告别熬夜搜文献！我用 Gemini 造了个 2 分钟出深度研究报告的 AI 神器！

 

平时呢，我就喜欢琢磨各种技术，不光是看它表面怎么用，更爱挖挖它底层的原理，想想怎么用这些技术来解决咱们工作、生活里遇到的实际问题。比如，大家是不是跟我一样，经常为了写个报告、做个方案，或者就是单纯想深入了解某个新领域，需要查阅大量的资料？

打开搜索引擎，关键词输进去，哗啦啦出来几十页结果，眼睛都看花了。好不容易找到几篇相关的，还得一篇篇读，筛选信息、整理思路、最后汇总成文... 这一套流程下来，少则半天，多则几天，效率低不说，还特别熬人。尤其是在这个信息爆炸的时代，我们缺的不是信息，而是快速从海量信息中提取、加工、并形成深度见解的能力。

我就在想，这事儿能不能让 AI 来帮忙干呢？能不能有个工具，我告诉它我想研究啥，它就能像个经验丰富的研究员一样，快速帮我把相关的靠谱信息搜集、整理、分析，最后直接给我一份结构清晰、内容深入的报告？

于是，捣鼓了一段时间，Deep Research[1] 这玩意儿就诞生了！开源的，随便改造为自己需要的。

简单来说，Deep Research 就是一个基于 Google 最新的 Gemini AI 模型，能在短短 2 分钟左右，帮你生成一份相当有深度的研究报告的开源工具。 是的，你没听错，就是这么快！

听起来是不是有点小激动？别急，让我跟你详细唠唠这东西有啥能耐，又是怎么实现的。

 Deep Research 有哪些看家本领？1. 快！准！狠！2 分钟出报告：这绝对是核心亮点。利用 Google Gemini 的强大能力和联网搜索功能，它能迅速抓取、理解、整合信息，大大压缩了传统研究需要的时间。原来可能要耗费数小时甚至数天的工作，现在一杯咖啡的功夫就搞定了。2. Gemini 加持，智能分析：咱们用的是 Google 家最新的 Gemini 系列模型（比如功能强大的 "Thinking" 模型和速度更快的 "Flash" 模型，你可以根据需要切换），这些模型在理解复杂问题、进行推理和生成高质量文本方面都相当出色，保证了报告的深度和准确性。3. 隐私第一，数据本地存：这点我特别看重！你的研究主题、过程数据、生成的报告，默认情况下全部存储在你自己的浏览器本地。除非你选择使用服务器模式（后面会讲），否则数据根本不会离开你的电脑，绝对安全放心。4. 报告还能“微调”：生成的报告不完全满意？没关系！我们内置了一个 Canvas 编辑器，支持两种模式：一种是“所见即所得”（WYSIWYM，更注重内容结构），另一种是大家熟悉的 Markdown。你可以直接在上面修改内容。更贴心的是，你还可以调整报告的阅读难度等级、文章长度，甚至进行全文翻译！满足各种场景需求。5. 历史记录，随时回顾：做过的研究都会保存下来，方便你随时回头查看，或者在之前的基础上进行二次深入研究。不用担心灵感或重要发现丢失。6. 部署灵活，在哪都能跑：想自己部署？没问题！你可以一键部署到 Vercel、Cloudflare Pages 这类流行的 Serverless 平台，也可以用 Docker 在自己的服务器或者本地运行。当然，最简单的就是在你自己的电脑上本地运行开发模式。7. 多语言支持：目前支持英文和咱都看得懂的简体中文。8. 现代技术栈：用了最新的 Next.js 15 和 Shadcn UI，保证了性能和颜值都在线，用起来流畅又舒服。9. 完全开源，免费使用：项目遵循 MIT 协议，代码完全开放，你可以自由使用，无论是个人研究还是商业用途，都没问题。欢迎大佬们一起来添砖加瓦！它是怎么做到这么快的？

你可能好奇，这 2 分钟背后到底发生了啥？虽然不能透露所有商业机密（开玩笑的，开源项目哪有啥商业机密 😄），但基本原理是这样的：

1. 理解你的需求：你输入想研究的主题。2. 智能规划与搜索：Deep Research 会分析你的主题，然后利用 Gemini 模型的联网能力，去互联网上查找最相关、最权威的信息源。它不是简单地把搜索结果丢给你，而是会理解这些信息。3. 深度分析与整合：Gemini 模型会对搜集到的信息进行阅读、理解、筛选、提炼和总结，找出其中的关键点、联系和逻辑。这里可能用到了像 "Thinking" 这样更侧重深度思考的模型。4. 报告生成与优化：最后，模型会把分析结果组织起来，按照一定的结构（比如引言、关键发现、细节分析、结论等）生成一份结构清晰、语言流畅的报告草稿。如果你设置了特定的阅读等级或长度，它还会进行相应调整。5. 快速交付：整个过程被高度优化，特别是利用了 Gemini 的 "Flash" 等快速响应模型以及可能的并行处理，才能在约 2 分钟内完成。和其他工具比，Deep Research 有啥不一样？

市面上也有不少信息获取和处理工具，咱们来简单对比一下：

特性Deep Research手动搜索 + 人工整理普通搜索引擎 (Google/Bing)通用聊天机器人 (ChatGPT/Gemini Web)速度极快 (约 2 分钟出报告)慢 (数小时到数天)快 (秒级出链接)较快 (对话式生成)深度较深 (AI 整合分析)可深可浅 (取决于投入)浅 (仅提供链接)中等 (依赖 Prompt 和模型能力)报告质量结构化，接近成品质量高度依赖个人能力无报告对话形式，需自行整理专注度高度聚焦研究主题可能分心可能被广告/无关信息干扰可能跑题隐私性极高 (默认本地存储)高 (本地操作)低 (搜索记录被追踪)中 (数据可能用于训练)易用性简单 (输入主题即可)复杂 (需多种技能)简单简单 (对话式)成本开源免费 (需自备 Gemini API Key)时间成本高免费部分免费，高级功能收费

简单来说，Deep Research 像是给你配了个专业的 AI 研究助理，专门负责快速完成信息搜集和初步报告撰写的脏活累活。

想上手试试？跟我来！

心动不如行动，想跑起来也挺简单：

1. 准备工作：搞定 Gemini API Key

这工具的核心是 Google Gemini，所以你需要一个 Google AI 的 API Key。

• • 访问 Google AI Studio[2] (可能需要科学上网)。
• • 登录你的 Google 账号。
• • 创建一个新的 API Key。把这个 Key 复制下来，保存好，别泄露出去！

2. 最快体验：一键部署 (推荐 Vercel)

如果你有 Vercel 账号（免费的就行），可以直接点击项目 README 里的 "Deploy with Vercel" 按钮，跟着提示操作，几分钟就能拥有一个在线的、你自己专属的 Deep Research 服务！部署时它会让你填入你的 Gemini API Key。

3. 本地运行 (适合开发者)

如果你想在自己电脑上跑，或者想研究下代码：

• • 环境准备：
• • 安装 Node.js[3] (建议 v18.18.0 或更高版本)。
• • 安装 pnpm (推荐) 或 npm/yarn 包管理器。
• • 开搞：

  # 1. 克隆代码仓库
  git clone https://github.com/u14app/deep-research.git
  
  # 2. 进入项目目录
  cd deep-research
  
  # 3. 安装依赖 (推荐用 pnpm)
  pnpm install
  
  # 4. 配置环境变量 (重要!)
  # 在项目根目录创建一个名为 .env 的文件
  # 把下面内容复制进去，并填上你自己的信息

  在项目根目录创建一个 .env 文件，内容类似这样：

  # Google Gemini API Key (本地模式运行时，这个*不是*必须的, 但服务器模式需要)
  # 如果你有多把 Key，用英文逗号隔开，如 key1,key2,key3
  GOOGLE_GENERATIVE_AI_API_KEY=你的Gemini_API_Key放这里
  
  # (可选) API 代理地址，如果你需要通过代理访问 Google API
  # API_PROXY_BASE_URL=https://your.proxy.com
  
  # (可选) 访问密码，给你的部署增加一层保护
  ACCESS_PASSWORD=设置一个你的访问密码
  
  # (可选) 注入统计或错误跟踪脚本
  # HEAD_SCRIPTS=<script>...</script>

  重点来了：如果你只是想在自己电脑上用本地模式跑，GOOGLE_GENERATIVE_AI_API_KEY 其实可以不填在 .env 文件里！你可以在 Deep Research 的界面上直接输入你的 Key，这样 Key 就只存在你的浏览器里，更加私密。.env 文件里的配置主要是给服务器端 API 调用或者部署时使用的。ACCESS_PASSWORD 是你部署后，防止别人滥用你的服务的密码。
• • 启动！

  # 运行开发模式
  pnpm dev

• • 打开浏览器，访问 http://localhost:3000，你的本地 Deep Research 就跑起来啦！

4. Docker 部署 (适合有服务器的玩家)

如果你熟悉 Docker，也可以用 Docker 快速部署：

# 拉取最新的镜像
docker pull xiangfa/deep-research:latest

# 运行容器 (简单版)
docker run -d --name deep-research -p 3333:3000 xiangfa/deep-research

# 运行容器 (带环境变量)
docker run -d --name deep-research \
   -p 3333:3000 \
   -e GOOGLE_GENERATIVE_AI_API_KEY=你的Gemini_API_Key \
   -e ACCESS_PASSWORD=你的访问密码 \
   xiangfa/deep-research

然后通过 http://你的服务器IP:3333 访问。

聊聊隐私这事儿

再强调一下，隐私是 Deep Research 设计的核心考量之一。

• • 默认本地优先：所有操作，包括你的研究主题、API Key（如果你在界面输入）、生成的报告，默认都只存在你的浏览器本地存储 (Local Storage) 中。我们不收集你的任何数据。
• • 服务器模式可选：只有当你明确配置了服务器端的 API Key (.env 文件中的 GOOGLE_GENERATIVE_AI_API_KEY) 并选择使用服务器 API 模式时，请求才会通过服务器转发给 Google Gemini API。这种模式主要是为了方便部署和共享，或者解决本地网络访问 Google API 的问题。即使这样，你的研究内容本身我们也不会存储。
• • 密码保护：如果你部署到公共服务器，强烈建议设置 ACCESS_PASSWORD，保护你的服务不被滥用。

你可以完全放心地用它来研究任何你想研究的主题，不用担心隐私泄露。

引用链接

[1] Deep Research: https://github.com/u14app/deep-research
[2] Google AI Studio: https://aistudio.google.com/
[3] Node.js: https://nodejs.org/