GPT Researcher 是什么？29K 星的开源深度调研 Agent，把「翻一个月资料」压成十几分钟

导语：找资料找吐了

写技术文最烦的就是查资料。以前我做一个选题，得开十几个标签页，翻维基、翻论文、翻论坛，最后拼出来的东西还不一定客观、来源还不一定可信。后来装上 GPT Researcher，这活基本丢给它了——我只要丢一句研究问题，它自己规划、自己去抓、自己出报告，还带引用。今天把它掰开揉碎讲讲。

项目介绍：一个「自学成才」的深度调研 Agent

GPT Researcher 是 assafelovic 发起的开源项目，是一个自主深度调研 Agent，定位就是「对任何任务做深度研究」。截至发文，它在 GitHub 上已有 29.2K 星、约 4K fork，Apache 2.0 协议随便用，官网在 gptr.dev。

它跟普通聊天式 Agent 哪里不一样？它学的是 Plan-and-Solve（计划与求解） 加 RAG 的思路，内部拆成三个角色分工：

• Planner（规划师）：把你的问题拆成一串子问题，形成对这个任务的客观视角；
• 执行 Agent（爬虫）：每个子问题派一个执行 agent，并行去抓资料、汇总、做来源追踪；
• Publisher（出版者）：把各执行 agent 的结果聚合，产出一份带引用的完整研究报告。

因为执行 agent 是并行跑的，比单线程翻浏览器快一个量级，又能聚合约 20+ 个来源，报告轻松写到 2000 字以上，还支持导出 PDF、Word。技术栈混合了 Python / JavaScript / TypeScript，前端有轻量版和 NextJS 生产版两套。

上手：装好到跑通，三条路

官方给了很友好的上手路径：

1. Colab / Docker：不想折腾环境，直接 Open in Colab，或拉官方 Docker 镜像，几行命令就起得来；
2. Claude Skill：还能 npx skills add assafelovic/gpt-researcher 装成 Claude 的 Skill，在对话里直接调它的深度调研能力——这点跟我自己跑在 godsun.pro 上的 Agent 工作流思路一致，把能力「技能化挂载」比每次重写 prompt 舒服多了；
3. 源码跑：pip install gpt-researcher 配好 LLM 的 key 就能用，支持各家 LLM 服务商，想省钱还能接本地模型。

我用它测过几个技术选题，报告是真的靠谱：结论有据可查，引用标得清清楚楚，不像有些模型一顿胡编。

实话：它也不是银弹

• 吃 key 钱：一个深度调研要跑二十多个来源，token 消耗比普通问答高一个量级。建议先用便宜模型跑流程，最后重写阶段再上强模型，省钱又稳——这也是我在 AI 站教程 里反复强调的省钱姿势；
• 质量看来源：它强在「聚合 + 溯源」，但如果源站本身扯淡，它也救不回来。关键结论记得让它多给几个来源交叉验证；
• 不是通用助手：它专精「调研产出报告」这一件事，跟 CrewAI 那种编排多个角色干活的通用框架是不同赛道。定位清晰，别指望它包打天下。

总结

GPT Researcher 是目前开源里做「深度调研」最顺手的工具之一：29K 星不是白来的，架构干净、上手快、报告能溯源。搜罗资料这活儿，真的可以交给它了。

by 数码罗记 · godsun.pro