从零到第一份AI研究报告只要10分钟GPT Researcher新手实战指南【免费下载链接】gpt-researcherAn autonomous agent that conducts deep research on any data using any LLM providers项目地址: https://gitcode.com/GitHub_Trending/gp/gpt-researcherGPT Researcher 是一个开源的 AI 研究智能体。你给它一个问题它自动搜索网页、阅读本地文档最后输出一份带引用的研究报告。适合想搭自动化报告工作流的开发者也适合被查资料拖慢节奏的每个团队。你的研究时间都花在哪了写份行业报告你可能要花两天搜关键词、开几十个标签页、复制粘贴、再对着空白文档发愁。GPT Researcher 把这件事拆成了三步交给程序自动拆解问题把你的问题拆成一组子问题再逐个搜索自动采集与汇总抓取网页和本地文档边查边记来源自动成稿把采集到的信息汇总成一份结构化报告附引用链接下面这张图展示的是多智能体协作版一个规划者分工多个研究员并行干活最后由出版者合成稿件。 三步跑起来整个准备过程只有四行命令剩下就是填两个 API Key。第一步克隆仓库、装依赖、启动服务git clone https://gitcode.com/GitHub_Trending/gp/gpt-researcher cd gpt-researcher pip install -r requirements.txt python -m uvicorn main:app --reload第二步在项目根目录建一个.env文件写入两行OPENAI_API_KEY你的key负责写报告的大模型TAVILY_API_KEY你的key负责网页搜索的接口第三步浏览器打开http://localhost:8000输入问题就能看到研究报告实时生成。注意需要 Python 3.11 以上。如果只想在代码里调用也可以pip install gpt-researcher直接当库用后面实战部分就是这种用法。它是怎么工作的一句话类比它像一个编辑部。主编规划器拿到选题后先列提纲一群记者爬虫代理各自去采访取材编辑出版者最后把大家的素材拼成成稿。具体流程是这样根据研究问题创建一个专属任务智能体规划器生成一组子问题覆盖主题的各个角度每个子问题交给爬虫代理并行搜索、抓取网页每份材料先做摘要同时记下出处所有摘要过滤、聚合写成最终报告因为各子问题并行处理所以速度明显快于一个问题一个问题串行查。三个最常用的实战场景场景一在 Python 里跑一次研究这段代码初始化一个研究员跑完研究并写出报告。import asyncio from gpt_researcher import GPTResearcher async def main(): researcher GPTResearcher(query量子计算最新进展) await researcher.conduct_research() report await researcher.write_report() print(report) asyncio.run(main())预期结果report是一段 Markdown 格式的完整报告包含章节、正文和来源链接。场景二只基于你的本地文档做研究把DOC_PATH指向资料文件夹再把report_source设为local它就只读你的文档、不上网。import os from gpt_researcher import GPTResearcher os.environ[DOC_PATH] ./my-docs # 你的文档目录 researcher GPTResearcher( query总结这批文档的核心观点, report_sourcelocal, ) # 之后同样调用 conduct_research() 和 write_report()支持的格式PDF、TXT、CSV、Excel、Markdown、PPT、Word。预期结果报告内容全部来自你指定目录下的文档。场景三限定搜索域名锁定可信来源做竞争情报时你可能只信少数几家媒体。传一个query_domains列表即可。researcher GPTResearcher( queryAI 创业公司最新动态, query_domains[forbes.com, techcrunch.com], )预期结果搜索结果只来自你列出的域名报告不会掺入无关网站的内容。⚙️ 最常被改的3个配置所有配置写在.env文件里默认值在 gpt_researcher/config/variables/default.py。新手只需要认识这几个配置项默认值改它有什么用RETRIEVERtavily决定用哪家网页搜索可换成duckduckgo、google、bing等TOTAL_WORDS1200报告的目标字数调大报告会更长更细DEEP_RESEARCH_DEPTH2深度研究的探索层数配合DEEP_RESEARCH_BREADTH并行路径数控制覆盖广度补充一个深度研究report_typedeep约需 5 分钟、单次成本约 $0.4日常调研用默认的基础报告即可。常见坑现象 → 原因 → 解决坑1导出 PDF 时报cannot load library pango或gobject-2.0-0原因是系统缺少 WeasyPrintPDF 生成组件依赖的库。Mac 上执行brew install pango glibLinux 上执行sudo apt install libpango-1.0-0装完重启服务。坑2日志里出现Error processing the url原因是部分网站对 Selenium 抓取做了拦截。先重启再跑一次反复出现的话可在配置中把SCRAPER换成browser试试。坑3Chrome 相关报错提示 driver 不兼容原因是新版 Chrome 还没发布对应的 chromedriver。把一个能匹配到 driver 的旧版 Chrome 装回来问题即消失。坑4报告来源太少内容偏薄默认每个子问题只取 5 条搜索结果MAX_SEARCH_RESULTS_PER_QUERY。把它调大或换一家质量更好的搜索服务商报告的素材会明显变多。想继续深入可以看这几处入门指南 docs/docs/gpt-researcher/getting-started/、用法示例 docs/docs/gpt-researcher/examples/、多智能体实现 multi_agents/。项目还在快速迭代混合本地文档与网络研究的混合检索、深度研究的树状探索都还有更大的提升空间——把重复的查资料工作交给它把时间留给判断。【免费下载链接】gpt-researcherAn autonomous agent that conducts deep research on any data using any LLM providers项目地址: https://gitcode.com/GitHub_Trending/gp/gpt-researcher创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
从零到第一份AI研究报告只要10分钟：GPT Researcher新手实战指南
从零到第一份AI研究报告只要10分钟GPT Researcher新手实战指南【免费下载链接】gpt-researcherAn autonomous agent that conducts deep research on any data using any LLM providers项目地址: https://gitcode.com/GitHub_Trending/gp/gpt-researcherGPT Researcher 是一个开源的 AI 研究智能体。你给它一个问题它自动搜索网页、阅读本地文档最后输出一份带引用的研究报告。适合想搭自动化报告工作流的开发者也适合被查资料拖慢节奏的每个团队。你的研究时间都花在哪了写份行业报告你可能要花两天搜关键词、开几十个标签页、复制粘贴、再对着空白文档发愁。GPT Researcher 把这件事拆成了三步交给程序自动拆解问题把你的问题拆成一组子问题再逐个搜索自动采集与汇总抓取网页和本地文档边查边记来源自动成稿把采集到的信息汇总成一份结构化报告附引用链接下面这张图展示的是多智能体协作版一个规划者分工多个研究员并行干活最后由出版者合成稿件。 三步跑起来整个准备过程只有四行命令剩下就是填两个 API Key。第一步克隆仓库、装依赖、启动服务git clone https://gitcode.com/GitHub_Trending/gp/gpt-researcher cd gpt-researcher pip install -r requirements.txt python -m uvicorn main:app --reload第二步在项目根目录建一个.env文件写入两行OPENAI_API_KEY你的key负责写报告的大模型TAVILY_API_KEY你的key负责网页搜索的接口第三步浏览器打开http://localhost:8000输入问题就能看到研究报告实时生成。注意需要 Python 3.11 以上。如果只想在代码里调用也可以pip install gpt-researcher直接当库用后面实战部分就是这种用法。它是怎么工作的一句话类比它像一个编辑部。主编规划器拿到选题后先列提纲一群记者爬虫代理各自去采访取材编辑出版者最后把大家的素材拼成成稿。具体流程是这样根据研究问题创建一个专属任务智能体规划器生成一组子问题覆盖主题的各个角度每个子问题交给爬虫代理并行搜索、抓取网页每份材料先做摘要同时记下出处所有摘要过滤、聚合写成最终报告因为各子问题并行处理所以速度明显快于一个问题一个问题串行查。三个最常用的实战场景场景一在 Python 里跑一次研究这段代码初始化一个研究员跑完研究并写出报告。import asyncio from gpt_researcher import GPTResearcher async def main(): researcher GPTResearcher(query量子计算最新进展) await researcher.conduct_research() report await researcher.write_report() print(report) asyncio.run(main())预期结果report是一段 Markdown 格式的完整报告包含章节、正文和来源链接。场景二只基于你的本地文档做研究把DOC_PATH指向资料文件夹再把report_source设为local它就只读你的文档、不上网。import os from gpt_researcher import GPTResearcher os.environ[DOC_PATH] ./my-docs # 你的文档目录 researcher GPTResearcher( query总结这批文档的核心观点, report_sourcelocal, ) # 之后同样调用 conduct_research() 和 write_report()支持的格式PDF、TXT、CSV、Excel、Markdown、PPT、Word。预期结果报告内容全部来自你指定目录下的文档。场景三限定搜索域名锁定可信来源做竞争情报时你可能只信少数几家媒体。传一个query_domains列表即可。researcher GPTResearcher( queryAI 创业公司最新动态, query_domains[forbes.com, techcrunch.com], )预期结果搜索结果只来自你列出的域名报告不会掺入无关网站的内容。⚙️ 最常被改的3个配置所有配置写在.env文件里默认值在 gpt_researcher/config/variables/default.py。新手只需要认识这几个配置项默认值改它有什么用RETRIEVERtavily决定用哪家网页搜索可换成duckduckgo、google、bing等TOTAL_WORDS1200报告的目标字数调大报告会更长更细DEEP_RESEARCH_DEPTH2深度研究的探索层数配合DEEP_RESEARCH_BREADTH并行路径数控制覆盖广度补充一个深度研究report_typedeep约需 5 分钟、单次成本约 $0.4日常调研用默认的基础报告即可。常见坑现象 → 原因 → 解决坑1导出 PDF 时报cannot load library pango或gobject-2.0-0原因是系统缺少 WeasyPrintPDF 生成组件依赖的库。Mac 上执行brew install pango glibLinux 上执行sudo apt install libpango-1.0-0装完重启服务。坑2日志里出现Error processing the url原因是部分网站对 Selenium 抓取做了拦截。先重启再跑一次反复出现的话可在配置中把SCRAPER换成browser试试。坑3Chrome 相关报错提示 driver 不兼容原因是新版 Chrome 还没发布对应的 chromedriver。把一个能匹配到 driver 的旧版 Chrome 装回来问题即消失。坑4报告来源太少内容偏薄默认每个子问题只取 5 条搜索结果MAX_SEARCH_RESULTS_PER_QUERY。把它调大或换一家质量更好的搜索服务商报告的素材会明显变多。想继续深入可以看这几处入门指南 docs/docs/gpt-researcher/getting-started/、用法示例 docs/docs/gpt-researcher/examples/、多智能体实现 multi_agents/。项目还在快速迭代混合本地文档与网络研究的混合检索、深度研究的树状探索都还有更大的提升空间——把重复的查资料工作交给它把时间留给判断。【免费下载链接】gpt-researcherAn autonomous agent that conducts deep research on any data using any LLM providers项目地址: https://gitcode.com/GitHub_Trending/gp/gpt-researcher创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
