Follow
如果我们想要深入了解 OpenAI 的 Deep Research 底层工作原理，可以看下这个 nanoDeepResearch 开源项目。
作者受到字节开源的 DeerFlow 启发，决定从零开始构建一个深度研究 Agents，不依赖任何现有的框架，如 LangGraph。
通过该项目，我们可以清晰了解到工作流程中每个步骤，例如：
- 对于网络搜索，LLM 建议搜索什么内容；
- 对于编码，LLM 生成了什么代码；
- 对于规划，LLM 输出了什么研究计划。
GitHub: https://github.com/liyuan24/nanoDeepResearch
主要包含了以下内容：
- 完整实现 ReAct 代理系统，能自主推理和行动；
- 多专家协作系统，包括规划者、研究者、编码者和报告者；
- 透明展示每个步骤的决策过程和生成内容；
- 支持网络搜索、网页爬取和 Python 编程工具。
只需配置 OpenAI、Claude、Tavily 和 Jina 的 API 密钥，通过简单命令即可运行。
