nanoDeepResearch

nanoDeepResearch 是一个受字节跳动开源项目 DeerFlow 启发的项目，旨在重现 OpenAI 的 Deep Research 功能。它是一个从零开始构建的后端系统，不依赖于任何现有的代理框架（例如 LangGraph）。

主要特点：

• 完全可控： 方便理解Deep Research Agent底层工作原理，可以清晰地看到工作流程中每个步骤的输出，例如 LLM 的搜索建议、生成的代码、研究计划等。
• ReAct Agent： 使用 ReAct 循环进行推理和行动，无需人工干预。
• 状态机（图）： 将Deep Research流程分解为多个状态，包括规划器、研究团队、研究员（使用网络搜索和爬虫）、程序员（使用Python）和报告生成器。

使用场景：

nanoDeepResearch 不是为生产环境设计的，因为它缺少很多生产特性（例如 Web UI，流式 token 输出，异步执行等）。

主要用途是：

• 学习和研究： 深入理解 Deep Research Agent 的工作原理，学习如何构建一个复杂的代理系统。
• 调试和分析： 方便调试和分析流程中的各个环节，例如 LLM 的推理过程、工具的使用效果等。

如何使用：

1. 准备 OpenAI、Claude、Tavily 和 Jina 的 API 密钥，并将其设置为环境变量。
2. 运行 python3 -m nanoDeepResearch.main --query "你的问题" 命令，例如：python3 -m nanoDeepResearch.main --query "what is the area(land+water) ratio between the largest and smallest states in the US"。
3. 查看生成的报告（例如 example_reports/area_ratio_largest_smallest_state_in_us.md）。

总而言之，nanoDeepResearch 是一个用于学习和实验的工具，旨在帮助用户深入了解 Deep Research 的内部机制，并提供了一个从零开始构建代理系统的示例。