25K Star 的开源调研 Agent，如何把两周的研究压缩到几十分钟？

AI 研究员的噩梦？25K Star 的开源工具正在改变深度调研

写一份像样的行业研究报告需要多久？资深分析师的答案是：至少两周。但现在，一个开源项目把这个时间压缩到了几十分钟。

GPT Researcher 是目前 GitHub 上最火的全自主深度研究 Agent，狂揽 25,254 颗星。它不是那种只会总结搜索结果的”套壳工具”——它的设计逻辑更像一支真正的研究团队：先拆解问题，再并行搜集，最后整合成有理有据的报告。

它到底怎么工作的？

架构文档里有一张经典的流程图：

• Query 进来 → GPTResearcher 主控接收任务
• plan_research() → 把大问题拆成多个子问题
• 并行搜集 → 每个子问题同时联网搜索，互不干扰
• ReportGenerator → 把所有调研结果汇总成结构化报告

这个”规划-执行-发布”的三段式架构（planner-executor-publisher）是它区别于普通 RAG 方案的关键。普通方案是一条线搜完再总结，它是先规划再并行，效率完全不在一个量级。

支持多种报告类型

不同场景需要不同深度，GPT Researcher 预置了多种报告模式：

• research_report：基础研究报告
• deep：深度研究，触发递归式树形探索
• detailed_report：详细报告，包含更多引用和分析
• outline_report：大纲式，适合快速结构化

选 deep 模式的时候，它会递归深入子主题，越挖越深——基本上模拟了一个研究员在图书馆里顺着线索不断翻参考文献的过程。

生态做得很扎实

开发者友好度是我见过最好的 Agent 项目之一。代码结构极度清晰：

• 主控逻辑在 gpt_researcher/agent.py 的 GPTResearcher 类
• 研究执行在 gpt_researcher/skills/researcher.py
• 报告生成在 gpt_researcher/skills/writer.py
• 所有 Prompt 在 gpt_researcher/prompts.py 统一管理

还支持 WebSocket 实时流式输出、MCP 数据源接入（连 GitHub 官方 MCP Server 都能配）、以及 FastAPI 后端 + Next.js 前端的完整 Web 服务。可以说是能当库用、也能当产品跑。

适合谁用？

如果你需要做系统性行业分析、技术调研、竞品研究，GPT Researcher 基本上是目前开源方案里最接近”AI 分析师”的存在。它输出的报告有引用、有逻辑框架，不是那种空洞的摘要堆砌。

当然，它不是银弹——对于高度专业化、需要专家判断的研究任务，AI 的局限性依然存在。但作为初稿生成器和文献梳理工具，它的效率提升是实实在在的。

项目地址我放在最后，感兴趣的朋友可以去跑一下demo，感受一下什么叫”AI 研究加速度”。

https://github.com/assafelovic/gpt-researcher

GitHub: https://github.com/assafelovic/gpt-researcher