企业官网建设流程全解析

GPT Researcher 怎么用？从安装到出报告的新手快速上手指南

【免费下载链接】gpt-researcherAn autonomous agent that conducts deep research on any data using any LLM providers项目地址: https://gitcode.com/GitHub_Trending/gp/gpt-researcher

GPT Researcher 是一个自主研究代理（autonomous research agent），你给它一个课题，它自己拆解问题、联网搜集资料、读取本地文档，最后产出一份带引用来源的结构化报告。如果你要写文献综述、做市场调研或盯竞争对手动态，它可以把最耗时的"找资料"环节压缩到几分钟。

5 分钟跑通第一次研究

环境要求 Python 3.8+ 和 pip。建议先建一个虚拟环境隔离依赖：

python -m venv venv source venv/bin/activate # Windows 用 venv\Scripts\activate

然后按你的习惯二选一安装：

• 直接装包：pip install gpt-researcher
• 从源码装：

git clone https://gitcode.com/GitHub_Trending/gp/gpt-researcher cd gpt-researcher pip install -r requirements.txt

装好后配密钥：把 .env.example 复制成.env，填入OPENAI_API_KEY（或其他 LLM 密钥）和你计划用的搜索引擎密钥，例如TAVILY_API_KEY。

再写一个最小脚本：

from gpt_researcher import GPTResearcher researcher = GPTResearcher(query="人工智能的最新发展") print(await researcher.conduct_research())

跑通后你手里会有一份 Markdown 报告。到这一步，安装和配置就算完成了。

三种报告模式怎么选

同一个report_type参数，决定研究的深度：

初始化时指定即可：

GPTResearcher(query="机器学习在医学影像分析中的应用", report_type="deep_research")

拿不准就从默认的research_report开始，觉得覆盖不够再加深，避免一开始就为深度研究付出更高的 token 成本。

把范围收窄：指定来源与域名

默认情况下它会在公开网络上搜索。如果你只信任特定网站，可以用query_domains限制搜索范围：

GPTResearcher( query="2025年人工智能市场趋势", report_type="detailed_report", query_domains=["statista.com", "gartner.com"], )

另外两个参数按需求选用：

• source_urls：直接给一批 URL，只基于这些网页写报告；
• subtopics+max_subtopics：自己定好子主题列表，并控制数量上限。

域名过滤和来源指定对"竞争情报"这类任务特别有用——只盯对手的官网和公告页，报告就不会跑偏。

混合研究：本地文档 + 网络一起查

如果你手上已经有内部 PDF、产品手册或过往报告，不必二选一。GPT Researcher 支持混合研究（hybrid research）：把本地文档和网络搜索结果放进同一个上下文，再统一生成报告。

混合模式下，report_source传hybrid，本地文档通过 document/ 目录下的加载器读入。典型用法：让模型先消化你的内部材料，再用最新行业动态补充，最后产出一份"既有内部视角又有外部数据"的报告。

想看它怎么分工：多代理协作

复杂任务在内部会拆给多个代理协作：researcher 负责搜集、writer 负责撰写、reviewer 负责审核，流程由 LangGraph 编排，代码在 multi_agents/ 目录，各角色定义在 multi_agents/agents/。

你平时不需要动这些代码，但了解分工有助于排障——报告里某段质量差，往往能对应到某个代理的环节。

避坑：新手最常踩的 3 个坑

1. 报告为空或搜索失败：先检查.env里密钥是否写对、用的搜索引擎是否和密钥匹配。换搜索引擎时改RETRIEVER环境变量即可，可选引擎在 retrievers/ 下都有对应实现。
2. API 调用被限流：调低并发、给请求加延时，相关参数集中在 配置目录，改default.py或写进.env都行。
3. 成本超预期：报告越深、子主题越多，token 消耗越大。先用默认模式跑小题目，确认流程没问题再上大课题。

更多细节可以看 文档目录 里的使用指南和示例。

下一步建议

• 先按第一节装好、配好密钥，用一个你正在跟进的真实课题跑research_report，看看报告质量再决定是否升级到detailed_report。
• 手上有内部材料的，直接试混合模式：加一个report_source="hybrid"，把本地文档喂进去，感受差别。

【免费下载链接】gpt-researcherAn autonomous agent that conducts deep research on any data using any LLM providers项目地址: https://gitcode.com/GitHub_Trending/gp/gpt-researcher