GPT Researcher 深度研究助手

能做什么

• 针对任意研究任务生成详细、带引用来源的研究报告。
• 支持基于网络搜索与本地文档进行调研，本地文档支持 PDF、纯文本、CSV、Excel、Markdown、PowerPoint、Word 等格式。
• 使用 planner 与 execution 智能体协作：规划器生成研究问题，执行器收集信息，发布器汇总为最终报告。
• 提供 Deep Research 递归式深度研究流程，以树状方式在广度与深度上探索主题。
• 具备多智能体助手模式，基于 LangGraph 与 AG2 协调多个专用智能体，从规划到发布协同完成研究。
• 支持 MCP 集成，可连接 GitHub 仓库、数据库、自定义 API 等专用数据源，与网络搜索混合使用。
• 支持智能上下文过滤（默认使用 Jev，无可用密钥时回退到 BM25 关键词排序），在内容进入 LLM 前筛选与问题相关的段落。
• 支持导出报告为 PDF、Word 等格式，并提供轻量静态前端与 NextJS 两种前端部署选项。

适用场景

• 需要对某一主题快速生成多来源、带引用的调研报告。
• 希望基于本地文档集合进行问答或报告生成。
• 需要多智能体协作完成从问题拆解到报告发布的端到端研究流程。
• 需要将深度研究能力接入 Claude 等 AI 应用（通过 MCP）。

使用条件与限制

• 需要 Python 3.12 或更高版本。
• 需要配置相应 API 密钥，例如 OpenAI API Key 与 Tavily API Key；可选配置 LangChain 密钥用于追踪。
• 可通过 pip 安装 gpt-researcher 作为 Python 包使用，也支持 Docker 部署。
• 使用 Jev 上下文过滤需要 TYPESAFE_API_KEY；无密钥时回退到本地关键词排序。
• 项目声明为实验性应用，按“原样”提供，不附带任何明示或暗示担保；其说明中明确不构成学术建议，也不建议用于学术或研究论文。
• 关于深度研究的耗时与成本，source 中有具体描述，实际表现可能因配置与使用方式不同而变化。