Jina AI 最近推出一個DeepSearch工具：node-DeepResearch，node-DeepResearch是一個開源的自動化研究工具，可以通過搜索、閱讀網頁和推理，直到找到問題的答案。適用于自動化信息檢索和智能問答任務，結合了搜索引擎和大語言模型（LLM）來提高研究效率。

一、主要功能：

• 自動搜索和推理：使用搜索引擎查找相關網頁，并通過大模型（如 Gemini）推理，生成最終答案。

• 智能網頁閱讀：結合 Jina Reader，能夠從網頁提取關鍵內容，提升信息獲取的精準度。

• 可配置 API：用戶可配置自己的 Gemini API 和 Jina Reader API，以優化查詢效果。

二、應用場景：

• 文獻綜述：幫助研究人員快速查找和整理相關領域的文獻資料，生成文獻綜述報告。

• 市場調研：快速收集和分析市場數據，了解競爭對手動態、行業趨勢等。

• 新聞報道：快速收集和整理新聞事件的背景信息、相關報道，幫助記者快速撰寫新聞稿件。

• 學習輔助：幫助學生解答復雜的學術問題，提供學習資料和參考答案。

• 政策研究：幫助政策制定者收集和分析相關政策的背景信息、實施效果等。

三、主要目標：

• 自動化信息檢索：通過搜索引擎查找相關信息。

• 多步推理：處理復雜的多步問題，逐步分解并解決問題。

• 實時進度反饋：提供實時進度更新，使用戶能夠跟蹤查詢進展。

• 靈活性：支持各種類型的查詢，從簡單的事實性問題到復雜的開放式問題。

四、關鍵特性

持續搜索與閱讀：

• 基于搜索引擎（如 Brave 或 DuckDuckGo）查找相關信息。

• 閱讀網頁內容，直至找到問題的答案或達到預定的 token 預算限制。

多步推理：

• 分解復雜的問題成多個步驟，并逐個解決這些步驟。

• 支持長時間的任務處理，確保得到精確的結果。

實時進度反饋：

• 通過 Web Server API 提供實時進度更新，用戶可以通過 HTTP 請求獲取查詢狀態。

靈活的查詢方式：

• 支持多種類型的查詢需求，包括簡單的問題和復雜的開放式問題。

五、技術原理

語言模型：

• 使用 Gemini 作為核心語言模型，負責生成回答和推理邏輯。

• Gemini 是一個強大的通用語言模型，能夠處理多種自然語言任務。

網頁內容處理：

• 利用 Jina Reader 將網頁內容轉換為適合語言模型處理的純文本格式。

• Jina Reader 是一個開源工具，專用于處理 HTML 網頁內容。

搜索與信息提取：

• 結合搜索引擎獲取相關信息。

• 自動提取有用的網頁內容，以便進一步分析和推理。

多步推理流程：

• 初始化：設置初始上下文和變量。

• 預算檢查：在每一步檢查 token 預算是否超出。

• 生產提示：根據當前問題生成語言模型的輸入提示。

• 模型生成：調用 Gemini 生成回答或下一步動作。

• 動作處理：根據生成的動作執行相應的操作。

• 結果評估：評估生成的回答是否滿足問題要求，若不滿足則繼續推理。

• 循環與終止：如果在預算內找到答案，則結束查詢；否則進入“Beast Mode”生成最終答案。

六、如何部署 node-DeepResearch？

1. 安裝依賴

# 設置必要的環境變量
export GEMINI_API_KEY=export JINA_API_KEY=jina_ # 從 https://jina.ai/reader 獲取免費的 Jina API 密鑰

# 克隆倉庫并安裝依賴
git clone https://github.com/jina-ai/node-DeepResearch.git
cd node-DeepResearch
npm install

2. 使用命令行運行

# 提交查詢請求
npm run dev # 示例
npm run dev "what is the capital of France?"
npm run dev "who will be the biggest competitor of Jina AI"

3. 調用API

# 啟動 Web Server
npm run serve

# 訪問地址
http://localhost:3000

# 提交查詢請求 (示例)
curl -X POST http://localhost:3000/api/v1/query \
-H "Content-Type: application/json" \
-d '{"query": "What is the capital of France?"}'

GitHub倉庫：https://github.com/jina-ai/node-DeepResearch