OpenSwarm深度研究Agent如何做带引用的网络研究与学术论文检索【免费下载链接】OpenSwarmClaude code for everything except coding项目地址: https://gitcode.com/gh_mirrors/open/OpenSwarmOpenSwarm 是一个开源的多智能体系统其中的 Deep Research Agent 专注于一件事做带引用的深度网络研究和学术论文检索。你只需在终端输入一句自然语言比如分析 2026 年可再生能源的最新趋势它就能自动执行多轮搜索、筛选可靠信源、为每个关键结论标注来源最终输出一份包含执行摘要、证据细节和行动建议的结构化研究报告无需你自己整理笔记或核对出处。 为什么需要专门的深度研究Agent普通聊天机器人回答问题往往张口就来找不到出处、分不清事实与推测。OpenSwarm 的做法不同它由一个 Orchestrator调度员和 8 个专职 Agent 组成研究类请求会被路由给专职的Deep Research Agent全程遵循证据驱动的原则——查不到就直说无法核实绝不编造来源。这套调度逻辑可以在 orchestrator/instructions.md 中找到整个团队的组装方式见 swarm.py。 快速上手30秒安装步骤最简单的方式是一行命令启动需要 Node.js 20 和 Python 3.12npx vrsen/openswarm安装向导会自动处理依赖和配置。如果想参与本地开发也可以克隆仓库git clone https://gitcode.com/gh_mirrors/open/OpenSwarm cd OpenSwarm python swarm.py需要准备的 API KeyKey用途OPENAI_API_KEY或ANTHROPIC_API_KEY驱动 Agent 的模型二选一必选SEARCH_API_KEY解锁网络搜索与 Scholar 学术检索配置细节见 README.md 的 API Keys Setup 一节。 三件核心工具搜索、学术、执行Deep Research Agent 由 deep_research/deep_research.py 创建挂载了三个工具各司其职WebSearchTool通用网络搜索覆盖新闻、行业动态、公司信息每个请求会执行 3~5 次不同角度的搜索直到信息足够ScholarSearch面向 Google Scholar 的学术检索返回论文的标题、作者、引用数、出版来源和 PDF 链接IPythonInterpreter隔离的 Python 执行环境用于对查到的数据做快速计算验证 它是怎么做研究的完整的研究流程写在 deep_research/instructions.md可以归纳为 5 步先问清楚如果需求含糊它会先提出 3~5 个澄清问题避免白忙一场多路搜索同一主题用多个查询词交叉检索不满足于第一个结果信源分级按官方文档 政府与监管文件 同行评审论文 主流媒体 行业报告的优先级采信逐条标注引用每个重要结论都带[Source: URL]形式的内联引用信息冲突时会并列展示各方观点并说明哪边更可信给建议而不止罗列产出 2~4 个可行方案逐项分析利弊最后给出明确推荐 学术检索怎么做ScholarSearch 使用技巧学术检索由 virtual_assistant/tools/ScholarSearch.py 实现支持按年份区间过滤、分页单次最多返回 20 条结果并自动附带引用总数和 PDF 资源链接。两个实用提示一个请求只调用一次为控制 API 成本ScholarSearch 每个用户请求只能调用一次所以它会把搜索范围设计得更宽一次拿足结果提示词里带上年份例如找 2024 年之后关于大语言模型推理的论文它会据此设置年份过滤 最终报告长什么样一份完整的研究报告固定包含 6 个部分执行摘要5~10 条关键结论、核心发现按主题分组、证据与细节含内联引用、可选方案每个含 3~5 条优缺点、推荐结论附 3~5 条理由、风险与未解问题。想要可执行、可决策、可核验的研究结果这就是 OpenSwarm 深度研究Agent 的完整工作方式——从提问到报告一条提示词搞定。【免费下载链接】OpenSwarmClaude code for everything except coding项目地址: https://gitcode.com/gh_mirrors/open/OpenSwarm创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考