Shandu：OpenAI DeepResearch 的开源革命

📌 背景与起源：打破研究壁垒的开源力量

• 核心目标：提供对标 OpenAI DeepResearch 的免费替代方案（后者需每月 200 美元 订阅费）。
• 开发者：由 GitHub 用户 jolovicdev 于 2025 年初开源发布，迅速成为技术社区热议焦点。

• 核心理念：通过去中心化设计，将AI 深度研究能力从高价订阅模式解放，赋予普通用户民主化访问权。

  

🛠️ 核心功能：四大技术亮点

1. 多引擎搜索支持

   • 整合 Google、DuckDuckGo 等引擎，支持自定义搜索范围。
   • 采用并行处理技术，显著提升数据采集效率。

2. 智能迭代研究

   • 基于 LLM（大型语言模型） 动态生成迭代问题链。
   • 示例：输入「美国总统是谁」→ 自动扩展至「任期政策」「国际关系影响」等维度。

3. 结构化报告生成

   • 输出Markdown 格式报告，含结论、引用来源与 AI 分析总结。
   • 支持学术场景的可信度验证需求。

4. AI 驱动快速响应

   • 通过 aisearch 命令实现秒级问答，兼容GPT-4、Claude、DeepSeek 等主流模型。

     

⚙️ 技术架构：模块化设计

• 语言模型层：灵活接入多厂商 LLM API（代码示例展示 OpenAI GPT-4 调用）。
• 动态爬虫引擎：自主开发轻量级爬虫，突破 JavaScript 渲染网页 抓取瓶颈。
• 研究代理（ResearchAgent）：
  • 通过 max_depth 控制研究深度（如 3 层迭代）。
  • 通过 breadth 调节每层探索分支数（默认 4 方向）。

📊 对比 OpenAI DeepResearch：开源 vs 闭源

🌍 意义与社区反馈

• 行业影响：

  • 为学生、独立开发者、初创团队提供低成本研究工具。
  • 推动 AI 技术透明化，减少企业对闭源方案的依赖。

• 用户评价：

  • 开发者 @aigclink 在 X 平台称赞其「结构清晰、引用规范」的报告生成能力。
  • GitHub 仓库 (jolovicdev/shandu) 获数百星标，社区呼吁增加图形化界面与PDF 解析功能。

🔮 局限与未来展望

• 当前短板：

  • 动态网页抓取准确率待提升，复杂交互场景存在漏检。
  • 缺乏预训练专属模型，完全依赖外部 LLM。

• 发展路线图：

  • 2025 年 Q2 计划支持多模态数据（图片/PDF）。
  • 社区贡献者正开发 Docker 镜像与 Web UI 简化部署。

🚀 快速上手指南

# 1. 克隆项目
git clone https://github.com/jolovicdev/shandu.git

# 2. 安装依赖
pip install -r requirements.txt

# 3. 配置 API 密钥（示例：OpenAI）
shandu configure

# 4. 生成深度报告
shandu research "量子计算突破性进展" --depth 3 --output quantum.md

快速开始

# Configure API settings (supports various LLM providers)
shandu configure

# Run comprehensive research
shandu research "Your research query" --depth 2 --breadth 4 --output report.md

# Quick AI-powered search with web scraping (You dont need Perplexity!)
shandu aisearch "Who is the current sitting president of United States?" --detailed

# Basic multi-engine search
shandu search "Your search query"

###💻 Python 接口

from shandu.agents import ResearchGraph
from langchain_openai import ChatOpenAI

# Initialize with custom LLM if desired
llm = ChatOpenAI(model="gpt-4")

# Initialize the research graph
researcher = ResearchGraph(
    llm=llm,
    temperature=0.5
)

# Perform deep research
results = researcher.research_sync(
    query="Your research query",
    depth=3,       # How deep to go with recursive research
    breadth=4,     # How many parallel queries to explore
    detail_level="high"
)

# Print or save results
print(results.to_markdown())

✨ 总结

Shandu 作为 OpenAI DeepResearch 的开源替代品，以零成本、高定制性为核心竞争力。尽管性能暂未超越商业方案，但其模块化架构与社区共建模式，为 AI 研究工具生态注入全新活力。适合追求技术自主性与预算敏感型用户优先尝试。

• 源码小站
• 我的博客
• 我的导航站