摘要 MindDR 是一个高效的多智能体深度研究框架，通过协作式三智能体架构与专门设计的四阶段训练流程，在多个基准测试中取得优异成绩。我们提出 Mind DeepResearch（MindDR），一个高效的[多智能体深度研究框架](https://hug
我们如何构建多智能体研究系统
Anthropic 详细介绍了其全新多智能体研究系统背后的架构与工程原则，重点阐述了采用 Claude Opus 4 和 Sonnet 4 的并行子智能体如何在复杂研究任务中显著优于单智能体方案。
@tom_doerr：开源长周期深度研究智能体 https://github.com/TIGER-AI-Lab/OpenResearcher…
TIGER-AI-Lab 发布 OpenResearcher，一款用于自动化长周期深度研究任务的开源智能体。