DeerFlow

DeerFlow 是一个基于开源社区的深度研究框架，目标是将语言模型与 Web 搜索、爬取和 Python 代码执行等专业工具相结合，从而实现高效的自动化研究流程。它基于 LangGraph 构建了一个模块化的多智能体系统架构，能够进行自动化研究和代码分析。

DeerFlow 的主要功能包括：

• LLM 集成： 支持多种模型集成，包括开源模型和 OpenAI 兼容的 API 接口。
• 工具和 MCP 集成： 支持 Web 搜索（Tavily, Brave Search 等）、爬取、高级内容提取以及与私有领域知识库的集成。
• 人机协作： 支持用户交互式修改研究计划，也支持自动接受研究计划。
• 内容创作： AI 驱动的播客脚本生成和音频合成，自动创建简单的演示文稿。

DeerFlow 的使用场景：

• 自动化研究报告生成： 例如对 OpenAI Sora、Google 的 Agent to Agent 协议、比特币价格波动、AI 在医疗保健中的应用、量子计算对密码学的影响等主题进行深入研究并生成报告。
• 问题解答： 回答各种问题，例如“如何装饰出租公寓？”、“埃菲尔铁塔与最高建筑相比有多高？”。
• 内容生成： 撰写文章，比如关于南京传统菜肴的文章。
• 代码分析： 可以用于代码分析、执行和技术任务。

总而言之，DeerFlow 可以帮助用户自动化完成信息收集、分析和报告生成等任务，提高研究效率和内容创作能力。它具有很强的可扩展性，可以通过集成不同的工具和 LLM 来适应不同的研究需求。