@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……

X AI KOLs Timeline 工具
open-source research-agent multi-agent rag spring-ai docker plan-and-execute

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。

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。 DeepResearch 是一个开源 Spring AI Alibaba 研究代理应用，面向探索多智能体研究工作流的开发者。 它通过结合动态规划、研究员/程序员智能体、多源搜索、混合 RAG、反思机制、人工反馈以及基于 Docker 的 Python 执行，帮你将研究查询转化为结构化报告。 主要功能： • 计划与执行工作流 – 在运行前将复杂问题分解为计划步骤 • 多智能体角色 – 包含研究员和程序员两种路径，用于调查与分析 • 多源搜索 – 自述文件中列出了 Tavily、Jina 和阿里云 AI 搜索的集成 • 混合 RAG – 结合向量检索与关键词检索，实现更广泛的证据收集 • 报告导出 – 支持 HTML 预览以及 Markdown 和 PDF 报告格式 该项目为开源（Apache-2.0 许可）。 链接在回复中
查看原文
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

arXiv cs.AI

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。