摘要： OpenAI最新发布的智能体Deep Research因其强大的信息查询与分析能力备受关注。然而，高昂的订阅费用让许多用户望而却步。在Deep Research发布后不到24小时，开源社区迅速响应，涌现出多个复现项目，旨在以更经济的方式实现类似功能，打破OpenAI的垄断。
北京，2024年2月4日 – 近日，人工智能领域最引人瞩目的事件莫过于OpenAI发布了其最新智能体Deep Research。这款智能体能够综合海量在线信息，完成多步骤的研究任务，为金融、科学、政策和工程等领域的专业人士提供强大的研究工具。Deep Research由北京大学计算机科学与技术系毕业、现任OpenAI研究科学家的孙之清参与负责。
Deep Research利用端到端的强化学习，在多个领域的复杂浏览和推理任务上进行了训练，从而实现了其卓越的性能。然而，每月200美元的Pro订阅费用让许多潜在用户难以承受。
正是在这样的背景下，开源社区迅速行动起来，各种Deep Research的复现项目如雨后春笋般涌现。这些项目旨在通过开源的方式，让更多人能够体验到类似Deep Research的功能，同时也对OpenAI的技术路线进行了探索和挑战。
事实上，早在OpenAI之前，字节跳动研究院的研究人员就提出了基于强化学习的LLM Agent框架——AGILE。该研究已被NeurIPS接收，是学术界较早使用强化学习进行Agent端到端训练的工作之一。
以下是几个在Deep Research发布后迅速出现的开源复现项目：
-
Open Deep Research: 该项目由nickscamara创建，利用爬虫工具Firecrawl的提取和搜索功能，以及推理模型来深入研究网络。演示显示，该项目在回答复杂问题时能够给出思考过程和较为完善的答案。该项目默认使用gpt-4o模型，并允许用户通过简单的代码切换到Anthropic、Cohere等其他模型。
-
OpenDeepResearcher: 由mshumer开发的该项目，旨在提供全面的研究功能。用户只需提供一个主题，智能体就会执行搜索、查看结果页面并提取重要信息，必要时还会进行深入查询，最终生成一份综合报告。
-
node-DeepResearch: 由Jina AI CEO肖涵创建的该项目，基于nodejs运行环境，使用谷歌gemini-flash和Jina AI推出的开源工具jina reader（用于将互联网上的HTML网页内容转换为适合LLM处理的纯文本格式）进行复现。虽然该项目缺少微调o3推理模型的支持，但其快速的实现速度和功能仍然受到了社区的广泛关注，目前已获得近700个Stars。
这些开源项目的出现，不仅为用户提供了更经济的选择，也加速了人工智能技术的发展和普及。开源社区的快速响应表明，OpenAI在AI领域的领先地位正面临着来自开源力量的挑战。
结论：
OpenAI的Deep Research的发布及其迅速引发的开源复现热潮，反映了人工智能领域对更强大、更易获取的研究工具的迫切需求。开源社区的积极参与，不仅推动了技术的创新和发展，也为用户提供了更多选择，打破了单一厂商的垄断。未来，我们有理由期待更多类似的开源智能体项目出现，共同推动人工智能技术的进步。
参考文献：
- 机器之心报道：不到24小时，开源版Deep Research疯狂来袭！一月少花1400. [链接：原始信息来源]
- Open Deep Research GitHub 仓库：https://github.com/nickscamara/open-deep-research
- OpenDeepResearcher GitHub 仓库：https://github.com/mshumer/OpenDeepResearcher
- node-DeepResearch GitHub 仓库：https://github.com/jina-ai/node-DeepResearch
Views: 0