项目概述

AutoAgent

香港大学黄超教授实验室开发的全自动零代码LLM Agent框架，用户仅需自然语言即可创建和部署AI智能体，在GAIA基准测试中排名开源方法第一，性能媲美OpenAI的Deep Research。

Auto-Deep-Research

基于AutoAgent框架开发的全自动个人AI助理，作为OpenAI Deep Research的开源替代方案，在全球通用AI助手评测中排名第三，开源方案中排名第一，成本不到1美元。

技术架构

模块化多Agent架构

包含Web Agent、Coding Agent和Local File Agent，通过核心调度器协同工作，实现复杂任务的自动化处理。

自管理向量数据库

配备原生自管理向量数据库，超越LangChain等行业领先方案，实现高效数据检索与知识管理。

自然语言编程

用户通过自然语言描述需求，系统自动生成智能体、工具和工作流，无需任何编程知识。

多模型兼容

支持多种大语言模型，包括OpenAI、Anthropic、DeepSeek、Mistral和Hugging Face等，灵活切换。

核心功能

智能搜索

自动搜索网络信息，整合分析内容，提取关键信息，生成结构化报告。

自动编程

处理各种复杂的编程任务，debug数据分析脚本，自动优化可视化效果。

数据分析

进行深入的数据挖掘和分析，自动生成可视化图表，提供数据洞察。

智能报告

按期刊模板一键生成完整论文，支持多格式文件解析，提供详细研究分析。

性能表现

排名 系统名称 机构 平均分数 特点
1 OpenAI Deep Research OpenAI 85.6 闭源，$200/月
2 Perplexity Deep Research Perplexity 82.3 免费使用
3 Auto-Deep-Research 香港大学 80.7 开源，<$1

应用场景

学术研究

自动文献检索、综述生成、实验设计、结果分析，大幅提升科研效率。

商业分析

市场调研、竞品分析、数据可视化、报告生成，辅助商业决策。

软件开发

代码生成、调试优化、文档编写、测试用例设计，加速开发流程。

内容创作

资料收集、内容生成、格式排版、多语言翻译，提升创作效率。

使用示例

# 安装AutoAgent pip install autodeep-research # 初始化配置 autodeep-research init --api-key YOUR_API_KEY # 启动深度研究 autodeep-research run --query "分析人工智能在医疗领域的最新进展" --output report.pdf

传统研究流程

  • 手动搜索文献（数小时）
  • 阅读筛选（数天）
  • 整理笔记（数小时）
  • 撰写报告（数天）
  • 总计：1-2周

Auto-Deep-Research

  • 输入研究问题（1分钟）
  • 自动搜索分析（10分钟）
  • 生成报告（自动）
  • 人工审核（30分钟）
  • 总计：约40分钟