用途:Deep Searcher 是 Zilliz 开源的深度研究工具,定位为 OpenAI Deep Research、Gemini Deep Research 等专有系统的开源替代,重点在于对私有数据(自有文档、数据库、机构知识库)做深度迭代研究,而非仅检索公开网页。
主要能力:结合 Milvus 等向量数据库的向量检索与智能体式 RAG,将复杂问题拆解为子查询,检索相关段落,由 LLM 分析并识别信息缺口,再生成新查询迭代补全,最终综合为带引用的答案。支持多种 LLM 与嵌入模型,可完全本地部署。支持 PDF(含扫描件 OCR)、Markdown、纯文本、DOCX/DOC、HTML、LaTeX、Jupyter Notebook 等格式,可加载单文件或整个目录并附加元数据过滤。可接入 Web 搜索源,将私有与公开数据结合;支持导出 Markdown 报告、BibTeX 引用和研究轨迹,并提供 API 服务供团队访问。
使用方式:安装可执行 pip install deepsearcher,或克隆仓库后 pip install -e .。需配置向量数据库与 LLM:Milvus Lite 可 pip install pymilvus[model],完整 Milvus 可用 Docker 启动,并设置 OPENAI_API_KEY 或 OLLAMA_BASE_URL。通过 Config 配置向量库、集合名、LLM、嵌入模型、最大迭代次数、分块大小与重叠,再创建 DeepSearcher 实例,调用 load_document/load_directory 导入文档,调用 research 执行查询,可用 verbose 查看迭代过程、filters 限定检索范围。服务模式可运行 deepsearcher serve --host 0.0.0.0 --port 8000 并通过 REST 接口查询。
适用场景:处理专有数据集、未发表稿件、内部报告或专业领域语料的研究人员,以及有严格数据隐私要求、需要本地部署的机构。
限制:需自备向量数据库与 LLM 访问权限;性能受分块策略、索引类型与嵌入缓存影响;具体收费、价格与效果资料暂未提供。