DavidZWZ/Awesome-Deep-Research

Awesome-Deep-Research 是一份精选、持续更新的指南，关于“智能体深度研究”——这是一个AI系统作为自主研究智能体的领域，它们搜索网络、收集证据、进行推理，并生成详尽的答案或报告，而不是像标准搜索引擎那样仅返回排序的链接列表。

内容概览

该仓库是一个单一、结构化的资源列表，分为四个部分：

行业领先产品 — 12个商业工具和平台，每个都有名称、链接和发布日期。这些是主要参与者：Google的Gemini Deep Research、OpenAI的Deep Research、Perplexity Deep Research、xAI的Grok Agents、Microsoft的Copilot Researcher、Anthropic的Research、Manus、字节跳动的DeerFlow、阿里巴巴的Qwen Deep Research、Moonshot的Kimi-Researcher，以及两个较新的搜索/API服务（Not Human Search、SearchHive）。
开源实现 — 19个你可以自行运行的GitHub仓库。这些包括完整的研究框架、轻量级工具包和AI智能体构建器——例如，gpt-researcher（用于研究的自主智能体）、DeerFlow（字节跳动的框架）、OpenManus（通用AI智能体构建器）和Local Deep Research（在你的机器上运行，从web/arXiv/PubMed/私人文档中提取，使用20多种研究策略）。
最新研究论文 — 该领域学术论文的详细按时间顺序表格（最新在顶部）。每行列出论文标题（链接到arXiv）、日期、使用的基础模型、优化技术（SFT、RL等）、搜索引擎、智能体架构（单智能体与多智能体）、训练数据集和评估数据集。README指出论文涵盖智能体框架、搜索增强推理模型、网络智能体、检索增强生成和多模态深度研究等主题。
评估基准和实际应用 — README的目录提到了这一部分，尽管目前显示的内容只是该部分的标题。

对人工智能与自主智能体交叉领域感兴趣的研究人员、开发者和爱好者——特别是构建能够执行深度、多步骤研究任务的系统。

该仓库还链接到维护者自己的arXiv立场论文：“从网络搜索到智能体深度研究”——讨论了为什么研究从简单关键词搜索转向推理驱动的智能体，以及该领域的未来方向。
它交叉引用了姊妹仓库Awesome-RAG-Reasoning，供那些对检索增强生成加推理更广泛主题感兴趣的人参考。
徽章表明该项目正在维护，欢迎贡献，README明确鼓励贡献。

它是一个链接和注释中心——本身不是工具，而是AI驱动深度研究新兴领域中最佳产品、开源代码和学术工作的目录，通过日期和结构化细节（模型、数据集、架构）保持最新，帮助你比较和选择使用或学习的内容。