II 深度研究
自动搜索网页、核验线索并生成带引用的深度研究报告。
- Star 数
- ★ 505
- 最近更新
- 4 个月前
- License
- Apache-2.0
- 主语言
- Python
- FA 评分
- 47/100 · 缺口较多
30 秒速览
- 运行形态
- 可在哪里用
- 通用 · 跨平台Claude.aiOpenAI API(部分支持)
- 费用
- 软件免费,模型调用费用自付
- 上手难度
- 中 · 需要几步配置
- 开始前需要
- 典型场景
- 研究人员需要针对复杂问题搜索多个网页,并生成带来源的综合答案。
- 不适合
- 不愿配置模型、搜索和抓取服务密钥的用户
- 需要无需外部网络即可研究的团队
- 官网
- ii.inc/web/blog/post/ii-researcher ↗ 来自 GitHub 仓库设置
- 维护状态
- 近半年有提交最近提交 2026-07-02最新版本 v0.1.5(2025-05-09)
这个 Agent 能做什么,适合哪些场景?
II-Researcher 是 Intelligent Internet 开发的深度搜索 Agent,会围绕问题搜索网页、访问并读取页面,再通过多步推理与反思整理证据。它由 Python 库和 CLI、提供 SSE 流式接口的 FastAPI 后端、Next.js 网页界面以及 MCP 服务端组成。搜索和页面抓取可选择多种服务商,模型调用通过 LiteLLM 路由,可使用 OpenAI、DeepSeek、Gemini、OpenRouter 或兼容 OpenAI 接口的自托管模型。最终报告支持 basic 和 advanced 两种形式,并附带参考来源且支持多语言。项目可本地部署,也提供 Docker Compose 启动方式;运行需要配置模型及所选搜索、抓取服务的凭据。
用户通过 CLI 的 --question 参数或网页界面提交问题后,II-Researcher 进入 think、act、reflect 推理循环,调用 SerpAPI、Tavily 或 Jina 搜索网页,并可通过 Firecrawl、Browser、BeautifulSoup、Tavily Extract 或 Jina 读取页面;README 还说明支持处理 PDF 和 YouTube 内容。检索内容可经由基于嵌入相似度的压缩器和可选的 LLM 压缩器筛选,再交给模型继续推理。完成证据收集后,报告构建器生成 basic 或 advanced 格式的带引用答案。CLI 可流式输出并保存 Markdown 报告;FastAPI 的 /search SSE 端点和网页界面支持流式展示,MCP 服务端可接入 Claude Desktop 等 MCP 客户端。
- 研究人员需要针对复杂问题搜索多个网页,并生成带来源的综合答案。
- 分析师希望用可配置的搜索与抓取服务商收集网页、PDF 或 YouTube 相关材料。
- 需要通过 CLI 提问、逐步查看推理与结果,并将报告保存为 Markdown 的个人用户。
- 团队希望在本地部署 FastAPI 后端和 Next.js 界面,向用户提供流式研究体验。
- Claude Desktop 用户希望把网页研究流程接入 MCP 客户端。
安装与配置要点
摘自下方的安装和使用说明,以项目 README 的最新说明为准。
- 安装 / 启动命令
pip install ii-researcherpip install -epip install litellmdocker compose up --build -d
- 环境变量
OPENAI_API_KEYTAVILY_API_KEYSERPAPI_API_KEYFIRECRAWL_API_KEYNEXT_PUBLIC_API_URL- 配置文件
litellm_config.yamlfrontend/.env.env.example- 运行环境
- Python 3.10+
- 安装说明涉及
- Docker
如何安装或部署这个 Agent?
本地安装需要 Python 3.10+。从 PyPI 安装,或克隆仓库后以可编辑模式安装:
pip install ii-researchergit clone https://github.com/Intelligent-Internet/ii-researcher.git
cd ii-researcher
pip install -e .运行前需配置模型 API 凭据和 LiteLLM 端点,并为选定的搜索、抓取服务商配置所需密钥。README 示例使用 OPENAI_API_KEY、TAVILY_API_KEY 或 SERPAPI_API_KEY,以及 Firecrawl 抓取时的 FIRECRAWL_API_KEY;也需设置 SEARCH_PROVIDER 和 SCRAPER_PROVIDER。启动 LiteLLM 前安装它并准备 litellm_config.yaml:
pip install litellm
litellm --config litellm_config.yamlDocker 部署要求 Docker 和 Docker Compose,并需先配置环境变量:
docker compose up --build -d如何使用这个 Agent?
安装并配置模型、搜索与抓取服务后,可从 CLI 发起第一次研究:
python ii_researcher/cli.py --question "your question here" --stream可添加 --report-type basic 或 --report-type advanced 选择报告形式,使用 --save-report 保存 Markdown 文件。网页模式需先运行 API:
python api.pyAPI 默认运行于 http://localhost:8000,/search 端点通过 SSE 流式传输研究步骤。前端需在 frontend/.env 设置 NEXT_PUBLIC_API_URL=http://localhost:8000,再启动:
cd frontend
npm install
npm run devMCP 客户端接入步骤为复制并填写 .env.example,然后运行:
mcp install mcp/server.py -f .env这个 Agent 有哪些优点和局限?
- 搜索服务支持 SerpAPI、Tavily 和 Jina,页面抓取支持 Firecrawl、Browser、BeautifulSoup、Tavily Extract 和 Jina。
- LiteLLM 路由支持 OpenAI、DeepSeek、Gemini、OpenRouter 及兼容 OpenAI 接口的自托管模型。
- 提供 Python 库、CLI、SSE 流式 FastAPI、Next.js 网页界面和 MCP 服务端等使用入口。
- 通过嵌入相似度压缩和可选 LLM 压缩,控制长网页内容进入模型上下文的规模。
- Quick Start 涉及模型代理配置及搜索、抓取服务商凭据,初次部署需要多步设置。
- 搜索、抓取和模型调用依赖网络及所选外部服务;README 没有说明可完全离线运行。
- 本地网页开发还要求 Node.js 和 npm;容器化部署则要求 Docker 和 Docker Compose。
- Frames 基准的 84.12% 结果明确对应 DeepSeek-R1-0528 和该数据集,不能据此推断其他模型或任务表现。
这个 Agent 与同类方案有什么区别?
README 将本项目描述为参考 node-DeepResearch 和 gpt-researcher 的提示设计,并从 gpt-researcher 借鉴网页抓取工具;没有提供与这些项目的直接功能或性能对比。
与相关度最高的同类 agent 并排比较关键指标。
| Agent | 源码审查 | 形态 / 费用 | Star | 最近更新 | 主语言 | 完整支持的平台 |
|---|---|---|---|---|---|---|
| II 深度研究 当前 | 47 · 缺口较多 | 命令行工具免费 + 模型费 | ★ 505 | 4 个月前 | Python | Claude.ai |
| Firecrawl CLI | 72 · 存在缺口 | — | ★ 694 | 2 天前 | TypeScript | Codex · Claude Code |
| Create Context Graph | 62 · 存在缺口 | 命令行工具免费 + 模型费 | ★ 750 | 1 个月前 | Python | ChatGPT · Claude Code · Claude.ai · OpenAI API · Claude API |
| wigolo | 71 · 存在缺口 | 命令行工具免费 + 模型费 | ★ 5.6k | 11 天前 | TypeScript | Codex · Claude Code · OpenAI API · Claude API |
FollowAgents 如何评估这个 Agent?
查看各维度的扣分理由
代码显示 Agent 会搜索网页、抓取内容并将问题及研究过程交给配置的模型和外部搜索/抓取服务;README 说明 API 密钥通过环境变量配置,SECURITY.md 提醒把抓取内容视为不可信输入,并警告 API 默认 CORS 宽松。没有逐项权限控制、用户确认或明确的数据留存说明,因此最小权限、确认、数据流透明度和敏感数据处理仅得低分。执行结果可选择保存为 Markdown,提供有限的可恢复性;工具会为报告生成引用,但没有证据证明所有引用均可追溯到具体断言。依赖有版本下限和一个精确锁定项,但缺少安全审计证据,外部网络调用的影响也只有部分说明。
README、CLI 与 Agent 构造函数对默认报告类型的描述不完全一致:CLI 默认 basic,Agent 默认 advanced。配置了多家模型、搜索和抓取服务,说明可切换后端,但正常使用依赖外部密钥与服务。Agent 捕获若干超时、取消、解析和工具错误并返回错误文本;其他异常未见统一处理,且主循环没有明确的步数上限,故错误处理和可用性只获部分分数。
材料面向开发者和研究用途,列出 CLI、Web、MCP、Docker、自托管模型及多个搜索、抓取和报告选项。search 工具明确接收研究问题,适合需要当前网页资料的任务;但材料未充分说明不适用场景、能力边界或搜索质量限制。Python 版本、安装步骤、环境变量和主要部署方式均有说明,环境适配较好但外部服务配置负担较重。
README 按概览、架构、安装、使用和配置组织,并提供 CLI、Web、MCP、Docker 示例;名称和模块结构整体清楚。LICENSE 文件提供完整 Apache 2.0 条款,许可证得满分。README 的新闻条目和包版本提供有限版本信息,但未见完整变更记录;SECURITY.md 指出公开部署需加固 CORS、认证和网络暴露,并提供漏洞报告途径,但局限说明仍不全面。项目联系信息、贡献指南和安全报告渠道有助于识别维护责任;发布流程配置提供了部分更新路径证据。
产品把多步搜索、网页读取、上下文压缩、报告生成和流式输出集成到一个可自托管框架中,并支持结构化引用报告,能为研究工作提供实用增益。输出可通过 CLI、Web 或 MCP 使用,也可保存为 Markdown;但质量高度依赖模型、搜索服务和输入内容,且需配置多项服务与密钥,成本效益只得低分。
架构、配置变量、CLI 参数、接口和依赖在 README、源码及项目配置中有具体对应,主要功能主张有一定可追踪性。测试文件样本覆盖报告生成、客户端和动作解析,但样本有限且多使用模拟对象,不能独立佐证 README 的基准或端到端性能主张。文档将基准结果作为事实陈述,但提供的材料未包含其评测方法或结果复核;事实与推断的区分也不充分,因此未给高分。
- 源码中未见:执行前用户确认开启或自行加上执行前确认;先在沙箱或测试环境跑通,确认行为后再接入真实数据。
- 研究问题和抓取到的网页内容会进入配置的模型及外部服务;部署前应核实这些服务的数据处理方式,并限制 API、CORS 和网络暴露。
- 报告引用、基准结果和端到端表现无法仅凭所给静态材料独立确认;实际质量会受模型和服务配置影响。
- 依赖包含多个外部包和服务,但材料没有提供依赖安全审计;上线前应自行检查依赖及密钥配置。
最近版本
来自该项目 GitHub Releases 的最新发布记录,说明为上游原文摘录,未经本站改写或测试。
-
发布说明摘录
First Release * New open-source framework for complex, multi-step search with reasoning tasks— a powerful, transparent alternative to proprietary systems * Two methods were implemented: finite state machines and tool-augmented thought processes with advanced reasoning models (R1 & QwQ) * Consistently delivers strong performance on GAIA and FRAMES benchmarks * MCP support * ii-researcher Pypi package * CI/CD for testing, linting and pypi publication What Changed * init release v0.1 by @PhungVanDuy in https://github.com/Intelligent-Internet/ii-researcher/pull/1 …在 GitHub 查看 ↗
常见问题
使用时是否需要付费 API?
能否完全在本机运行?
可接入哪些模型和搜索服务?
报告会包含来源吗?
II 深度研究 官网是什么?
II 深度研究 开源吗?
II 深度研究 安全吗?
II 深度研究 还在维护吗?
II 深度研究 是谁开发的?
谢谢反馈,我们会据此改进页面。