AI-Compass DeepSearch 深度搜索生态：集成阿里 ZeroSearch、字节 DeerFlow、MindSearch 等前沿平台，实现超越传统关键词匹配的智能信息检索革命

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
  

<div align="center"><p>🌟 如果本项目对您有所帮助，请为我们点亮一颗星！🌟</p></div>

📋 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

2. 1.ZeroSearch-阿里

3. 1.deerflow-字节

4. 2.jinaAI-node-DeepResearch

5. 3.MindSearch 书生浦源

6. 3.SurfSence 开源检索

7. 3.firesearch

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
  

1.ZeroSearch-阿里

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。

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
  

1.deerflow-字节

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。

核心功能

1. LLM 集成：支持多数模型，多层系统适配不同任务。

2. 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。

3. MCP 集成：扩展访问能力，促进工具方法集成。

4. 人机协作：人在环中修改计划，支持报告后期编辑。

5. 内容创作：生成播客脚本、音频和 PPT 演示文稿。

6. 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

1. 学术研究：分析学术问题、撰写论文报告。

2. 市场调研：研究市场趋势、竞品分析。

3. 内容创作：撰写文章、生成播客和演示文稿。

4. 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
  

2.jinaAI-node-DeepResearch

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
  

3.MindSearch 书生浦源

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。

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
  

3.SurfSence 开源检索

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
  

3.firesearch

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
  

3.morphik-core 多模态搜索

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
  

<div align="center"><p>🌟 如果本项目对您有所帮助，请为我们点亮一颗星！🌟</p></div>