node-DeepResearch: Jina AIs DeepSearch-Tool für tiefgehende Antworten bei komplexen Fragen 239

Jina AI hat kürzlich ein DeepSearch-Tool vorgestellt: node-DeepResearch. node-DeepResearch ist ein Open-Source-Automatisierungstool für die Recherche, das durch Suchen, Lesen von Webseiten und Schlussfolgern die Antwort auf eine Frage findet. Es eignet sich für automatisierte Informationsbeschaffung und intelligente Frage-Antwort-Aufgaben und kombiniert Suchmaschinen mit großen Sprachmodellen (LLM), um die Effizienz der Recherche zu steigern.

1. Hauptfunktionen:

• Automatische Suche und Schlussfolgerung: Nutzt eine Suchmaschine, um relevante Webseiten zu finden, und generiert mithilfe großer Modelle (wie Gemini) durch Schlussfolgerung die endgültige Antwort.

• Intelligentes Lesen von Webseiten: In Kombination mit Jina Reader werden Schlüsselinhalte aus Webseiten extrahiert, um die Genauigkeit der Informationsbeschaffung zu verbessern.

• Konfigurierbare API: Nutzer können ihre eigene Gemini-API und Jina-Reader-API konfigurieren, um die Abfrageergebnisse zu optimieren.

2. Anwendungsbereiche:

• Literaturrecherche: Hilft Forschenden, schnell relevante Literatur in einem Fachgebiet zu finden und zusammenzustellen, und erstellt Literaturüberblicke.

• Marktforschung: Sammelt und analysiert schnell Marktdaten, um Einblicke in Wettbewerber und Branchentrends zu gewinnen.

• Nachrichtenberichterstattung: Sammelt und ordnet schnell Hintergrundinformationen und zugehörige Berichte zu Nachrichtenereignissen und unterstützt Journalistinnen und Journalisten beim Verfassen von Beiträgen.

• Lernunterstützung: Hilft Studierenden, komplexe akademische Fragen zu beantworten, und stellt Lernmaterialien sowie mögliche Antworten bereit.

• Politikanalyse: Unterstützt politische Entscheidungsträger dabei, Hintergrundinformationen und Umsetzungswirkungen relevanter Maßnahmen zu sammeln und zu analysieren.

3. Hauptziele:

• Automatisierte Informationsbeschaffung: Mithilfe von Suchmaschinen relevante Informationen finden.

• Mehrstufiges Schlussfolgern: Komplexe, mehrstufige Probleme bearbeiten, schrittweise zerlegen und lösen.

• Fortschrittsfeedback in Echtzeit: Liefert Echtzeit-Updates, sodass Nutzerinnen und Nutzer den Fortschritt der Anfrage verfolgen können.

• Flexibilität: Unterstützt verschiedenste Anfragetypen – von einfachen Faktenfragen bis hin zu komplexen offenen Fragen.

4. Schlüsselmerkmale

Kontinuierliches Suchen und Lesen:

• Greift auf Suchmaschinen (wie Brave oder DuckDuckGo) zurück, um relevante Informationen zu finden.

• Liest Webinhalte, bis eine Antwort gefunden oder das festgelegte Token-Budget erschöpft ist.

Mehrstufiges Schlussfolgern:

• Zerlegt komplexe Fragen in mehrere Schritte und löst diese einzeln.

• Unterstützt lang laufende Aufgaben und sorgt für präzise Ergebnisse.

Fortschrittsfeedback in Echtzeit:

• Stellt über die Web-Server-API Echtzeit-Updates bereit, sodass Nutzerinnen und Nutzer den Status der Anfrage per HTTP abrufen können.

Flexible Abfragearten:

• Unterstützt unterschiedlichste Anfragebedürfnisse – von einfachen bis hin zu komplexen offenen Fragen.

5. Technische Grundlagen

Sprachmodell:

• Nutzt Gemini als zentrales Sprachmodell, das Antworten generiert und Schlussfolgerungen zieht.

• Gemini ist ein leistungsstarkes universelles Sprachmodell, das verschiedenste Aufgaben der natürlichen Sprache bewältigen kann.

Verarbeitung von Webinhalten:

• Setzt Jina Reader ein, um Webinhalte in ein reines Textformat zu überführen, das für das Sprachmodell geeignet ist.

• Jina Reader ist ein Open-Source-Tool, das speziell für die Verarbeitung von HTML-Webinhalten entwickelt wurde.

Suche und Informationsextraktion:

• Kombiniert Suchmaschinen, um relevante Informationen zu beschaffen.

• Extrahiert automatisch nützliche Webinhalte für die weitere Analyse und Schlussfolgerung.

Mehrstufiger Schlussfolgerungsprozess:

• Initialisierung: Festlegen des Ausgangskontexts und der Variablen.

• Budgetprüfung: In jedem Schritt wird überprüft, ob das Token-Budget überschritten wird.

• Prompt-Erstellung: Erzeugen des Eingabe-Prompts für das Sprachmodell auf Basis der aktuellen Frage.

• Modellgenerierung: Aufruf von Gemini, um eine Antwort oder den nächsten Schritt zu erzeugen.

• Aktionsverarbeitung: Ausführen der entsprechenden Aktion auf Basis der generierten Aktion.

• Ergebnisbewertung: Prüfung, ob die erzeugte Antwort die Frage erfüllt; andernfalls wird weiter geschlussfolgert.

• Schleife und Abbruch: Wird innerhalb des Budgets eine Antwort gefunden, wird die Anfrage beendet; andernfalls wechselt das System in den „Beast Mode", um eine endgültige Antwort zu generieren.

6. Wie wird node-DeepResearch bereitgestellt?

1. Abhängigkeiten installieren

# 设置必要的环境变量
export GEMINI_API_KEY=export JINA_API_KEY=jina_ # 从 https://jina.ai/reader 获取免费的 Jina API 密钥

# 克隆仓库并安装依赖
git clone https://github.com/jina-ai/node-DeepResearch.git
cd node-DeepResearch
npm install

2. Über die Kommandozeile ausführen

# 提交查询请求
npm run dev # 示例
npm run dev "what is the capital of France?"
npm run dev "who will be the biggest competitor of Jina AI"

3. API aufrufen

# 启动 Web Server
npm run serve

# 访问地址
http://localhost:3000

# 提交查询请求 (示例)
curl -X POST http://localhost:3000/api/v1/query \
-H "Content-Type: application/json" \
-d '{"query": "What is the capital of France?"}'

GitHub-Repository: https://github.com/jina-ai/node-DeepResearch