GPT Researcher 简介
GPT Researcher[1] 是一个基于大型语言模型（LLM）的自动化智能体，目标是对任何给定主题进行在线全面研究。
该智能体能够生成详细、事实和无偏见的研究报告，并提供定制化选项，以关注相关资源和大纲。
GPT Researcher的设计灵感来源于最新的Plan-and-Solve和RAG论文，目标是解决错误信息、速度、确定性和可靠性问题，通过并行化智能体工作而不是同步操作，提供更稳定的性能和更快的速度。
项目特点
主要特点
形成客观结论：手动研究任务可能需要数周时间来找到正确的资源和信息。 避免过时信息：当前的LLMs训练于过去和过时的信息，存在严重的幻觉风险，几乎与研究任务无关。 支持长篇幅输出：当前的LLMs限制在短标记输出，不足以满足详细的研究报告（2000+单词）。 避免信息源偏见：使用ChatGPT或Perplexity等仅考虑有限来源和内容的服务可能导致错误信息和肤浅结果。 减少偏见：仅使用选定的网络资源可能会在确定研究任务的正确结论时产生偏见。
使用场景
GPT Researcher适用于需要快速、准确和全面研究的个人和组织，尤其是在需要客观结论和详细报告的场合。
项目使用
安装
安装Python 3.11或更高版本。 克隆项目并导航到其目录：
git clone https://github.com/assafelovic/gpt-researcher.git
cd gpt-researcher
设置API密钥，可以通过导出或存储在 .env文件中。
export OPENAI_API_KEY={Your OpenAI API Key here}
export TAVILY_API_KEY={Your Tavily API Key here}
快速开始
安装依赖项：
pip install -r requirements.txt
使用FastAPI运行智能体：
python -m uvicorn main:app --reload
访问 http://localhost:8000并在任何浏览器上进行研究。
作为PIP包运行
pip install gpt-researcher
from gpt_researcher import GPTResearcher
query = "为什么Nvidia股票上涨？"
researcher = GPTResearcher(query=query, report_type="research_report")
# 进行研究
research_result = await researcher.conduct_research()
# 写报告
report = await researcher.write_report()
使用Docker运行
安装Docker。 克隆 .env.example文件，添加您的API密钥到克隆的文件并保存为.env。在docker-compose文件中注释掉您不想与Docker一起运行的服务。
docker-compose up --build
文档与资源
项目文档[2] 社区Discord[3] 作者邮箱[4]
注：本文内容仅供参考，具体项目特性请参照官方 GitHub 页面的最新说明。
