Open-source Deep Research Assistants

Глубокие исследовательские агенты — не просто чат-боты, а полноценные ИИ-ассистенты, способные искать информацию, взаимодействовать с инструментами, планировать и писать отчёты. Ниже — 10 мощных open?source проектов, которые уже можно протестировать:

1. DeerFlow — модульная система от Bytedance: DeerFlow — open?source фреймворк от Bytedance для создания модульных LLM-агентов.

Поддерживает:

- планирование действий,

- анализ кода,

- генерацию отчётов (включая Text-to-Speech),

- адаптивную интеграцию инструментов.

Создан для исследований, автоматизации и построения сложных агентных пайплайнов.

https://github.com/bytedance/deer-flow

2. Alita — самообучающийся агент с поддержкой Model Context Protocols (MCP), всё в одном модуле. Alita — агент, который сам придумывает, как ему расширить себя, не полагаясь на заранее написанные сценарии, и уже демонстрирует топовые результаты на сложных тестах.

https://github.com/CharlesQ9/Alita

3. WebThinker — автономный веб?поиск с логикой "думай?ищи?пиши", RL?обучением и глубокой навигацией

https://github.com/RUC-NLPIR/WebThinker

4. SimpleDeepSearcher — это лёгкий, но эффективный open?source фреймворк от RUCAIBox, предназначенный для автономного веб-поиска через импровизированные многотуровые сессии:

- Использует Supervised Fine?Tuning (SFT) вместо сложного RL, что значительно упрощает обучение и снижает вычислительные затраты

- Генерирует реалистичные траектории поиска и рассуждений, симулируя поведение пользователя в живом поисковом окружении .

- Критически отбирает данные по нескольким критериям качества: разнообразие запросов, сложность, структура ответов

5. AgenticSeek — приватный on?device ассистент с выбором эксперта под задачу и голосовым управлением

https://github.com/Fosowl/agenticSeek

6. Suna — универсальный ассистент: браузер, CLI, работа с файлами, API, деплой

https://github.com/kortix-ai/suna

7. DeepResearcher — это комплексный open-source фреймворк от GAIR?NLP, предназначенный для обучения LLM?агентов, способных проводить глубокие исследования в автономном режиме, взаимодействуя с вебом. Использует несколько агентов?браузеров, которые совместно исследуют веб и обрабатывают информацию

https://github.com/GAIR-NLP/DeepResearcher

8. Search?R1 — агент на PPO/GRPO с поддержкой LLaMA3, Qwen2.5 и кастомных поисковиков. Агент учится эффективному циклу «думай — ищи — думай — отвечай» через RL, достигая важных улучшений в точности ответов и эффективности поиска.

https://github.com/PeterGriffinJin/Search-R1

9. ReCall — это фреймворк на основе RL, который учит LLM "должным образом" вызывать и комбинировать инструменты, используя сгенерированные задачи, без необходимости вручную собирать примеры вызовов — и всё это в открытом доступе.

https://github.com/Agent-RL/ReCall

10. OWL — мультиагентная система на CAMEL?AI для динамического взаимодействия между агентами

https://github.com/camel-ai/owl

Агенты умеют планировать, взаимодействовать с браузером, запускать скрипты, интегрироваться с API и работать автономно.

Всё проекты — с открытым кодом. Можно изучить, собрать и доработать под свои задачи.

Источник: github.com

Комментарии: