AI深入研究也有本地開源版本DeepSearcher，強調靈活自訂與隱私安全

Zilliz宣布推出DeepSearcher，這是一款基於開源技術的研究代理，能夠在本地端執行並支援向量資料庫Milvus，提供更靈活且可自訂的深度研究解決方案。相較於先前Zilliz公開的簡易原型，DeepSearcher進一步強化了查詢路由（Query Router）、條件執行流程與網頁爬蟲功能，並採用Python函式庫與命令列工具形式，擺脫了Jupyter Notebook限制，使其更易於整合到現有系統中。

Zilliz是開源向量資料庫Milvus的主要開發公司，該公司於2020年將Milvus捐贈給Linux基金會旗下的AI&Data專案。

不少企業與開源社群都在嘗試重現類似OpenAI Deep Research的研究代理，例如Perplexity Deep Research及Hugging Face Open Deep Research，這些工具的核心目標都是透過語言模型推理自動化研究過程，將問題拆解為多層次查詢，逐步收集、分析並彙整成具結構化的報告。

DeepSearche在這方面則額外強化了查詢決策能力，透過語言模型驅動查詢路由機制，自動判斷適合的資料來源，並決定是否需要進一步檢索。

在架構設計上，DeepSearcher延續了Zilliz先前的研究代理概念，但提升了靈活性。研究過程大致可分為四個階段，定義與拆解問題、資料搜尋與分析、反思與條件重複，最後是總結與報告生成。相較於一般搜尋或資訊檢索系統，DeepSearcher透過條件執行流程，讓人工智慧能夠根據先前的搜尋結果，決定是否進行額外搜尋，並在特定條件下重複研究步驟，確保結果的完整性。

官方以研究《辛普森家庭》演變歷史為例，DeepSearcher除了最初的查詢拆解外，人工智慧進一步判斷需要補充有關製作團隊變遷、社會文化影響及媒體環境變化的資訊，並自動發起新的搜尋請求，使報告內容更全面。

DeepSearcher仍是正在持續發展的專案，支援本地與雲端推理模式，並可搭配OpenAI、Gemini、DeepSeek等不同的語言模型使用。目前DeepSearcher的原始碼已經開放，使用者可以在GitHub上下載並試用。