AI-Compass DeepSearch深度搜索：集成ZeroSearch、字节DeerFlow、MindSearch等前沿

AI-Compass 致力于构建最全面、最实用、最前沿的AI技术学习和实践生态，通过六大核心模块的系统化组织，为不同层次的学习者和开发者提供从完整学习路径。

• • github地址： AI-Compass👈：https://github.com/tingaicompass/AI-Compass
• • gitee地址： AI-Compass👈：https://gitee.com/tingaicompass/ai-compass

🌟 如果本项目对您有所帮助，请为我们点亮一颗星！🌟

📋 核心模块架构：

• • 🧠 基础知识模块 ：涵盖AI导航工具、Prompt工程、LLM测评、语言模型、多模态模型等核心理论基础
• • ⚙️ 技术框架模块 ：包含Embedding模型、训练框架、推理部署、评估框架、RLHF等技术栈
• • 🚀 应用实践模块 ：聚焦RAG+workflow、Agent、GraphRAG、MCP+A2A等前沿应用架构
• • 🛠️ 产品与工具模块 ：整合AI应用、AI产品、竞赛资源等实战内容
• • 🏢 企业开源模块 ：汇集华为、腾讯、阿里、百度飞桨、Datawhale等企业级开源资源
• • 🌐 社区与平台模块 ：提供学习平台、技术文章、社区论坛等生态资源

📚 适用人群：

• • AI初学者 ：提供系统化的学习路径和基础知识体系，快速建立AI技术认知框架
• • 技术开发者 ：深度技术资源和工程实践指南，提升AI项目开发和部署能力
• • 产品经理 ：AI产品设计方法论和市场案例分析，掌握AI产品化策略
• • 研究人员 ：前沿技术趋势和学术资源，拓展AI应用研究边界
• • 企业团队 ：完整的AI技术选型和落地方案，加速企业AI转型进程
• • 求职者 ：全面的面试准备资源和项目实战经验，提升AI领域竞争力

DeepSearch模块构建了涵盖前沿平台的深度搜索技术生态，致力于超越传统关键词匹配的智能信息检索革命。该模块整合了阿里ZeroSearch无搜索LLM能力增强、字节DeerFlow智能搜索引擎、书生浦源MindSearch多智能体搜索框架等核心技术，以及腾讯IMA.copilot智能工作台等企业级解决方案。

技术栈包含了JinaAI node-DeepResearch持续推理搜索、SurfSense开源知识管理助手、Firesearch多模态爬虫、Morphik-Core多模态RAG等专业组件，覆盖了从基础检索到复杂推理的全链路需求。模块深度集成了LLM原生搜索能力（ZeroSearch激励机制）、多智能体协作搜索（MindSearch类Perplexity Pro）、持续推理直到找到答案（node-DeepResearch）、多模态知识检索（Morphik多模态RAG）等创新技术，支持网页阅读、推理分析、知识图谱构建、实时搜索等高级功能。

此外，还提供了与外部数据源集成（Tavily、Linkup搜索引擎、Slack、Linear、Notion、YouTube、GitHub等）、自定义AI研究助手、私有知识库构建等实用功能，以及SearchGPT风格的对话式搜索、类NotebookLM的知识管理等前沿应用模式，帮助开发者构建智能化、个性化的下一代深度搜索系统，实现从信息检索到知识发现的技术跃升。

目录

1. 2. 1.ZeroSearch-阿里
2. 3. 1.deerflow-字节
3. 4. 2.jinaAI-node-DeepResearch
4. 5. 3.MindSearch书生浦源
5. 6. 3.SurfSence 开源检索
6. 7. 3.firesearch
7. 8. 3.morphik-core多模态搜索

================================================================================

简介

ima.copilot（简称ima）是腾讯推出的一款以知识库为核心的AI智能工作台产品。它集搜、读、写于一体，旨在显著提升用户在知识获取、信息处理和内容输出方面的效率，适用于学习和办公场景。

核心功能

• • 智能问答与内容生成： 具备AI模型的通用功能，如问答、内容创作和图像生成。
• • 搜读写一体化： 提供高效的搜索、阅读和写作工具，实现一体化工作流。
• • 知识库管理： 以知识库为核心，方便用户管理和利用信息。
• • 微信生态连接： 独特地与微信公众号生态系统连接，允许用户访问微信文章中的大量信息网络。

技术原理

ima.copilot的核心技术基于大型语言模型，已接入并融合了腾讯混元大模型 和DeepSeek R1模型 （满血版），这些模型为其提供了强大的自然语言处理、内容理解与生成能力。

应用场景

• • 高效学习： 辅助用户进行知识获取和信息整理，提升学习效率。

• • 办公协作： 作为智能办公工具，提高信息处理和文档输出效率。

• • 内容创作： 辅助进行文章、报告等内容的撰写和生成。

• • 信息检索与分析： 尤其是在需要整合微信公众号内容信息时，提供便捷的检索和分析能力。

• • ima.copilot-腾讯智能工作台

---

简介

ZeroSearch是阿里巴巴提出的一种新颖的强化学习框架，可在训练期间通过模拟搜索来激励大语言模型（LLMs）使用真实搜索引擎的能力。它将LLM转换为检索模块，引入课程滚动机制激发模型推理能力。实验表明，ZeroSearch优于基于真实搜索引擎的模型，且零API成本，能适配不同大小和类型的LLMs及多种强化学习算法。

Snipaste_2025-07-19_14-32-49.png

核心功能

• • 把LLM转化为能生成相关和噪声文档的检索模块。
• • 引入课程滚动机制，逐步激发模型推理能力。
• • 支持REINFORCE、GPRO和PPO三种强化学习算法。

技术原理

通过监督微调，将LLM转变为检索模块，以应对查询生成文档。采用课程滚动机制，让模型面对更具挑战性的检索场景，逐步提升推理能力。同时，使用模拟搜索替代真实搜索进行训练。

应用场景

在需要利用大语言模型进行信息检索和推理的场景中使用，如问答系统、知识图谱构建等，可在不产生API成本的情况下获得较好的性能。

• • Alibaba-NLP/ZeroSearch: ZeroSearch: Incentivize the Search Capability of LLMs without Searching
• • ZeroSearch - a sunhaonlp Collection

---

简介

DeerFlow 是社区驱动的深度研究框架，结合语言模型与专业工具。已入驻火山引擎 FaaS 应用中心，支持一键部署。它能无缝集成 MCP 服务，进行深度研究、生成综合报告与播客音频等，具备多搜索引擎支持、人在环机制等特性。

Snipaste_2025-07-19_14-33-03.png

核心功能

LLM 集成 ：支持多数模型，多层系统适配不同任务。

搜索与检索 ：通过多种搜索引擎网络搜索，Jina 爬取，高级内容提取。

MCP 集成 ：扩展访问能力，促进工具方法集成。

人机协作 ：人在环中修改计划，支持报告后期编辑。

内容创作 ：生成播客脚本、音频和 PPT 演示文稿。

文本转语音 ：将研究报告转为语音，可自定义特性。

技术原理

DeerFlow 实现模块化多智能体系统架构，基于 LangGraph 构建，采用精简工作流程。组件通过消息传递系统通信，包含协调器、规划器、研究团队（研究员、编码员、报告员）等，实现灵活的基于状态的工作流。

应用场景

学术研究 ：分析学术问题、撰写论文报告。

市场调研 ：研究市场趋势、竞品分析。

内容创作 ：撰写文章、生成播客和演示文稿。

技术分析 ：分析代码、研究技术指标。

• • deer-flow/README_zh.md at main · bytedance/deer-flow
• • 🦌 DeerFlow

---

简介

DeepResearch项目是由Jina AI推出的一个高级AI研究代理系统，旨在模拟OpenAI的Deep Research系统，提供迭代式的网络研究能力。该项目最初以Node.js/TypeScript实现（node-DeepResearch），随后有社区开发者将其移植到Python语言（python-node-deepresearch），使得该研究助手能够通过搜索、网络抓取和大型语言模型对任何主题进行深入且迭代的研究。

核心功能

• • 迭代式深度研究： 能够持续地搜索、阅读网页并进行推理，直到找到答案或达到预设限制。
• • 多模态信息整合： 结合搜索引擎（如Brave/DuckDuckGo）、网页解析器（如Jina Reader）和大型语言模型（如Gemini Flash）进行信息处理和分析。
• • 自动化问答与合成： 自动处理复杂查询，通过循环过程迭代地搜索、阅读和综合答案。
• • 模块化架构： 设计上采用模块化，易于扩展和维护。
• • 多语言支持： 提供Node.js/TypeScript和Python两种实现版本。

技术原理

DeepResearch的核心技术原理在于其代理（Agentic）工作流，该工作流模仿了人类研究员的思考和行动模式。它主要依赖以下组件和机制：

• • 大型语言模型（LLM）： 如Google的Gemini Flash，作为核心推理引擎，用于理解查询、生成搜索策略、提炼信息和综合答案。
• • 网页爬取与解析： 采用如Jina Reader等工具对网页内容进行高效、准确的抓取和解析，提取有效信息。
• • 搜索引擎接口： 通过集成Brave或DuckDuckGo等搜索引擎，实现对互联网信息的广泛检索。
• • 迭代循环与反馈机制： 系统在一个while-loop中运行，不断地执行“搜索-阅读-推理-合成”的循环，并根据当前信息调整后续步骤，直到满足查询要求或达到预设条件。
• • 状态管理与记忆： 代理在研究过程中会维护一个内部状态，记录已获取的信息和推理进展，避免重复劳动并确保逻辑连贯性。

应用场景

• • 学术研究： 帮助学者快速收集、整理和分析特定领域的文献和信息。

• • 市场调研： 自动进行行业分析、竞品研究和市场趋势洞察。

• • 内容创作： 为新闻撰稿人、内容创作者提供背景资料和事实核查支持。

• • 商业智能： 辅助企业进行决策支持，快速获取关键业务信息。

• • 个人学习： 作为智能学习助手，帮助用户深入理解复杂概念和主题。

• • jina-ai/node-DeepResearch: Keep searching, reading webpages, reasoning until it finds the answer (or exceeding the token budget)

• • zhoujx4/python-node-deepresearch: deepResearch

---

简介

MindSearch 是一个开源的 AI 搜索引擎框架，性能与 Perplexity.ai Pro 相当。用户可轻松部署以构建自己的搜索引擎，支持闭源 LLM（如 GPT、Claude）和开源 LLM（InternLM2.5 系列模型经专门优化）。具备解决各类问题、深度知识探索、提供透明解决方案路径、多种用户界面及动态图构建过程等特性。

Snipaste_2025-07-19_14-34-16.png

核心功能

• • 问题解答 ：通过搜索解决生活中的各种问题。
• • 深度探索 ：浏览数百网页，提供广泛、深层次答案。
• • 透明路径 ：提供思考路径、搜索关键词等完整内容，提高回复可信度和可用性。
• • 多界面支持 ：提供 React、Gradio、Streamlit 等多种用户界面。
• • 动态图构建 ：将用户查询分解为子问题节点，根据搜索结果扩展图。

技术原理

文档未详细提及技术原理相关内容，推测其通过将用户查询分解为子问题节点构建动态图，结合搜索引擎获取网页信息，利用优化后的 LLM（如 InternLM2.5 系列）进行处理和回复生成。

应用场景

• • 知识查询 ：用户在学习、研究中遇到问题时，可使用 MindSearch 进行深度知识探索。
• • 日常问题解决 ：解决生活中遇到的各种疑问。
• • 搜索引擎开发 ：开发者可基于该框架构建自己的搜索引擎。
• • MindSearch/README_zh-CN.md at main · InternLM/MindSearch
• • InternLM/MindSearch: 🔍 An LLM-based Multi-agent Framework of Web Search Engine (like Perplexity.ai Pro and SearchGPT)
• • 2407.20183v1.pdf

---

简介

SurfSense是一款开源、高度可定制的AI研究与知识管理助手。它旨在提供类似NotebookLM、Perplexity和Glean的替代方案，能够整合外部信息源（如搜索引擎、社交媒体和协作工具）与用户的个人知识库，并支持隐私保护和数据自主。

核心功能

• • 多源信息整合： 连接到Tavily、LinkUp等搜索引擎，以及Slack、Linear、Notion、YouTube、GitHub、Discord等多样化平台，实现信息的自动抓取和整合。
• • 个人知识库构建与管理： 允许用户保存网页（包括登录墙后的内容）、上传文档和文件，并构建可进行自然语言查询的私有、可搜索知识库。
• • AI辅助研究与分析： 提供AI驱动的搜索、信息管理和与文档交互（聊天）的能力，帮助用户高效地从海量数据中提取洞察、生成播客或进行深度分析。
• • 数据隐私与自主： 支持云端和本地AI模型部署选项，确保用户数据的安全与隐私，赋予用户对自身数据完全的控制权和所有权。

技术原理

SurfSense的核心基于AI研究代理 （AI research agent）范式，特别提到了使用自定义的gpt-researcher代理 。它通过集成多种外部服务的API（如搜索引擎API、协作工具API），实现对不同数据源的连接和信息流转。在处理用户知识库时，系统运用自然语言处理 技术，使用户能通过日常语言进行查询和交互。为提供高度的隐私保护，其架构设计支持本地AI模型部署 ，允许敏感数据在用户本地环境中处理，与传统的云端处理模式并行。

应用场景

• • 学术与市场研究： 研究人员和分析师可利用其高效收集、整合多学科信息，进行文献回顾和市场趋势分析。

• • 个人知识管理： 个人用户可将其作为私有的“第二大脑”，管理所有数字笔记、文档和网络信息，并随时进行回顾和查询。

• • 内容创作： 内容创作者（如播客制作者、撰稿人）可快速从整合的知识库中获取灵感和资料，甚至直接生成内容片段。

• • 团队协作与知识共享： 企业或团队可部署SurfSense，通过集成内部工具，促进团队知识的集中管理和高效检索，提升协作效率。

• • 隐私敏感型工作： 对数据隐私和合规性有严格要求的行业或个人，可利用其本地部署能力，确保敏感信息不出本地环境。

• • MODSetter/SurfSense: Open Source Alternative to NotebookLM / Perplexity / Glean, connected to external sources such as search engines (Tavily, Linkup), Slack, Linear, Notion, YouTube, GitHub and more.

• • SurfSense – Customizable AI Research & Knowledge Management Assistant

---

简介

Firesearch 是一款由 Firecrawl 和 LangGraph 驱动的人工智能深度研究工具，利用 Firecrawl 进行多源网页内容提取，借助 OpenAI GPT - 4o 进行搜索规划和后续生成。它可以将复杂查询分解为多个聚焦搜索，提供验证答案、自动重试等功能，还支持用户通过修改配置文件自定义搜索行为。

核心功能

• • 智能搜索：将复杂查询分解为多个聚焦搜索。
• • 答案验证：验证来源是否包含实际答案，要求置信度达 0.7 以上。
• • 自动重试：对未解答的问题使用替代搜索词重试。
• • 实时进度：搜索完成时实时更新。
• • 完整引用：每个事实都链接到其来源。
• • 上下文记忆：后续问题保持对话上下文。

技术原理

Firesearch 以 Firecrawl 进行多源网页内容提取，利用 OpenAI GPT - 4o 进行搜索规划和总结。处理流程为：将复杂查询分解为子问题，通过 Firecrawl API 进行多次搜索，从网页源提取 Markdown 内容，验证来源是否能解答问题，对未解答问题使用替代搜索词重试，最后由 GPT - 4o 将结果综合成带引用的答案。同时可通过修改配置文件自定义搜索行为，如设置最大搜索查询数、每个搜索查询的最大来源数等。

应用场景

• • 学术研究：可用于查找学术资料，获取相关研究成果。
• • 产品对比：对比不同产品的特点、价格等信息，如对比手机旗舰机型的功能。
• • 信息调研：了解公司的创始人、产品发布时间等信息。
• • mendableai/firesearch
• • Firecrawl

---

简介

Morphik 是一套面向视觉丰富文档和多模态数据的 AI 原生工具集，旨在让开发者轻松将复杂数据上下文集成到 AI 应用中。它具备多模态搜索、知识图谱构建、快速元数据提取等功能，提供免费层级且开源，有 Python SDK 和 REST API，也可通过控制台操作。

核心功能

• • 多模态搜索 ：利用 ColPali 等技术理解文档视觉内容，通过单一端点搜索图像、PDF、视频等。
• • 知识图谱构建 ：一行代码构建特定领域知识图谱，可使用预设或自定义系统提示。
• • 元数据提取 ：从文档中快速提取包括边界框、标签、分类等元数据。
• • 集成功能 ：与 Google Suite、Slack、Confluence 等现有工具和工作流集成。
• • 缓存增强生成 ：创建文档持久 KV 缓存以加速生成。

技术原理

Morphik 运用 ColPali 技术构建多模态搜索，直接将输入页面嵌入存储，避免因解析或处理技术不完善导致的上下文丢失。在元数据提取方面，借助相关算法实现对文档的边界框、标签、分类等信息的提取。

应用场景

• • 技术和特定领域搜索 ：在专业技术文档、特定领域资料中进行精准搜索。
• • 企业知识管理 ：连接企业各种数据源，对复杂图表、原理图和数据表进行完美搜索。
• • AI 应用开发 ：为开发者提供工具，将复杂数据上下文集成到 AI 应用中。
• • morphik-org/morphik-core: Open source multi-modal RAG for building AI apps over private knowledge.
• • Morphik

---

• • github地址： AI-Compass👈：https://github.com/tingaicompass/AI-Compass
• • gitee地址： AI-Compass👈：https://gitee.com/tingaicompass/ai-compass

🌟 如果本项目对您有所帮助，请为我们点亮一颗星！🌟

书籍推荐：