Deep Research

Deep Research：AI搭載のリサーチアシスタント

Deep Researchとは？ Deep Researchは、あらゆるトピックに関する反復的で深いリサーチを行うように設計された、オープンソースのAI搭載リサーチアシスタントです。検索エンジン、Webスクレイピング、大規模言語モデル（LLM）の力を組み合わせ、ユーザーが選択した主題を包括的に理解できるようにします。

このプロジェクトは、ディープリサーチエージェントの最もシンプルな実装を提供し、時間の経過とともにリサーチの方向性を洗練させ、トピックを深く掘り下げることができるようにすることを目的としています。目標は、コンパクトなコードベースを維持し、理解しやすく、構築しやすいようにすることです。

Deep Researchの仕組み

Deep Researchは、リサーチ機能を提供するために、いくつかの主要なコンポーネントを活用しています。

• 検索エンジン： 検索エンジンを利用して、初期情報を収集し、関連する情報源を特定します。
• Webスクレイピング： Webページからコンテンツを抽出し、詳細な情報とデータを収集します。
• 大規模言語モデル（LLM）： LLMを使用して、対象を絞った検索クエリを生成し、結果を処理し、新しいリサーチの方向性を特定します。

Deep Researchの主な機能

• 反復的なリサーチ： 検索クエリを反復的に生成し、結果を処理し、調査結果に基づいてより深く掘り下げることで、詳細なリサーチを実施します。
• インテリジェントなクエリ生成： LLMを使用して、リサーチの目標と以前の調査結果に基づいて、対象を絞った検索クエリを生成します。
• 深度と幅の制御： リサーチの範囲（幅）と深度を制御するための構成可能なパラメーターを提供します。
• スマートフォローアップ： フォローアップの質問を生成して、リサーチのニーズを洗練し、新しい洞察を発見します。
• 包括的なレポート： 調査結果と情報源を含む詳細なマークダウンレポートを作成し、リサーチの明確で整理された概要を提供します。
• 並行処理： 複数の検索と結果処理を並行して処理し、効率を高め、リサーチ時間を短縮します。

Deep Researchの使用方法

Deep Researchを開始するには、次の手順に従います。

1. 要件
   • Node.js環境
   • APIキー（以下）：
     • Firecrawl API（Web検索およびコンテンツ抽出用）
     • OpenAI API（o3 miniモデル用）
2. セットアップ
   • リポジトリをクローン：git clone [repository_url]
   • 依存関係をインストール：npm install
   • .env.localファイルに環境変数を設定：

     FIRECRAWL_KEY="your_firecrawl_key"
     # セルフホスト型のFirecrawlを使用する場合は、以下を追加します。
     # FIRECRAWL_BASE_URL="http://localhost:3002"
     
     OPENAI_KEY="your_openai_key"
     

   • ローカルLLMを使用するには、OPENAI_KEYをコメントアウトし、代わりにOPENAI_ENDPOINTとOPENAI_MODELのコメントを解除します。
     • OPENAI_ENDPOINTをローカルサーバーのアドレスに設定します（例：「http://localhost:1234/v1」）
     • OPENAI_MODELをローカルサーバーにロードされたモデルの名前に設定します。
3. 使い方
   • リサーチアシスタントを実行：npm start
   • 次のプロンプトが表示されます。
     • リサーチクエリを入力
     • リサーチの幅を指定（推奨：3〜10、デフォルト：4）
     • リサーチの深度を指定（推奨：1〜5、デフォルト：2）
     • フォローアップの質問に答えて、リサーチの方向性を洗練
   • システムは次のことを行います。
     • 検索クエリを生成して実行
     • 検索結果を処理および分析
     • 調査結果に基づいて再帰的に深く調査
     • 包括的なマークダウンレポートを生成
   • 最終レポートは、選択したモードに応じて、作業ディレクトリにreport.mdまたはanswer.mdとして保存されます。

並行処理

Firecrawlの有料版またはローカル版をお持ちの場合は、CONCURRENCY_LIMIT環境変数を設定してConcurrencyLimitを増やすと、速度が向上します。無料ユーザーは、レート制限エラーが発生する可能性があり、制限を1に減らす必要があります。

DeepSeek R1

Deep Researchは、R1モデルでうまく機能します。 R1を使用するには、Fireworks APIキーを設定します。

FIREWORKS_KEY="api_key"

キーが検出されると、システムは自動的にo3-miniではなくR1に切り替わります。

カスタムエンドポイントとモデル

これらの環境変数を使用して、エンドポイント（OpenRouterやGeminiなどの他のOpenAI互換API用）とモデル文字列を調整することもできます。

OPENAI_ENDPOINT="custom_endpoint"
CUSTOM_MODEL="custom_model"

Deep Researchは誰のためのものですか？

Deep Researchは、以下のような方に適しています。

• 特定のトピックに関する詳細な情報を収集する必要がある研究者。
• 学術プロジェクトのためにリサーチを行う必要がある学生。
• 業界のトレンドと開発について常に最新情報を把握する必要がある専門家。
• トピックを迅速かつ効率的に詳細に調査したい人。

Deep Researchを選ぶ理由

• 複雑なリサーチを簡素化： 情報の収集と分析のプロセスを自動化し、時間と労力を節約します。
• 隠された洞察を発見： トピックを詳細に調査し、従来のリサーチ方法では見逃される可能性のある洞察を発見します。
• 包括的なレポートを提供： 調査結果を要約し、リサーチの明確な概要を提供する詳細なレポートを生成します。
• カスタマイズ可能で柔軟： 特定のニーズに合わせてリサーチプロセスを調整するための構成可能なパラメーターを提供します。

ライセンス

Deep Researchは、MITライセンスの下でリリースされており、ユーザーは必要に応じて自由にコードを使用および変更できます。

Deep Researchは、詳細なトピック分析を効率化します。検索、Webスクレイピングを自動化し、LLMを活用してインテリジェントなクエリを生成することで、複雑なリサーチプロセスを簡素化します。研究者、学生、専門家は、このツールを使用して、包括的な情報を迅速に収集し、洞察を発見し、詳細なレポートを生成できます。Deep Researchの特筆すべき点は、リサーチの方向性を反復的に洗練させ、反復ごとにトピックをより深く掘り下げることができることです。