gpt-researcher

GPT Researcher 是一個基於大型語言模型的開源自主代理，旨在解決傳統研究中資訊淺顯、偏見與人工耗時的問題。透過「規劃-執行-發佈」模式，它能自動化整個研究生命週期，從查詢多元網頁來源到合成事實正確、無偏見且附帶引用的報告。專為需要超越傳統 LLM 限制、追求深度與可靠性的開發人員、分析師與研究者而設計。

• 在「深度研究」(Deep Research) 模式下採用遞歸樹狀探索策略，以高廣度與深度探討複雜課題。

• 支援多來源檢索，包括網頁搜尋、本地檔案，以及與 MCP (Model Context Protocol) 資料源整合，適用於專業內部數據。

• 平行化代理工作架構確保報告生成的快速性，同時維持高度的準確度與確定性。

• 支援 Markdown、PDF 與 Word 等多元輸出格式，並提供基於 WebSocket 的即時進度串流，方便 UI 整合。

• 透過集中式 Config 系統實現研究工作流的客製化，支援自定義 Prompt、多樣化檢索器類型及 API 管理。

• 內建「規劃並解決」(Plan-and-Solve) 方法與基於 RAG 的合成技術，減少幻覺並確保跨 20 個以上來源的事實一致性。

• 開發人員可透過 Python 中的 GPTResearcher 類別進行整合，以編程式方式觸發後端服務中的研究管線。

• 透過環境變數 (如 TAVILY_API_KEY、OPENAI_API_KEY) 或 default.py 設定檔配置研究行為，針對 LLM 提供者與搜尋深度進行細部調控。

• 開發自定義功能時，請遵循八步驟開發模式：包括設定註冊、提供者配置、技能實作及 WebSocket 串流處理。

• 建立自定義檢索器時，繼承核心搜尋框架以啟用與新資料源 (如內部資料庫或向量儲存) 的連接。

• 務必使用 asyncio 非同步處理研究任務，避免阻塞主事件迴圈並確保長時間研究作業的穩定執行。

• 整合至 NextJS 等前端框架時，利用 stream_output 方法為使用者提供即時的回饋與執行進度。