mirror of
https://git.mirrors.martin98.com/https://github.com/bytedance/deer-flow
synced 2025-08-19 00:15:53 +08:00
docs: add Spanish and Russian translations for README (#183)
This commit is contained in:
hao-cyber
GitHub
parent
c046d9cc34
commit
c3886e635d
@ -6,7 +6,7 @@
|
||||
|
||||
<!-- DeepWiki badge generated by https://deepwiki.ryoppippi.com/ -->
|
||||
|
||||
[English](./README.md) | [简体中文](./README_zh.md) | [日本語](./README_ja.md) | [Deutsch](./README_de.md)
|
||||
[English](./README.md) | [简体中文](./README_zh.md) | [日本語](./README_ja.md) | [Deutsch](./README_de.md) | [Español](./README_es.md) | [Русский](./README_ru.md)
|
||||
|
||||
> Originated from Open Source, give back to Open Source.
|
||||
|
||||
|
||||
@ -2,10 +2,10 @@
|
||||
|
||||
[](https://www.python.org/downloads/)
|
||||
[](https://opensource.org/licenses/MIT)
|
||||
[](https://deepwiki.com/bytedance/deer-flow)
|
||||
[](https://deepwiki.com/bytedance/deer-flow)
|
||||
<!-- DeepWiki badge generated by https://deepwiki.ryoppippi.com/ -->
|
||||
|
||||
[English](./README.md) | [简体中文](./README_zh.md) | [日本語](./README_ja.md) | [Deutsch](./README_de.md)
|
||||
[English](./README.md) | [简体中文](./README_zh.md) | [日本語](./README_ja.md) | [Deutsch](./README_de.md) | [Español](./README_es.md) | [Русский](./README_ru.md)
|
||||
|
||||
> Aus Open Source entstanden, an Open Source zurückgeben.
|
||||
|
||||
|
||||
554
README_es.md
Normal file
554
README_es.md
Normal file
@ -0,0 +1,554 @@
|
||||
# 🦌 DeerFlow
|
||||
|
||||
[](https://www.python.org/downloads/)
|
||||
[](https://opensource.org/licenses/MIT)
|
||||
[](https://deepwiki.com/bytedance/deer-flow)
|
||||
<!-- DeepWiki badge generated by https://deepwiki.ryoppippi.com/ -->
|
||||
|
||||
[English](./README.md) | [简体中文](./README_zh.md) | [日本語](./README_ja.md) | [Deutsch](./README_de.md) | [Español](./README_es.md) | [Русский](./README_ru.md)
|
||||
|
||||
> Originado del código abierto, retribuido al código abierto.
|
||||
|
||||
**DeerFlow** (**D**eep **E**xploration and **E**fficient **R**esearch **Flow**) es un marco de Investigación Profunda impulsado por la comunidad que se basa en el increíble trabajo de la comunidad de código abierto. Nuestro objetivo es combinar modelos de lenguaje con herramientas especializadas para tareas como búsqueda web, rastreo y ejecución de código Python, mientras devolvemos a la comunidad que hizo esto posible.
|
||||
|
||||
Por favor, visita [nuestra página web oficial](https://deerflow.tech/) para más detalles.
|
||||
|
||||
## Demostración
|
||||
|
||||
### Video
|
||||
|
||||
https://github.com/user-attachments/assets/f3786598-1f2a-4d07-919e-8b99dfa1de3e
|
||||
|
||||
En esta demostración, mostramos cómo usar DeerFlow para:
|
||||
|
||||
- Integrar perfectamente con servicios MCP
|
||||
- Realizar el proceso de Investigación Profunda y producir un informe completo con imágenes
|
||||
- Crear audio de podcast basado en el informe generado
|
||||
|
||||
### Repeticiones
|
||||
|
||||
- [¿Qué altura tiene la Torre Eiffel comparada con el edificio más alto?](https://deerflow.tech/chat?replay=eiffel-tower-vs-tallest-building)
|
||||
- [¿Cuáles son los repositorios más populares en GitHub?](https://deerflow.tech/chat?replay=github-top-trending-repo)
|
||||
- [Escribir un artículo sobre los platos tradicionales de Nanjing](https://deerflow.tech/chat?replay=nanjing-traditional-dishes)
|
||||
- [¿Cómo decorar un apartamento de alquiler?](https://deerflow.tech/chat?replay=rental-apartment-decoration)
|
||||
- [Visita nuestra página web oficial para explorar más repeticiones.](https://deerflow.tech/#case-studies)
|
||||
|
||||
---
|
||||
|
||||
## 📑 Tabla de Contenidos
|
||||
|
||||
- [🚀 Inicio Rápido](#inicio-rápido)
|
||||
- [🌟 Características](#características)
|
||||
- [🏗️ Arquitectura](#arquitectura)
|
||||
- [🛠️ Desarrollo](#desarrollo)
|
||||
- [🐳 Docker](#docker)
|
||||
- [🗣️ Integración de Texto a Voz](#integración-de-texto-a-voz)
|
||||
- [📚 Ejemplos](#ejemplos)
|
||||
- [❓ Preguntas Frecuentes](#preguntas-frecuentes)
|
||||
- [📜 Licencia](#licencia)
|
||||
- [💖 Agradecimientos](#agradecimientos)
|
||||
- [⭐ Historial de Estrellas](#historial-de-estrellas)
|
||||
|
||||
## Inicio Rápido
|
||||
|
||||
DeerFlow está desarrollado en Python y viene con una interfaz web escrita en Node.js. Para garantizar un proceso de configuración sin problemas, recomendamos utilizar las siguientes herramientas:
|
||||
|
||||
### Herramientas Recomendadas
|
||||
|
||||
- **[`uv`](https://docs.astral.sh/uv/getting-started/installation/):**
|
||||
Simplifica la gestión del entorno Python y las dependencias. `uv` crea automáticamente un entorno virtual en el directorio raíz e instala todos los paquetes necesarios por ti—sin necesidad de instalar entornos Python manualmente.
|
||||
|
||||
- **[`nvm`](https://github.com/nvm-sh/nvm):**
|
||||
Gestiona múltiples versiones del entorno de ejecución Node.js sin esfuerzo.
|
||||
|
||||
- **[`pnpm`](https://pnpm.io/installation):**
|
||||
Instala y gestiona dependencias del proyecto Node.js.
|
||||
|
||||
### Requisitos del Entorno
|
||||
|
||||
Asegúrate de que tu sistema cumple con los siguientes requisitos mínimos:
|
||||
|
||||
- **[Python](https://www.python.org/downloads/):** Versión `3.12+`
|
||||
- **[Node.js](https://nodejs.org/en/download/):** Versión `22+`
|
||||
|
||||
### Instalación
|
||||
|
||||
```bash
|
||||
# Clonar el repositorio
|
||||
git clone https://github.com/bytedance/deer-flow.git
|
||||
cd deer-flow
|
||||
|
||||
# Instalar dependencias, uv se encargará del intérprete de python, la creación del entorno virtual y la instalación de los paquetes necesarios
|
||||
uv sync
|
||||
|
||||
# Configurar .env con tus claves API
|
||||
# Tavily: https://app.tavily.com/home
|
||||
# Brave_SEARCH: https://brave.com/search/api/
|
||||
# volcengine TTS: Añade tus credenciales TTS si las tienes
|
||||
cp .env.example .env
|
||||
|
||||
# Ver las secciones 'Motores de Búsqueda Compatibles' e 'Integración de Texto a Voz' a continuación para todas las opciones disponibles
|
||||
|
||||
# Configurar conf.yaml para tu modelo LLM y claves API
|
||||
# Por favor, consulta 'docs/configuration_guide.md' para más detalles
|
||||
cp conf.yaml.example conf.yaml
|
||||
|
||||
# Instalar marp para la generación de presentaciones
|
||||
# https://github.com/marp-team/marp-cli?tab=readme-ov-file#use-package-manager
|
||||
brew install marp-cli
|
||||
```
|
||||
|
||||
Opcionalmente, instala las dependencias de la interfaz web vía [pnpm](https://pnpm.io/installation):
|
||||
|
||||
```bash
|
||||
cd deer-flow/web
|
||||
pnpm install
|
||||
```
|
||||
|
||||
### Configuraciones
|
||||
|
||||
Por favor, consulta la [Guía de Configuración](docs/configuration_guide.md) para más detalles.
|
||||
|
||||
> [!NOTA]
|
||||
> Antes de iniciar el proyecto, lee la guía cuidadosamente y actualiza las configuraciones para que coincidan con tus ajustes y requisitos específicos.
|
||||
|
||||
### Interfaz de Consola
|
||||
|
||||
La forma más rápida de ejecutar el proyecto es utilizar la interfaz de consola.
|
||||
|
||||
```bash
|
||||
# Ejecutar el proyecto en un shell tipo bash
|
||||
uv run main.py
|
||||
```
|
||||
|
||||
### Interfaz Web
|
||||
|
||||
Este proyecto también incluye una Interfaz Web, que ofrece una experiencia interactiva más dinámica y atractiva.
|
||||
|
||||
> [!NOTA]
|
||||
> Necesitas instalar primero las dependencias de la interfaz web.
|
||||
|
||||
```bash
|
||||
# Ejecutar tanto el servidor backend como el frontend en modo desarrollo
|
||||
# En macOS/Linux
|
||||
./bootstrap.sh -d
|
||||
|
||||
# En Windows
|
||||
bootstrap.bat -d
|
||||
```
|
||||
|
||||
Abre tu navegador y visita [`http://localhost:3000`](http://localhost:3000) para explorar la interfaz web.
|
||||
|
||||
Explora más detalles en el directorio [`web`](./web/).
|
||||
|
||||
## Motores de Búsqueda Compatibles
|
||||
|
||||
DeerFlow soporta múltiples motores de búsqueda que pueden configurarse en tu archivo `.env` usando la variable `SEARCH_API`:
|
||||
|
||||
- **Tavily** (predeterminado): Una API de búsqueda especializada para aplicaciones de IA
|
||||
|
||||
- Requiere `TAVILY_API_KEY` en tu archivo `.env`
|
||||
- Regístrate en: https://app.tavily.com/home
|
||||
|
||||
- **DuckDuckGo**: Motor de búsqueda centrado en la privacidad
|
||||
|
||||
- No requiere clave API
|
||||
|
||||
- **Brave Search**: Motor de búsqueda centrado en la privacidad con características avanzadas
|
||||
|
||||
- Requiere `BRAVE_SEARCH_API_KEY` en tu archivo `.env`
|
||||
- Regístrate en: https://brave.com/search/api/
|
||||
|
||||
- **Arxiv**: Búsqueda de artículos científicos para investigación académica
|
||||
- No requiere clave API
|
||||
- Especializado en artículos científicos y académicos
|
||||
|
||||
Para configurar tu motor de búsqueda preferido, establece la variable `SEARCH_API` en tu archivo `.env`:
|
||||
|
||||
```bash
|
||||
# Elige uno: tavily, duckduckgo, brave_search, arxiv
|
||||
SEARCH_API=tavily
|
||||
```
|
||||
|
||||
## Características
|
||||
|
||||
### Capacidades Principales
|
||||
|
||||
- 🤖 **Integración de LLM**
|
||||
- Soporta la integración de la mayoría de los modelos a través de [litellm](https://docs.litellm.ai/docs/providers).
|
||||
- Soporte para modelos de código abierto como Qwen
|
||||
- Interfaz API compatible con OpenAI
|
||||
- Sistema LLM de múltiples niveles para diferentes complejidades de tareas
|
||||
|
||||
### Herramientas e Integraciones MCP
|
||||
|
||||
- 🔍 **Búsqueda y Recuperación**
|
||||
|
||||
- Búsqueda web a través de Tavily, Brave Search y más
|
||||
- Rastreo con Jina
|
||||
- Extracción avanzada de contenido
|
||||
|
||||
- 🔗 **Integración Perfecta con MCP**
|
||||
- Amplía capacidades para acceso a dominio privado, gráfico de conocimiento, navegación web y más
|
||||
- Facilita la integración de diversas herramientas y metodologías de investigación
|
||||
|
||||
### Colaboración Humana
|
||||
|
||||
- 🧠 **Humano en el Bucle**
|
||||
|
||||
- Soporta modificación interactiva de planes de investigación usando lenguaje natural
|
||||
- Soporta aceptación automática de planes de investigación
|
||||
|
||||
- 📝 **Post-Edición de Informes**
|
||||
- Soporta edición de bloques tipo Notion
|
||||
- Permite refinamientos por IA, incluyendo pulido asistido por IA, acortamiento y expansión de oraciones
|
||||
- Impulsado por [tiptap](https://tiptap.dev/)
|
||||
|
||||
### Creación de Contenido
|
||||
|
||||
- 🎙️ **Generación de Podcasts y Presentaciones**
|
||||
- Generación de guiones de podcast y síntesis de audio impulsadas por IA
|
||||
- Creación automatizada de presentaciones PowerPoint simples
|
||||
- Plantillas personalizables para contenido a medida
|
||||
|
||||
## Arquitectura
|
||||
|
||||
DeerFlow implementa una arquitectura modular de sistema multi-agente diseñada para investigación automatizada y análisis de código. El sistema está construido sobre LangGraph, permitiendo un flujo de trabajo flexible basado en estados donde los componentes se comunican a través de un sistema de paso de mensajes bien definido.
|
||||
|
||||
|
||||
|
||||
> Vélo en vivo en [deerflow.tech](https://deerflow.tech/#multi-agent-architecture)
|
||||
|
||||
El sistema emplea un flujo de trabajo racionalizado con los siguientes componentes:
|
||||
|
||||
1. **Coordinador**: El punto de entrada que gestiona el ciclo de vida del flujo de trabajo
|
||||
|
||||
- Inicia el proceso de investigación basado en la entrada del usuario
|
||||
- Delega tareas al planificador cuando corresponde
|
||||
- Actúa como la interfaz principal entre el usuario y el sistema
|
||||
|
||||
2. **Planificador**: Componente estratégico para descomposición y planificación de tareas
|
||||
|
||||
- Analiza objetivos de investigación y crea planes de ejecución estructurados
|
||||
- Determina si hay suficiente contexto disponible o si se necesita más investigación
|
||||
- Gestiona el flujo de investigación y decide cuándo generar el informe final
|
||||
|
||||
3. **Equipo de Investigación**: Una colección de agentes especializados que ejecutan el plan:
|
||||
|
||||
- **Investigador**: Realiza búsquedas web y recopilación de información utilizando herramientas como motores de búsqueda web, rastreo e incluso servicios MCP.
|
||||
- **Programador**: Maneja análisis de código, ejecución y tareas técnicas utilizando la herramienta Python REPL.
|
||||
Cada agente tiene acceso a herramientas específicas optimizadas para su rol y opera dentro del marco LangGraph
|
||||
|
||||
4. **Reportero**: Procesador de etapa final para los resultados de la investigación
|
||||
- Agrega hallazgos del equipo de investigación
|
||||
- Procesa y estructura la información recopilada
|
||||
- Genera informes de investigación completos
|
||||
|
||||
## Integración de Texto a Voz
|
||||
|
||||
DeerFlow ahora incluye una función de Texto a Voz (TTS) que te permite convertir informes de investigación a voz. Esta función utiliza la API TTS de volcengine para generar audio de alta calidad a partir de texto. Características como velocidad, volumen y tono también son personalizables.
|
||||
|
||||
### Usando la API TTS
|
||||
|
||||
Puedes acceder a la funcionalidad TTS a través del punto final `/api/tts`:
|
||||
|
||||
```bash
|
||||
# Ejemplo de llamada API usando curl
|
||||
curl --location 'http://localhost:8000/api/tts' \
|
||||
--header 'Content-Type: application/json' \
|
||||
--data '{
|
||||
"text": "Esto es una prueba de la funcionalidad de texto a voz.",
|
||||
"speed_ratio": 1.0,
|
||||
"volume_ratio": 1.0,
|
||||
"pitch_ratio": 1.0
|
||||
}' \
|
||||
--output speech.mp3
|
||||
```
|
||||
|
||||
## Desarrollo
|
||||
|
||||
### Pruebas
|
||||
|
||||
Ejecuta el conjunto de pruebas:
|
||||
|
||||
```bash
|
||||
# Ejecutar todas las pruebas
|
||||
make test
|
||||
|
||||
# Ejecutar archivo de prueba específico
|
||||
pytest tests/integration/test_workflow.py
|
||||
|
||||
# Ejecutar con cobertura
|
||||
make coverage
|
||||
```
|
||||
|
||||
### Calidad del Código
|
||||
|
||||
```bash
|
||||
# Ejecutar linting
|
||||
make lint
|
||||
|
||||
# Formatear código
|
||||
make format
|
||||
```
|
||||
|
||||
### Depuración con LangGraph Studio
|
||||
|
||||
DeerFlow utiliza LangGraph para su arquitectura de flujo de trabajo. Puedes usar LangGraph Studio para depurar y visualizar el flujo de trabajo en tiempo real.
|
||||
|
||||
#### Ejecutando LangGraph Studio Localmente
|
||||
|
||||
DeerFlow incluye un archivo de configuración `langgraph.json` que define la estructura del grafo y las dependencias para LangGraph Studio. Este archivo apunta a los grafos de flujo de trabajo definidos en el proyecto y carga automáticamente variables de entorno desde el archivo `.env`.
|
||||
|
||||
##### Mac
|
||||
|
||||
```bash
|
||||
# Instala el gestor de paquetes uv si no lo tienes
|
||||
curl -LsSf https://astral.sh/uv/install.sh | sh
|
||||
|
||||
# Instala dependencias e inicia el servidor LangGraph
|
||||
uvx --refresh --from "langgraph-cli[inmem]" --with-editable . --python 3.12 langgraph dev --allow-blocking
|
||||
```
|
||||
|
||||
##### Windows / Linux
|
||||
|
||||
```bash
|
||||
# Instalar dependencias
|
||||
pip install -e .
|
||||
pip install -U "langgraph-cli[inmem]"
|
||||
|
||||
# Iniciar el servidor LangGraph
|
||||
langgraph dev
|
||||
```
|
||||
|
||||
Después de iniciar el servidor LangGraph, verás varias URLs en la terminal:
|
||||
|
||||
- API: http://127.0.0.1:2024
|
||||
- UI de Studio: https://smith.langchain.com/studio/?baseUrl=http://127.0.0.1:2024
|
||||
- Docs de API: http://127.0.0.1:2024/docs
|
||||
|
||||
Abre el enlace de UI de Studio en tu navegador para acceder a la interfaz de depuración.
|
||||
|
||||
#### Usando LangGraph Studio
|
||||
|
||||
En la UI de Studio, puedes:
|
||||
|
||||
1. Visualizar el grafo de flujo de trabajo y ver cómo se conectan los componentes
|
||||
2. Rastrear la ejecución en tiempo real para ver cómo fluyen los datos a través del sistema
|
||||
3. Inspeccionar el estado en cada paso del flujo de trabajo
|
||||
4. Depurar problemas examinando entradas y salidas de cada componente
|
||||
5. Proporcionar retroalimentación durante la fase de planificación para refinar planes de investigación
|
||||
|
||||
Cuando envías un tema de investigación en la UI de Studio, podrás ver toda la ejecución del flujo de trabajo, incluyendo:
|
||||
|
||||
- La fase de planificación donde se crea el plan de investigación
|
||||
- El bucle de retroalimentación donde puedes modificar el plan
|
||||
- Las fases de investigación y escritura para cada sección
|
||||
- La generación del informe final
|
||||
|
||||
### Habilitando el Rastreo de LangSmith
|
||||
|
||||
DeerFlow soporta el rastreo de LangSmith para ayudarte a depurar y monitorear tus flujos de trabajo. Para habilitar el rastreo de LangSmith:
|
||||
|
||||
1. Asegúrate de que tu archivo `.env` tenga las siguientes configuraciones (ver `.env.example`):
|
||||
```bash
|
||||
LANGSMITH_TRACING=true
|
||||
LANGSMITH_ENDPOINT="https://api.smith.langchain.com"
|
||||
LANGSMITH_API_KEY="xxx"
|
||||
LANGSMITH_PROJECT="xxx"
|
||||
```
|
||||
|
||||
2. Inicia el rastreo y visualiza el grafo localmente con LangSmith ejecutando:
|
||||
```bash
|
||||
langgraph dev
|
||||
```
|
||||
|
||||
Esto habilitará la visualización de rastros en LangGraph Studio y enviará tus rastros a LangSmith para monitoreo y análisis.
|
||||
|
||||
## Docker
|
||||
|
||||
También puedes ejecutar este proyecto con Docker.
|
||||
|
||||
Primero, necesitas leer la [configuración](docs/configuration_guide.md) a continuación. Asegúrate de que los archivos `.env` y `.conf.yaml` estén listos.
|
||||
|
||||
Segundo, para construir una imagen Docker de tu propio servidor web:
|
||||
|
||||
```bash
|
||||
docker build -t deer-flow-api .
|
||||
```
|
||||
|
||||
Finalmente, inicia un contenedor Docker que ejecute el servidor web:
|
||||
|
||||
```bash
|
||||
# Reemplaza deer-flow-api-app con tu nombre de contenedor preferido
|
||||
docker run -d -t -p 8000:8000 --env-file .env --name deer-flow-api-app deer-flow-api
|
||||
|
||||
# detener el servidor
|
||||
docker stop deer-flow-api-app
|
||||
```
|
||||
|
||||
### Docker Compose (incluye tanto backend como frontend)
|
||||
|
||||
DeerFlow proporciona una configuración docker-compose para ejecutar fácilmente tanto el backend como el frontend juntos:
|
||||
|
||||
```bash
|
||||
# construir imagen docker
|
||||
docker compose build
|
||||
|
||||
# iniciar el servidor
|
||||
docker compose up
|
||||
```
|
||||
|
||||
## Ejemplos
|
||||
|
||||
Los siguientes ejemplos demuestran las capacidades de DeerFlow:
|
||||
|
||||
### Informes de Investigación
|
||||
|
||||
1. **Informe sobre OpenAI Sora** - Análisis de la herramienta IA Sora de OpenAI
|
||||
|
||||
- Discute características, acceso, ingeniería de prompts, limitaciones y consideraciones éticas
|
||||
- [Ver informe completo](examples/openai_sora_report.md)
|
||||
|
||||
2. **Informe sobre el Protocolo Agent to Agent de Google** - Visión general del protocolo Agent to Agent (A2A) de Google
|
||||
|
||||
- Discute su papel en la comunicación de agentes IA y su relación con el Model Context Protocol (MCP) de Anthropic
|
||||
- [Ver informe completo](examples/what_is_agent_to_agent_protocol.md)
|
||||
|
||||
3. **¿Qué es MCP?** - Un análisis completo del término "MCP" en múltiples contextos
|
||||
|
||||
- Explora Model Context Protocol en IA, Fosfato Monocálcico en química y Placa de Microcanales en electrónica
|
||||
- [Ver informe completo](examples/what_is_mcp.md)
|
||||
|
||||
4. **Fluctuaciones del Precio de Bitcoin** - Análisis de los movimientos recientes del precio de Bitcoin
|
||||
|
||||
- Examina tendencias del mercado, influencias regulatorias e indicadores técnicos
|
||||
- Proporciona recomendaciones basadas en datos históricos
|
||||
- [Ver informe completo](examples/bitcoin_price_fluctuation.md)
|
||||
|
||||
5. **¿Qué es LLM?** - Una exploración en profundidad de los Modelos de Lenguaje Grandes
|
||||
|
||||
- Discute arquitectura, entrenamiento, aplicaciones y consideraciones éticas
|
||||
- [Ver informe completo](examples/what_is_llm.md)
|
||||
|
||||
6. **¿Cómo usar Claude para Investigación Profunda?** - Mejores prácticas y flujos de trabajo para usar Claude en investigación profunda
|
||||
|
||||
- Cubre ingeniería de prompts, análisis de datos e integración con otras herramientas
|
||||
- [Ver informe completo](examples/how_to_use_claude_deep_research.md)
|
||||
|
||||
7. **Adopción de IA en Salud: Factores de Influencia** - Análisis de factores que impulsan la adopción de IA en salud
|
||||
|
||||
- Discute tecnologías IA, calidad de datos, consideraciones éticas, evaluaciones económicas, preparación organizativa e infraestructura digital
|
||||
- [Ver informe completo](examples/AI_adoption_in_healthcare.md)
|
||||
|
||||
8. **Impacto de la Computación Cuántica en la Criptografía** - Análisis del impacto de la computación cuántica en la criptografía
|
||||
|
||||
- Discute vulnerabilidades de la criptografía clásica, criptografía post-cuántica y soluciones criptográficas resistentes a la cuántica
|
||||
- [Ver informe completo](examples/Quantum_Computing_Impact_on_Cryptography.md)
|
||||
|
||||
9. **Aspectos Destacados del Rendimiento de Cristiano Ronaldo** - Análisis de los aspectos destacados del rendimiento de Cristiano Ronaldo
|
||||
- Discute sus logros profesionales, goles internacionales y rendimiento en varios partidos
|
||||
- [Ver informe completo](examples/Cristiano_Ronaldo's_Performance_Highlights.md)
|
||||
|
||||
Para ejecutar estos ejemplos o crear tus propios informes de investigación, puedes usar los siguientes comandos:
|
||||
|
||||
```bash
|
||||
# Ejecutar con una consulta específica
|
||||
uv run main.py "¿Qué factores están influyendo en la adopción de IA en salud?"
|
||||
|
||||
# Ejecutar con parámetros de planificación personalizados
|
||||
uv run main.py --max_plan_iterations 3 "¿Cómo impacta la computación cuántica en la criptografía?"
|
||||
|
||||
# Ejecutar en modo interactivo con preguntas integradas
|
||||
uv run main.py --interactive
|
||||
|
||||
# O ejecutar con prompt interactivo básico
|
||||
uv run main.py
|
||||
|
||||
# Ver todas las opciones disponibles
|
||||
uv run main.py --help
|
||||
```
|
||||
|
||||
### Modo Interactivo
|
||||
|
||||
La aplicación ahora soporta un modo interactivo con preguntas integradas tanto en inglés como en chino:
|
||||
|
||||
1. Lanza el modo interactivo:
|
||||
|
||||
```bash
|
||||
uv run main.py --interactive
|
||||
```
|
||||
|
||||
2. Selecciona tu idioma preferido (English o 中文)
|
||||
|
||||
3. Elige de una lista de preguntas integradas o selecciona la opción para hacer tu propia pregunta
|
||||
|
||||
4. El sistema procesará tu pregunta y generará un informe de investigación completo
|
||||
|
||||
### Humano en el Bucle
|
||||
|
||||
DeerFlow incluye un mecanismo de humano en el bucle que te permite revisar, editar y aprobar planes de investigación antes de que sean ejecutados:
|
||||
|
||||
1. **Revisión del Plan**: Cuando el humano en el bucle está habilitado, el sistema presentará el plan de investigación generado para tu revisión antes de la ejecución
|
||||
|
||||
2. **Proporcionando Retroalimentación**: Puedes:
|
||||
|
||||
- Aceptar el plan respondiendo con `[ACCEPTED]`
|
||||
- Editar el plan proporcionando retroalimentación (p.ej., `[EDIT PLAN] Añadir más pasos sobre implementación técnica`)
|
||||
- El sistema incorporará tu retroalimentación y generará un plan revisado
|
||||
|
||||
3. **Auto-aceptación**: Puedes habilitar la auto-aceptación para omitir el proceso de revisión:
|
||||
|
||||
- Vía API: Establece `auto_accepted_plan: true` en tu solicitud
|
||||
|
||||
4. **Integración API**: Cuando uses la API, puedes proporcionar retroalimentación a través del parámetro `feedback`:
|
||||
```json
|
||||
{
|
||||
"messages": [{ "role": "user", "content": "¿Qué es la computación cuántica?" }],
|
||||
"thread_id": "my_thread_id",
|
||||
"auto_accepted_plan": false,
|
||||
"feedback": "[EDIT PLAN] Incluir más sobre algoritmos cuánticos"
|
||||
}
|
||||
```
|
||||
|
||||
### Argumentos de Línea de Comandos
|
||||
|
||||
La aplicación soporta varios argumentos de línea de comandos para personalizar su comportamiento:
|
||||
|
||||
- **query**: La consulta de investigación a procesar (puede ser múltiples palabras)
|
||||
- **--interactive**: Ejecutar en modo interactivo con preguntas integradas
|
||||
- **--max_plan_iterations**: Número máximo de ciclos de planificación (predeterminado: 1)
|
||||
- **--max_step_num**: Número máximo de pasos en un plan de investigación (predeterminado: 3)
|
||||
- **--debug**: Habilitar registro detallado de depuración
|
||||
|
||||
## Preguntas Frecuentes
|
||||
|
||||
Por favor, consulta [FAQ.md](docs/FAQ.md) para más detalles.
|
||||
|
||||
## Licencia
|
||||
|
||||
Este proyecto es de código abierto y está disponible bajo la [Licencia MIT](./LICENSE).
|
||||
|
||||
## Agradecimientos
|
||||
|
||||
DeerFlow está construido sobre el increíble trabajo de la comunidad de código abierto. Estamos profundamente agradecidos a todos los proyectos y contribuyentes cuyos esfuerzos han hecho posible DeerFlow. Verdaderamente, nos apoyamos en hombros de gigantes.
|
||||
|
||||
Nos gustaría extender nuestro sincero agradecimiento a los siguientes proyectos por sus invaluables contribuciones:
|
||||
|
||||
- **[LangChain](https://github.com/langchain-ai/langchain)**: Su excepcional marco impulsa nuestras interacciones y cadenas LLM, permitiendo integración y funcionalidad sin problemas.
|
||||
- **[LangGraph](https://github.com/langchain-ai/langgraph)**: Su enfoque innovador para la orquestación multi-agente ha sido instrumental en permitir los sofisticados flujos de trabajo de DeerFlow.
|
||||
|
||||
Estos proyectos ejemplifican el poder transformador de la colaboración de código abierto, y estamos orgullosos de construir sobre sus cimientos.
|
||||
|
||||
### Contribuyentes Clave
|
||||
|
||||
Un sentido agradecimiento va para los autores principales de `DeerFlow`, cuya visión, pasión y dedicación han dado vida a este proyecto:
|
||||
|
||||
- **[Daniel Walnut](https://github.com/hetaoBackend/)**
|
||||
- **[Henry Li](https://github.com/magiccube/)**
|
||||
|
||||
Su compromiso inquebrantable y experiencia han sido la fuerza impulsora detrás del éxito de DeerFlow. Nos sentimos honrados de tenerlos al timón de este viaje.
|
||||
|
||||
## Historial de Estrellas
|
||||
|
||||
[](https://star-history.com/#bytedance/deer-flow&Date)
|
||||
@ -3,7 +3,7 @@
|
||||
[](https://www.python.org/downloads/)
|
||||
[](https://opensource.org/licenses/MIT)
|
||||
|
||||
[English](./README.md) | [简体中文](./README_zh.md) | [日本語](./README_ja.md) | [Deutsch](./README_de.md)
|
||||
[English](./README.md) | [简体中文](./README_zh.md) | [日本語](./README_ja.md) | [Deutsch](./README_de.md) | [Español](./README_es.md) | [Русский](./README_ru.md)
|
||||
|
||||
> オープンソースから生まれ、オープンソースに還元する。
|
||||
|
||||
|
||||
554
README_ru.md
Normal file
554
README_ru.md
Normal file
@ -0,0 +1,554 @@
|
||||
# 🦌 DeerFlow
|
||||
|
||||
[](https://www.python.org/downloads/)
|
||||
[](https://opensource.org/licenses/MIT)
|
||||
[](https://deepwiki.com/bytedance/deer-flow)
|
||||
<!-- DeepWiki badge generated by https://deepwiki.ryoppippi.com/ -->
|
||||
|
||||
[English](./README.md) | [简体中文](./README_zh.md) | [日本語](./README_ja.md) | [Deutsch](./README_de.md) | [Español](./README_es.md) | [Русский](./README_ru.md)
|
||||
|
||||
> Создано на базе открытого кода, возвращено в открытый код.
|
||||
|
||||
**DeerFlow** (**D**eep **E**xploration and **E**fficient **R**esearch **Flow**) - это фреймворк для глубокого исследования, разработанный сообществом и основанный на впечатляющей работе сообщества открытого кода. Наша цель - объединить языковые модели со специализированными инструментами для таких задач, как веб-поиск, сканирование и выполнение кода Python, одновременно возвращая пользу сообществу, которое сделало это возможным.
|
||||
|
||||
Пожалуйста, посетите [наш официальный сайт](https://deerflow.tech/) для получения дополнительной информации.
|
||||
|
||||
## Демонстрация
|
||||
|
||||
### Видео
|
||||
|
||||
https://github.com/user-attachments/assets/f3786598-1f2a-4d07-919e-8b99dfa1de3e
|
||||
|
||||
В этой демонстрации мы показываем, как использовать DeerFlow для:
|
||||
|
||||
- Бесшовной интеграции с сервисами MCP
|
||||
- Проведения процесса глубокого исследования и создания комплексного отчета с изображениями
|
||||
- Создания аудио подкаста на основе сгенерированного отчета
|
||||
|
||||
### Повторы
|
||||
|
||||
- [Какова высота Эйфелевой башни по сравнению с самым высоким зданием?](https://deerflow.tech/chat?replay=eiffel-tower-vs-tallest-building)
|
||||
- [Какие репозитории самые популярные на GitHub?](https://deerflow.tech/chat?replay=github-top-trending-repo)
|
||||
- [Написать статью о традиционных блюдах Нанкина](https://deerflow.tech/chat?replay=nanjing-traditional-dishes)
|
||||
- [Как украсить съемную квартиру?](https://deerflow.tech/chat?replay=rental-apartment-decoration)
|
||||
- [Посетите наш официальный сайт, чтобы изучить больше повторов.](https://deerflow.tech/#case-studies)
|
||||
|
||||
---
|
||||
|
||||
## 📑 Оглавление
|
||||
|
||||
- [🚀 Быстрый старт](#быстрый-старт)
|
||||
- [🌟 Особенности](#особенности)
|
||||
- [🏗️ Архитектура](#архитектура)
|
||||
- [🛠️ Разработка](#разработка)
|
||||
- [🐳 Docker](#docker)
|
||||
- [🗣️ Интеграция преобразования текста в речь](#интеграция-преобразования-текста-в-речь)
|
||||
- [📚 Примеры](#примеры)
|
||||
- [❓ FAQ](#faq)
|
||||
- [📜 Лицензия](#лицензия)
|
||||
- [💖 Благодарности](#благодарности)
|
||||
- [⭐ История звезд](#история-звезд)
|
||||
|
||||
## Быстрый старт
|
||||
|
||||
DeerFlow разработан на Python и поставляется с веб-интерфейсом, написанным на Node.js. Для обеспечения плавного процесса настройки мы рекомендуем использовать следующие инструменты:
|
||||
|
||||
### Рекомендуемые инструменты
|
||||
|
||||
- **[`uv`](https://docs.astral.sh/uv/getting-started/installation/):**
|
||||
Упрощает управление средой Python и зависимостями. `uv` автоматически создает виртуальную среду в корневом каталоге и устанавливает все необходимые пакеты за вас—без необходимости вручную устанавливать среды Python.
|
||||
|
||||
- **[`nvm`](https://github.com/nvm-sh/nvm):**
|
||||
Легко управляйте несколькими версиями среды выполнения Node.js.
|
||||
|
||||
- **[`pnpm`](https://pnpm.io/installation):**
|
||||
Установка и управление зависимостями проекта Node.js.
|
||||
|
||||
### Требования к среде
|
||||
|
||||
Убедитесь, что ваша система соответствует следующим минимальным требованиям:
|
||||
|
||||
- **[Python](https://www.python.org/downloads/):** Версия `3.12+`
|
||||
- **[Node.js](https://nodejs.org/en/download/):** Версия `22+`
|
||||
|
||||
### Установка
|
||||
|
||||
```bash
|
||||
# Клонировать репозиторий
|
||||
git clone https://github.com/bytedance/deer-flow.git
|
||||
cd deer-flow
|
||||
|
||||
# Установить зависимости, uv позаботится об интерпретаторе python и создании venv, и установит необходимые пакеты
|
||||
uv sync
|
||||
|
||||
# Настроить .env с вашими API-ключами
|
||||
# Tavily: https://app.tavily.com/home
|
||||
# Brave_SEARCH: https://brave.com/search/api/
|
||||
# volcengine TTS: Добавьте ваши учетные данные TTS, если они у вас есть
|
||||
cp .env.example .env
|
||||
|
||||
# См. разделы 'Поддерживаемые поисковые системы' и 'Интеграция преобразования текста в речь' ниже для всех доступных опций
|
||||
|
||||
# Настроить conf.yaml для вашей модели LLM и API-ключей
|
||||
# Пожалуйста, обратитесь к 'docs/configuration_guide.md' для получения дополнительной информации
|
||||
cp conf.yaml.example conf.yaml
|
||||
|
||||
# Установить marp для генерации презентаций
|
||||
# https://github.com/marp-team/marp-cli?tab=readme-ov-file#use-package-manager
|
||||
brew install marp-cli
|
||||
```
|
||||
|
||||
По желанию установите зависимости веб-интерфейса через [pnpm](https://pnpm.io/installation):
|
||||
|
||||
```bash
|
||||
cd deer-flow/web
|
||||
pnpm install
|
||||
```
|
||||
|
||||
### Конфигурации
|
||||
|
||||
Пожалуйста, обратитесь к [Руководству по конфигурации](docs/configuration_guide.md) для получения дополнительной информации.
|
||||
|
||||
> [!ПРИМЕЧАНИЕ]
|
||||
> Прежде чем запустить проект, внимательно прочитайте руководство и обновите конфигурации в соответствии с вашими конкретными настройками и требованиями.
|
||||
|
||||
### Консольный интерфейс
|
||||
|
||||
Самый быстрый способ запустить проект - использовать консольный интерфейс.
|
||||
|
||||
```bash
|
||||
# Запустить проект в оболочке, похожей на bash
|
||||
uv run main.py
|
||||
```
|
||||
|
||||
### Веб-интерфейс
|
||||
|
||||
Этот проект также включает веб-интерфейс, предлагающий более динамичный и привлекательный интерактивный опыт.
|
||||
|
||||
> [!ПРИМЕЧАНИЕ]
|
||||
> Сначала вам нужно установить зависимости веб-интерфейса.
|
||||
|
||||
```bash
|
||||
# Запустить оба сервера, бэкенд и фронтенд, в режиме разработки
|
||||
# На macOS/Linux
|
||||
./bootstrap.sh -d
|
||||
|
||||
# На Windows
|
||||
bootstrap.bat -d
|
||||
```
|
||||
|
||||
Откройте ваш браузер и посетите [`http://localhost:3000`](http://localhost:3000), чтобы исследовать веб-интерфейс.
|
||||
|
||||
Исследуйте больше деталей в каталоге [`web`](./web/).
|
||||
|
||||
## Поддерживаемые поисковые системы
|
||||
|
||||
DeerFlow поддерживает несколько поисковых систем, которые можно настроить в файле `.env` с помощью переменной `SEARCH_API`:
|
||||
|
||||
- **Tavily** (по умолчанию): Специализированный поисковый API для приложений ИИ
|
||||
|
||||
- Требуется `TAVILY_API_KEY` в вашем файле `.env`
|
||||
- Зарегистрируйтесь на: https://app.tavily.com/home
|
||||
|
||||
- **DuckDuckGo**: Поисковая система, ориентированная на конфиденциальность
|
||||
|
||||
- Не требуется API-ключ
|
||||
|
||||
- **Brave Search**: Поисковая система, ориентированная на конфиденциальность, с расширенными функциями
|
||||
|
||||
- Требуется `BRAVE_SEARCH_API_KEY` в вашем файле `.env`
|
||||
- Зарегистрируйтесь на: https://brave.com/search/api/
|
||||
|
||||
- **Arxiv**: Поиск научных статей для академических исследований
|
||||
- Не требуется API-ключ
|
||||
- Специализируется на научных и академических статьях
|
||||
|
||||
Чтобы настроить предпочитаемую поисковую систему, установите переменную `SEARCH_API` в вашем файле `.env`:
|
||||
|
||||
```bash
|
||||
# Выберите одно: tavily, duckduckgo, brave_search, arxiv
|
||||
SEARCH_API=tavily
|
||||
```
|
||||
|
||||
## Особенности
|
||||
|
||||
### Ключевые возможности
|
||||
|
||||
- 🤖 **Интеграция LLM**
|
||||
- Поддерживает интеграцию большинства моделей через [litellm](https://docs.litellm.ai/docs/providers).
|
||||
- Поддержка моделей с открытым исходным кодом, таких как Qwen
|
||||
- API-интерфейс, совместимый с OpenAI
|
||||
- Многоуровневая система LLM для задач различной сложности
|
||||
|
||||
### Инструменты и интеграции MCP
|
||||
|
||||
- 🔍 **Поиск и извлечение**
|
||||
|
||||
- Веб-поиск через Tavily, Brave Search и другие
|
||||
- Сканирование с Jina
|
||||
- Расширенное извлечение контента
|
||||
|
||||
- 🔗 **Бесшовная интеграция MCP**
|
||||
- Расширение возможностей для доступа к частным доменам, графам знаний, веб-браузингу и многому другому
|
||||
- Облегчает интеграцию различных исследовательских инструментов и методологий
|
||||
|
||||
### Человеческое взаимодействие
|
||||
|
||||
- 🧠 **Человек в контуре**
|
||||
|
||||
- Поддерживает интерактивное изменение планов исследования с использованием естественного языка
|
||||
- Поддерживает автоматическое принятие планов исследования
|
||||
|
||||
- 📝 **Пост-редактирование отчетов**
|
||||
- Поддерживает блочное редактирование в стиле Notion
|
||||
- Позволяет совершенствовать с помощью ИИ, включая полировку, сокращение и расширение предложений
|
||||
- Работает на [tiptap](https://tiptap.dev/)
|
||||
|
||||
### Создание контента
|
||||
|
||||
- 🎙️ **Генерация подкастов и презентаций**
|
||||
- Генерация сценариев подкастов и синтез аудио с помощью ИИ
|
||||
- Автоматическое создание простых презентаций PowerPoint
|
||||
- Настраиваемые шаблоны для индивидуального контента
|
||||
|
||||
## Архитектура
|
||||
|
||||
DeerFlow реализует модульную архитектуру системы с несколькими агентами, предназначенную для автоматизированных исследований и анализа кода. Система построена на LangGraph, обеспечивающей гибкий рабочий процесс на основе состояний, где компоненты взаимодействуют через четко определенную систему передачи сообщений.
|
||||
|
||||
|
||||
|
||||
> Посмотрите вживую на [deerflow.tech](https://deerflow.tech/#multi-agent-architecture)
|
||||
|
||||
В системе используется оптимизированный рабочий процесс со следующими компонентами:
|
||||
|
||||
1. **Координатор**: Точка входа, управляющая жизненным циклом рабочего процесса
|
||||
|
||||
- Инициирует процесс исследования на основе пользовательского ввода
|
||||
- Делегирует задачи планировщику, когда это необходимо
|
||||
- Выступает в качестве основного интерфейса между пользователем и системой
|
||||
|
||||
2. **Планировщик**: Стратегический компонент для декомпозиции и планирования задач
|
||||
|
||||
- Анализирует цели исследования и создает структурированные планы выполнения
|
||||
- Определяет, достаточно ли доступного контекста или требуется дополнительное исследование
|
||||
- Управляет потоком исследования и решает, когда генерировать итоговый отчет
|
||||
|
||||
3. **Исследовательская команда**: Набор специализированных агентов, которые выполняют план:
|
||||
|
||||
- **Исследователь**: Проводит веб-поиск и сбор информации с использованием таких инструментов, как поисковые системы, сканирование и даже сервисы MCP.
|
||||
- **Программист**: Обрабатывает анализ кода, выполнение и технические задачи с помощью инструмента Python REPL.
|
||||
Каждый агент имеет доступ к определенным инструментам, оптимизированным для его роли, и работает в рамках фреймворка LangGraph
|
||||
|
||||
4. **Репортер**: Процессор финальной стадии для результатов исследования
|
||||
- Агрегирует находки исследовательской команды
|
||||
- Обрабатывает и структурирует собранную информацию
|
||||
- Генерирует комплексные исследовательские отчеты
|
||||
|
||||
## Интеграция преобразования текста в речь
|
||||
|
||||
DeerFlow теперь включает функцию преобразования текста в речь (TTS), которая позволяет конвертировать исследовательские отчеты в речь. Эта функция использует API TTS volcengine для генерации высококачественного аудио из текста. Также можно настраивать такие параметры, как скорость, громкость и тон.
|
||||
|
||||
### Использование API TTS
|
||||
|
||||
Вы можете получить доступ к функциональности TTS через конечную точку `/api/tts`:
|
||||
|
||||
```bash
|
||||
# Пример вызова API с использованием curl
|
||||
curl --location 'http://localhost:8000/api/tts' \
|
||||
--header 'Content-Type: application/json' \
|
||||
--data '{
|
||||
"text": "Это тест функциональности преобразования текста в речь.",
|
||||
"speed_ratio": 1.0,
|
||||
"volume_ratio": 1.0,
|
||||
"pitch_ratio": 1.0
|
||||
}' \
|
||||
--output speech.mp3
|
||||
```
|
||||
|
||||
## Разработка
|
||||
|
||||
### Тестирование
|
||||
|
||||
Запустите набор тестов:
|
||||
|
||||
```bash
|
||||
# Запустить все тесты
|
||||
make test
|
||||
|
||||
# Запустить определенный тестовый файл
|
||||
pytest tests/integration/test_workflow.py
|
||||
|
||||
# Запустить с покрытием
|
||||
make coverage
|
||||
```
|
||||
|
||||
### Качество кода
|
||||
|
||||
```bash
|
||||
# Запустить линтинг
|
||||
make lint
|
||||
|
||||
# Форматировать код
|
||||
make format
|
||||
```
|
||||
|
||||
### Отладка с LangGraph Studio
|
||||
|
||||
DeerFlow использует LangGraph для своей архитектуры рабочего процесса. Вы можете использовать LangGraph Studio для отладки и визуализации рабочего процесса в реальном времени.
|
||||
|
||||
#### Запуск LangGraph Studio локально
|
||||
|
||||
DeerFlow включает конфигурационный файл `langgraph.json`, который определяет структуру графа и зависимости для LangGraph Studio. Этот файл указывает на графы рабочего процесса, определенные в проекте, и автоматически загружает переменные окружения из файла `.env`.
|
||||
|
||||
##### Mac
|
||||
|
||||
```bash
|
||||
# Установите менеджер пакетов uv, если у вас его нет
|
||||
curl -LsSf https://astral.sh/uv/install.sh | sh
|
||||
|
||||
# Установите зависимости и запустите сервер LangGraph
|
||||
uvx --refresh --from "langgraph-cli[inmem]" --with-editable . --python 3.12 langgraph dev --allow-blocking
|
||||
```
|
||||
|
||||
##### Windows / Linux
|
||||
|
||||
```bash
|
||||
# Установить зависимости
|
||||
pip install -e .
|
||||
pip install -U "langgraph-cli[inmem]"
|
||||
|
||||
# Запустить сервер LangGraph
|
||||
langgraph dev
|
||||
```
|
||||
|
||||
После запуска сервера LangGraph вы увидите несколько URL в терминале:
|
||||
|
||||
- API: http://127.0.0.1:2024
|
||||
- Studio UI: https://smith.langchain.com/studio/?baseUrl=http://127.0.0.1:2024
|
||||
- API Docs: http://127.0.0.1:2024/docs
|
||||
|
||||
Откройте ссылку Studio UI в вашем браузере для доступа к интерфейсу отладки.
|
||||
|
||||
#### Использование LangGraph Studio
|
||||
|
||||
В интерфейсе Studio вы можете:
|
||||
|
||||
1. Визуализировать граф рабочего процесса и видеть, как соединяются компоненты
|
||||
2. Отслеживать выполнение в реальном времени, чтобы видеть, как данные проходят через систему
|
||||
3. Исследовать состояние на каждом шаге рабочего процесса
|
||||
4. Отлаживать проблемы путем изучения входов и выходов каждого компонента
|
||||
5. Предоставлять обратную связь во время фазы планирования для уточнения планов исследования
|
||||
|
||||
Когда вы отправляете тему исследования в интерфейсе Studio, вы сможете увидеть весь процесс выполнения рабочего процесса, включая:
|
||||
|
||||
- Фазу планирования, где создается план исследования
|
||||
- Цикл обратной связи, где вы можете модифицировать план
|
||||
- Фазы исследования и написания для каждого раздела
|
||||
- Генерацию итогового отчета
|
||||
|
||||
### Включение трассировки LangSmith
|
||||
|
||||
DeerFlow поддерживает трассировку LangSmith, чтобы помочь вам отладить и контролировать ваши рабочие процессы. Чтобы включить трассировку LangSmith:
|
||||
|
||||
1. Убедитесь, что в вашем файле `.env` есть следующие конфигурации (см. `.env.example`):
|
||||
```bash
|
||||
LANGSMITH_TRACING=true
|
||||
LANGSMITH_ENDPOINT="https://api.smith.langchain.com"
|
||||
LANGSMITH_API_KEY="xxx"
|
||||
LANGSMITH_PROJECT="xxx"
|
||||
```
|
||||
|
||||
2. Запустите трассировку и визуализируйте граф локально с LangSmith, выполнив:
|
||||
```bash
|
||||
langgraph dev
|
||||
```
|
||||
|
||||
Это включит визуализацию трассировки в LangGraph Studio и отправит ваши трассировки в LangSmith для мониторинга и анализа.
|
||||
|
||||
## Docker
|
||||
|
||||
Вы также можете запустить этот проект с Docker.
|
||||
|
||||
Во-первых, вам нужно прочитать [конфигурацию](docs/configuration_guide.md) ниже. Убедитесь, что файлы `.env`, `.conf.yaml` готовы.
|
||||
|
||||
Во-вторых, чтобы построить Docker-образ вашего собственного веб-сервера:
|
||||
|
||||
```bash
|
||||
docker build -t deer-flow-api .
|
||||
```
|
||||
|
||||
Наконец, запустите Docker-контейнер с веб-сервером:
|
||||
|
||||
```bash
|
||||
# Замените deer-flow-api-app на предпочитаемое вами имя контейнера
|
||||
docker run -d -t -p 8000:8000 --env-file .env --name deer-flow-api-app deer-flow-api
|
||||
|
||||
# остановить сервер
|
||||
docker stop deer-flow-api-app
|
||||
```
|
||||
|
||||
### Docker Compose (включает как бэкенд, так и фронтенд)
|
||||
|
||||
DeerFlow предоставляет настройку docker-compose для легкого запуска бэкенда и фронтенда вместе:
|
||||
|
||||
```bash
|
||||
# сборка docker-образа
|
||||
docker compose build
|
||||
|
||||
# запуск сервера
|
||||
docker compose up
|
||||
```
|
||||
|
||||
## Примеры
|
||||
|
||||
Следующие примеры демонстрируют возможности DeerFlow:
|
||||
|
||||
### Исследовательские отчеты
|
||||
|
||||
1. **Отчет о OpenAI Sora** - Анализ инструмента ИИ Sora от OpenAI
|
||||
|
||||
- Обсуждаются функции, доступ, инженерия промптов, ограничения и этические соображения
|
||||
- [Просмотреть полный отчет](examples/openai_sora_report.md)
|
||||
|
||||
2. **Отчет о протоколе Agent to Agent от Google** - Обзор протокола Agent to Agent (A2A) от Google
|
||||
|
||||
- Обсуждается его роль в коммуникации агентов ИИ и его отношение к протоколу Model Context Protocol (MCP) от Anthropic
|
||||
- [Просмотреть полный отчет](examples/what_is_agent_to_agent_protocol.md)
|
||||
|
||||
3. **Что такое MCP?** - Комплексный анализ термина "MCP" в различных контекстах
|
||||
|
||||
- Исследует Model Context Protocol в ИИ, Монокальцийфосфат в химии и Микроканальные пластины в электронике
|
||||
- [Просмотреть полный отчет](examples/what_is_mcp.md)
|
||||
|
||||
4. **Колебания цены Биткоина** - Анализ недавних движений цены Биткоина
|
||||
|
||||
- Исследует рыночные тренды, регуляторные влияния и технические индикаторы
|
||||
- Предоставляет рекомендации на основе исторических данных
|
||||
- [Просмотреть полный отчет](examples/bitcoin_price_fluctuation.md)
|
||||
|
||||
5. **Что такое LLM?** - Углубленное исследование больших языковых моделей
|
||||
|
||||
- Обсуждаются архитектура, обучение, приложения и этические соображения
|
||||
- [Просмотреть полный отчет](examples/what_is_llm.md)
|
||||
|
||||
6. **Как использовать Claude для глубокого исследования?** - Лучшие практики и рабочие процессы для использования Claude в глубоком исследовании
|
||||
|
||||
- Охватывает инженерию промптов, анализ данных и интеграцию с другими инструментами
|
||||
- [Просмотреть полный отчет](examples/how_to_use_claude_deep_research.md)
|
||||
|
||||
7. **Внедрение ИИ в здравоохранении: Влияющие факторы** - Анализ факторов, движущих внедрением ИИ в здравоохранении
|
||||
|
||||
- Обсуждаются технологии ИИ, качество данных, этические соображения, экономические оценки, организационная готовность и цифровая инфраструктура
|
||||
- [Просмотреть полный отчет](examples/AI_adoption_in_healthcare.md)
|
||||
|
||||
8. **Влияние квантовых вычислений на криптографию** - Анализ влияния квантовых вычислений на криптографию
|
||||
|
||||
- Обсуждаются уязвимости классической криптографии, пост-квантовая криптография и криптографические решения, устойчивые к квантовым вычислениям
|
||||
- [Просмотреть полный отчет](examples/Quantum_Computing_Impact_on_Cryptography.md)
|
||||
|
||||
9. **Ключевые моменты выступлений Криштиану Роналду** - Анализ выдающихся выступлений Криштиану Роналду
|
||||
- Обсуждаются его карьерные достижения, международные голы и выступления в различных матчах
|
||||
- [Просмотреть полный отчет](examples/Cristiano_Ronaldo's_Performance_Highlights.md)
|
||||
|
||||
Чтобы запустить эти примеры или создать собственные исследовательские отчеты, вы можете использовать следующие команды:
|
||||
|
||||
```bash
|
||||
# Запустить с определенным запросом
|
||||
uv run main.py "Какие факторы влияют на внедрение ИИ в здравоохранении?"
|
||||
|
||||
# Запустить с пользовательскими параметрами планирования
|
||||
uv run main.py --max_plan_iterations 3 "Как квантовые вычисления влияют на криптографию?"
|
||||
|
||||
# Запустить в интерактивном режиме с встроенными вопросами
|
||||
uv run main.py --interactive
|
||||
|
||||
# Или запустить с базовым интерактивным приглашением
|
||||
uv run main.py
|
||||
|
||||
# Посмотреть все доступные опции
|
||||
uv run main.py --help
|
||||
```
|
||||
|
||||
### Интерактивный режим
|
||||
|
||||
Приложение теперь поддерживает интерактивный режим с встроенными вопросами как на английском, так и на китайском языках:
|
||||
|
||||
1. Запустите интерактивный режим:
|
||||
|
||||
```bash
|
||||
uv run main.py --interactive
|
||||
```
|
||||
|
||||
2. Выберите предпочитаемый язык (English или 中文)
|
||||
|
||||
3. Выберите из списка встроенных вопросов или выберите опцию задать собственный вопрос
|
||||
|
||||
4. Система обработает ваш вопрос и сгенерирует комплексный исследовательский отчет
|
||||
|
||||
### Человек в контуре
|
||||
|
||||
DeerFlow включает механизм "человек в контуре", который позволяет вам просматривать, редактировать и утверждать планы исследования перед их выполнением:
|
||||
|
||||
1. **Просмотр плана**: Когда активирован режим "человек в контуре", система представит сгенерированный план исследования для вашего просмотра перед выполнением
|
||||
|
||||
2. **Предоставление обратной связи**: Вы можете:
|
||||
|
||||
- Принять план, ответив `[ACCEPTED]`
|
||||
- Отредактировать план, предоставив обратную связь (например, `[EDIT PLAN] Добавить больше шагов о технической реализации`)
|
||||
- Система включит вашу обратную связь и сгенерирует пересмотренный план
|
||||
|
||||
3. **Автоматическое принятие**: Вы можете включить автоматическое принятие, чтобы пропустить процесс просмотра:
|
||||
|
||||
- Через API: Установите `auto_accepted_plan: true` в вашем запросе
|
||||
|
||||
4. **Интеграция API**: При использовании API вы можете предоставить обратную связь через параметр `feedback`:
|
||||
```json
|
||||
{
|
||||
"messages": [{ "role": "user", "content": "Что такое квантовые вычисления?" }],
|
||||
"thread_id": "my_thread_id",
|
||||
"auto_accepted_plan": false,
|
||||
"feedback": "[EDIT PLAN] Включить больше о квантовых алгоритмах"
|
||||
}
|
||||
```
|
||||
|
||||
### Аргументы командной строки
|
||||
|
||||
Приложение поддерживает несколько аргументов командной строки для настройки его поведения:
|
||||
|
||||
- **query**: Запрос исследования для обработки (может состоять из нескольких слов)
|
||||
- **--interactive**: Запустить в интерактивном режиме с встроенными вопросами
|
||||
- **--max_plan_iterations**: Максимальное количество циклов планирования (по умолчанию: 1)
|
||||
- **--max_step_num**: Максимальное количество шагов в плане исследования (по умолчанию: 3)
|
||||
- **--debug**: Включить подробное логирование отладки
|
||||
|
||||
## FAQ
|
||||
|
||||
Пожалуйста, обратитесь к [FAQ.md](docs/FAQ.md) для получения дополнительной информации.
|
||||
|
||||
## Лицензия
|
||||
|
||||
Этот проект имеет открытый исходный код и доступен под [Лицензией MIT](./LICENSE).
|
||||
|
||||
## Благодарности
|
||||
|
||||
DeerFlow создан на основе невероятной работы сообщества открытого кода. Мы глубоко благодарны всем проектам и контрибьюторам, чьи усилия сделали DeerFlow возможным. Поистине, мы стоим на плечах гигантов.
|
||||
|
||||
Мы хотели бы выразить искреннюю признательность следующим проектам за их неоценимый вклад:
|
||||
|
||||
- **[LangChain](https://github.com/langchain-ai/langchain)**: Их исключительный фреймворк обеспечивает наши взаимодействия и цепочки LLM, позволяя бесшовную интеграцию и функциональность.
|
||||
- **[LangGraph](https://github.com/langchain-ai/langgraph)**: Их инновационный подход к оркестровке многоагентных систем сыграл решающую роль в обеспечении сложных рабочих процессов DeerFlow.
|
||||
|
||||
Эти проекты являются примером преобразующей силы сотрудничества в области открытого кода, и мы гордимся тем, что строим на их основе.
|
||||
|
||||
### Ключевые контрибьюторы
|
||||
|
||||
Сердечная благодарность основным авторам `DeerFlow`, чье видение, страсть и преданность делу вдохнули жизнь в этот проект:
|
||||
|
||||
- **[Daniel Walnut](https://github.com/hetaoBackend/)**
|
||||
- **[Henry Li](https://github.com/magiccube/)**
|
||||
|
||||
Ваша непоколебимая приверженность и опыт стали движущей силой успеха DeerFlow. Мы считаем за честь иметь вас во главе этого путешествия.
|
||||
|
||||
## История звезд
|
||||
|
||||
[](https://star-history.com/#bytedance/deer-flow&Date)
|
||||
@ -3,7 +3,7 @@
|
||||
[](https://www.python.org/downloads/)
|
||||
[](https://opensource.org/licenses/MIT)
|
||||
|
||||
[English](./README.md) | [简体中文](./README_zh.md) | [日本語](./README_ja.md) | [Deutsch](./README_de.md)
|
||||
[English](./README.md) | [简体中文](./README_zh.md) | [日本語](./README_ja.md) | [Deutsch](./README_de.md) | [Español](./README_es.md) | [Русский](./README_ru.md)
|
||||
|
||||
> 源于开源，回馈开源。
|
||||
|
||||
|
||||
Loading…
x
Reference in New Issue
Block a user