DeerFlow: ein automatisiertes Open-Source-Framework für Tiefenforschung

DeerFlow ist ein Deep-Research-Framework, das von ByteDance als Open Source zur Verfügung gestellt wird und Forschungsaufgaben durch Multi-Intelligenz-Zusammenarbeit automatisiert. Es kombiniert Sprachmodelle und spezialisierte Werkzeuge wie Websuche, Web-Crawling und Python-Code-Ausführung, um den Benutzern zu helfen, komplexe Forschungsaufgaben effizient zu erledigen. deerFlow basiert auf LangChain und LangGraph Es ist modular aufgebaut und unterstützt eine flexible Aufgabenzuweisung und Statusverwaltung. Benutzer können es mit einer einfachen Konfiguration schnell einsetzen, wodurch es sich für Forscher, Entwickler oder Benutzer eignet, die große Mengen an Informationen verarbeiten müssen. Das Projekt ist unter der MIT-Lizenz vollständig quelloffen, und jeder kann auf GitHub auf den Quellcode zugreifen und dazu beitragen. DeerFlow bietet ein intuitives Online-Erlebnis und unterstützt die Bereitstellung auf der Volcengine-Cloud-Plattform mit nur einem Mausklick, sodass die Benutzer schnell loslegen können.

Funktionsliste

• Multi-Intelligenz-ZusammenarbeitDie Aufgaben der Suche, der Codeanalyse und der Berichterstellung sind auf die Intelligenzmodule Researcher, Coder und Reporter verteilt.
• Websuche und Crawling: Integration Tavily und Brave Search, die eine effiziente Informationsbeschaffung und Extraktion von Webinhalten unterstützen.
• Ausführung von Python-CodeEingebautes Python REPL-Tool, mit dem Benutzer Code direkt ausführen und analysieren können.
• Text-to-SpeechKonvertierung von Forschungsberichten in hochwertige Audiodateien mit Unterstützung für Geschwindigkeits-, Lautstärke- und Tonhöhenanpassungen über die Volcengine TTS API.
• Erstellung von BerichtenAutomatische Erstellung von strukturierten Forschungsberichten, die in das Dokument- oder PPT-Format exportiert werden können.
• Ein-Klick-BereitstellungUnterstützt die schnelle Bereitstellung auf der Volcengine-Cloud-Plattform und vereinfacht die Konfiguration der Umgebung.
• interaktiver ModusBietet einen Befehlszeilen-Interaktionsmodus, der es dem Benutzer ermöglicht, den Forschungsplan dynamisch anzupassen.
• Open-Source-BeitragBasierend auf der MIT-Lizenz wird die Beteiligung der Gemeinschaft an der Entwicklung und Optimierung gefördert.

Hilfe verwenden

Einbauverfahren

DeerFlow ist einfach zu installieren und zu konfigurieren und eignet sich für Benutzer mit grundlegenden Programmierkenntnissen. Im Folgenden finden Sie die detaillierten Installationsschritte:

1. Klon-Lager
   Klonen Sie das DeerFlow-Repository lokal, indem Sie den folgenden Befehl in einem Terminal ausführen:

   git clone https://github.com/bytedance/deer-flow.git
   cd deer-flow
   

2. Installation von Abhängigkeiten
   ausnutzen uv Tool erstellt automatisch eine virtuelle Python-Umgebung und installiert die erforderlichen Abhängigkeiten:

   uv sync
   

   Hinweis: Vergewissern Sie sich, dass Sie Folgendes installiert haben uvDies kann über die Funktion pip install uv Einbau.

3. Umgebungsvariablen konfigurieren
   Kopieren Sie die Beispielkonfigurationsdatei und geben Sie den API-Schlüssel ein:

   cp .env.example .env
   

   existieren .env Datei, um den folgenden API-Schlüssel hinzuzufügen:

   • Tavily API: wird für die Websuche verwendet, muss in der Tavily Offizielle Website Melden Sie sich für den Zugang an.
   • Brave Search API: Wird verwendet, um die Suchfunktionalität zu verbessern, muss zum Mutige Suche Registrieren.
   • Volcengine TTS API: wird für die Text-zu-Sprache-Funktion verwendet, für die Anmeldedaten in der Volcengine-Plattform benötigt werden.
     typisches Beispiel .env Inhalt der Datei:

   TAVILY_API_KEY=your_tavily_api_key
   BRAVE_SEARCH_API_KEY=your_brave_api_key
   VOLCENGINE_TTS_KEY=your_volcengine_tts_key
   

4. Konfigurationsmodelle und Parameter
   Kopieren Sie die Beispielkonfigurationsdatei und passen Sie sie nach Bedarf an:

   cp conf.yaml.example conf.yaml
   

   existieren conf.yaml Konfigurieren Sie das Sprachmodell (z. B. GPT oder andere unterstützte Modelle) und den API-Schlüssel im Fenster Beziehen Sie sich auf die docs/configuration_guide.md.

5. Installation von Marp (fakultativ)
   Wenn Sie Berichte im PPT-Format erstellen möchten, müssen Sie die Marp CLI installieren:

   brew install marp-cli
   

   Für Nicht-macOS-Systeme, siehe Marp CLI offizielle Website Holen Sie sich die Installationsmethode.

6. Laufender DeerFlow
   Nachdem die Konfiguration abgeschlossen ist, führen Sie den folgenden Befehl aus, um zu starten:

   python main.py --query "你的研究问题" --interactive
   

   Beispiel:

   python main.py --query "量子计算对密码学的影响" --interactive
   

Verwendung der Hauptfunktionen

Die Kernfunktionalität von DeerFlow konzentriert sich auf die Multi-Intelligence-Zusammenarbeit und ist in die folgenden modularen Prozesse unterteilt:

1. Eingabe von Forschungsaufgaben
   Der Benutzer gibt eine Forschungsfrage in die Befehlszeile ein, z. B. "Analysiere die Auswirkungen von Quantencomputing auf die Kryptographie", und die DeerFlow-Planer-Intelligenz zerlegt die Aufgabe, erstellt einen Forschungsplan und weist ihn der entsprechenden Intelligenz zu. Die Benutzer können den Plan im interaktiven Modus dynamisch anpassen:

   python main.py --query "你的研究问题" --interactive
   

   Der interaktive Modus fordert den Benutzer auf, zusätzliche Informationen einzugeben oder den Plan zu bestätigen.

2. Websuche und Informationsbeschaffung
   Die Researcher-Intelligenz verwendet die Such-APIs von Tavily oder Brave, um relevante Informationen zu sammeln. Sie durchforstet automatisch Webinhalte, extrahiert Schlüsseldaten und speichert sie in einer temporären Datenbank. Die Benutzer können die Suchtiefe über eine Konfigurationsdatei einstellen:

   search:
   engine: tavily
   max_results: 10
   

3. Codeausführung und -analyse
   Die Coder-Intelligenzen unterstützen die Ausführung von Python-Code. Wenn der Benutzer zum Beispiel eine Datenanalyseaufgabe eingibt, generiert Coder den Code und führt ihn aus:

   import pandas as pd
   df = pd.read_csv('data.csv')
   print(df.describe())
   

   Die Ergebnisse des Laufs werden in die Studie zurückgespielt. Die Benutzer können die Ergebnisse der Codeausführung im interaktiven Modus überprüfen.

4. Berichterstellung und Text-to-Speech
   Die Reporter-Intelligenz stellt die gesammelten Informationen in strukturierten Berichten zusammen, die in die Formate Markdown, PDF oder PPT exportiert werden können. Benutzer können die Text-to-Speech-Funktionalität aktivieren, um Berichte in Audio zu konvertieren:

   python main.py --query "你的研究问题" --tts
   

   Die Audiodatei wird in dem angegebenen Verzeichnis gespeichert und unterstützt die Anpassung der Geschwindigkeit und der Tonhöhe der Sprache:

   tts:
   speed: 1.0
   volume: 1.0
   pitch: 0.0
   

5. Maßgeschneiderte Arbeitsabläufe
   DeerFlow verwendet LangGraph, um den Zustand der Intelligenzen zu verwalten, der vom Benutzer durch Modifizierung der conf.yaml Passen Sie den Aufgabenablauf an. Erhöhen Sie zum Beispiel die Anzahl der Suchiterationen:

   max_plan_iterations: 3
   max_step_num: 5
   

Featured Function Bedienung

• Dynamische Task-IterationDie Planner-Intelligenz unterstützt die dynamische Anpassung des Rechercheplans auf der Grundlage der Suchergebnisse. Wenn beispielsweise die ersten Suchergebnisse unzureichend sind, leitet Planner automatisch eine neue Suchrunde ein.
• Podcast-GenerationDeerFlow kann Berichte in das Podcast-Format konvertieren, das sich ideal für die Weitergabe von Forschungsergebnissen eignet.
• PPT-ErstellungDeerFlow kann Berichte über die Marp CLI in professionelle PPTs umwandeln, die für akademische Konferenzen oder Teampräsentationen geeignet sind.

caveat

• Stellen Sie eine stabile Netzwerkverbindung sicher, um API-Aufrufe und Web-Crawling zu unterstützen.
• Sonde .env im Gesang antworten conf.yaml Konfiguration, um die Nichtverfügbarkeit von Funktionen aufgrund von Tastenfehlern zu vermeiden.
• Beratung docs/FAQ.md Behebung allgemeiner Probleme wie Fehler bei der Installation von Abhängigkeiten oder Einschränkungen beim API-Zugang.

Anwendungsszenario

1. akademische Forschung
   Studenten oder Forscher können DeerFlow nutzen, um schnell Literatur zu sammeln, Daten zu analysieren und strukturierte Berichte zu erstellen. Geben Sie z. B. "Überprüfung der neuesten KI-Algorithmen" ein, und DeerFlow sucht automatisch nach relevanten Artikeln, extrahiert die wichtigsten Informationen und erstellt einen Bericht.
2. Technologieentwicklung
   Entwickler können Coder-Intelligenzen nutzen, um Codebasen zu analysieren oder experimentellen Code auszuführen. Geben Sie z. B. "Vergleichen Sie die Leistung verschiedener Modelle für maschinelles Lernen" ein, und DeerFlow führt ein Python-Skript aus und erstellt einen Vergleichsbericht.
3. Marktanalyse
   Marketingteams können DeerFlow nutzen, um Branchentrenddaten zu sammeln und Marktberichte oder Podcasts zu erstellen. Geben Sie zum Beispiel "Social Media Trends 2025" ein, und DeerFlow wird relevante Webseiten durchsuchen und Analysen erstellen.
4. Bildung und Ausbildung
   Lehrkräfte können DeerFlow nutzen, um Unterrichtsmaterialien oder PowerPoint-Präsentationen zu erstellen. Geben Sie z. B. "Einführung in das Quantencomputing" ein, und DeerFlow stellt die relevanten Inhalte zusammen und erstellt Unterrichtsfolien.

QA

1. Welche Sprachmodelle werden von DeerFlow unterstützt?
   DeerFlow unterstützt mehrere Sprachmodelle, darunter die GPT-Familie und andere Open-Source-Modelle. Weitere Informationen über DeerFlow finden Sie in der conf.yaml Konfigurieren Sie den Modelltyp und den API-Schlüssel in der
2. Wie kann man das Problem des ungültigen API-Schlüssels lösen?
   Sonde .env Der Schlüssel in der Datei ist korrekt. Stellen Sie sicher, dass Sie bei der Tavily-, Brave- oder Volcengine-Plattform registriert sind und einen gültigen Schlüssel haben.
3. Ist Programmiererfahrung erforderlich?
   Für die grundlegende Nutzung sind keine Programmiererfahrungen erforderlich, aber grundlegende Python-Kenntnisse sind notwendig, um die Umgebung zu konfigurieren und Arbeitsabläufe anzupassen.
4. Wie kann ich meine Suchergebnisse optimieren?
   existieren conf.yaml Mittelbühnenverstellung max_results im Gesang antworten search_engine Parameter, um eine besser geeignete Suchmaschine auszuwählen.