排名第一的深度研究者用一种两者都不用的技巧击败了Claude和ChatGPT。我研究了其背后的开源架构。一个反直觉的发现是：运行整个研究策略的编排器智能体没有搜索权限。它无法查询网页或打开URL。乍一看这似乎不对。其他所有深度研究系统都赋予其协调器更强大的能力。例如：

• OpenAI 的方法训练单个模型进行连续多次工具调用。它搜索、阅读、推理并撰写出报告，整个过程在一个长顺序链中完成。↳ 排名第一的系统（Onyx）背后的研究者观察到，这导致模型将精力花在低价值的搜索上，而不是维持高层次的研究策略。
• Anthropic 和 Google 使用的编排器-研究员模式与 Onyx 系统类似。关键区别在于 Onyx 对编排器的约束力度。大多数编排器除了分派能力外，还拥有搜索和检索工具的访问权限。一旦编排器能够搜索，它就会去搜索。因此，它不会将查询分解为聚焦的研究线程，而是自行开始回答问题。它拉取几个结果，跳过适当的任务分解，然后根据最先找到的内容生成一份肤浅的报告。从编排器中剥离搜索能力，迫使它为每个研究智能体编写独立且连贯的任务简报。研究者还将架构仅保持为两层深度。当信息经过多个智能体时，每个智能体都会通过总结/重新解释微妙地扭曲信息。保持两层可避免这种情况。

这两个约束存在于一个更大的三阶段流水线中（下图展示了这一流程）： → 阶段 1 将查询分解为最多 6 个研究方向。无工具访问可防止模型过早作答。 → 阶段 2 分派 3 个独立的研究智能体。每个智能体最多执行 8 个子循环：搜索、阅读和思考，并生成带有引用的中间报告。这些智能体还可以搜索内部企业文档（Confluence、Slack 及 100+ 连接器），并强制执行文档级权限，这与专有解决方案不同。 → 阶段 3 执行确定性步骤，重新编号并去重，生成带有统一引用映射的报告。

该模式在 DeepResearch 基准测试中排名第一。整个实现已在 GitHub 上开源，您可以亲自尝试。以下是 Onyx 仓库：https://github.com/onyx-dot-app/onyx… （别忘了加星标 😊）我的联合创始人撰写了一篇详细文章，介绍如何使用 Onyx 作为深度研究层、CrewAI 进行编排、以及 Mistral 的 Voxtral 进行语音输入/输出，来构建一个完全开源的深度研究者。请阅读下文。

onyx-dot-app/onyx

来源：https://github.com/onyx-dot-app/onyx

Onyx - 开源 AI 平台

Onyx (https://www.onyx.app/?utm_source=onyx_repo&utm_medium=github&utm_campaign=readme) 是 LLM 的应用层——提供了功能丰富的界面，任何人都可以轻松托管。Onyx 通过 RAG、网页搜索、代码执行、文件创建、深度研究等高级能力增强 LLM。通过内置的 50 多个基于索引的连接器或通过 MCP 连接您的应用程序。

一键部署：

curl -fsSL https://onyx.app/install_onyx.sh | bash

Onyx 聊天静默演示

⭐ 功能

• 🔍 智能 RAG： 基于混合索引 + AI 智能体的信息检索，提供一流的搜索和答案质量——基准测试即将发布！
• 🔬 深度研究： 通过多步骤研究流程生成深入报告。截至 2026 年 2 月，在排行榜 (https://github.com/onyx-dot-app/onyx_deep_research_bench) 上排名第一。
• 🤖 自定义智能体： 构建具有独特指令、知识和动作的 AI 智能体。
• 🌍 网页搜索： 浏览网页获取最新信息。支持 Serper、Google PSE、Brave、SearXNG 等。配备内部网页爬虫，并支持 Firecrawl/Exa。
• 📄 工件： 生成文档、图形和其他可下载的工件。
• ▶️ 动作与 MCP： 让 Onyx 智能体与外部应用交互，附带灵活的认证选项。
• 💻 代码执行： 在沙箱中执行代码以分析数据、渲染图形或修改文件。
• 🎙️ 语音模式： 通过文本转语音和语音转文本与 Onyx 对话。
• 🎨 图像生成： 根据用户提示生成图像。

Onyx 支持所有主流 LLM 提供商，包括自托管（如 Ollama、LiteLLM、vLLM 等）和专有（如 Anthropic、OpenAI、Gemini 等）。了解更多，请查看我们的文档 (https://docs.onyx.app/welcome?utm_source=onyx_repo&utm_medium=github&utm_campaign=readme)！

🚀 部署模式

Onyx 支持在 Docker、Kubernetes、Helm/Terraform 中部署，并为主要云提供商提供指南。 详细部署指南请见此处 (https://docs.onyx.app/deployment/overview)。

Onyx 支持两种部署选项：标准版和精简版。

Onyx 精简版

精简版可视为轻量级聊天 UI。所需资源较少（低于 1GB 内存），运行的堆栈较为简单。非常适合希望快速试用 Onyx 的用户，或仅对聊天 UI 和智能体功能感兴趣的团队。

标准版 Onyx

完整功能集，推荐给严肃用户和大型团队。相比精简版增加以下组件：

• 用于 RAG 的向量+关键词索引。
• 后台容器，用于运行作业队列和工作线程，从连接器同步知识。
• AI 模型推理服务器，用于运行索引和推理时所用的深度学习模型。
• 通过内存缓存 (Redis) 和对象存储 (MinIO) 进行大规模性能优化。

如果您想免费试用 Onyx 而无需部署，请访问 Onyx Cloud (https://cloud.onyx.app/signup?utm_source=onyx_repo&utm_medium=github&utm_campaign=readme)。

🏢 企业级 Onyx

Onyx 专为各种规模的团队设计，从个人用户到全球大型企业：

• 👥 协作：与组织内其他成员共享聊天和智能体。
• 🔐 单点登录：通过 Google OAuth、OIDC 或 SAML 实现 SSO。通过 SCIM 进行群组同步和用户预置。
• 🛡️ 基于角色的访问控制：对敏感资源（如智能体、动作等）进行 RBAC。
• 📊 分析：按团队、LLM 或智能体划分的使用图表。
• 🕵️ 查询历史：审计使用情况，确保 AI 在组织中的安全采用。
• 💻 自定义代码：运行自定义代码以去除 PII、拒绝敏感查询或执行自定义分析。
• 🎨 白标：使用自定义名称、图标、横幅等定制 Onyx 的外观和感觉。

📚 许可

Onyx 有两个版本：

• Onyx 社区版 (CE) 基于 MIT 许可证免费提供，涵盖聊天、RAG、智能体和动作的所有核心功能。
• Onyx 企业版 (EE) 包含主要对大型组织有用的额外功能。功能详情请查看我们的网站 (https://www.onyx.app/pricing?utm_source=onyx_repo&utm_medium=github&utm_campaign=readme)。

👪 社区

加入我们在 Discord (https://discord.gg/TDJ59cGV2X) 上的开源社区！

💡 贡献

想要贡献？请查看 贡献指南 了解更多详情。