Tavily
Assaf Elovic and the GPT Researcher contributors, with the project rooted in Tavily · 程式設計 · 商業
GPT Researcher 是開源深度研究代理，能把一個問題變成附引用的研究報告，模型與搜尋引擎都由你決定。
關於 Tavily
About
GPT Researcher 是什麼
GPT Researcher 是一套由你自己安裝、自己執行的自主研究代理。你給它一個問題，它會拆成幾個較小的研究問題，為每一題派出一隻爬蟲，記下每段文字的出處，最後寫成一份帶引用的長篇報告。專案 2023 年從 Tavily 團隊的工作裡長出來，現在是 GitHub 上的 Apache 2.0 專案，約有三萬顆星。
這個工具之所以存在，是因為單靠一個聊天模型做研究並不可靠。訓練資料會過時，它沒辦法一次讀二十頁，遇到不確定的地方傾向給出聽起來合理的答案。搜尋 API 的毛病正好相反，它丟回一串連結，閱讀的工作全留給你。GPT Researcher 卡在中間，把讀與篩都做掉，報告裡的每句話都能追回真實頁面。
代價是它不算消費級產品。沒有註冊頁、沒有訂閱、也沒有客服。你需要 Python 3.12 以上版本、至少一組模型 API 金鑰，以及一組搜尋 API 金鑰，除非改用免費的檢索來源。從安裝到架站，其餘都得自己來。
開始使用
- 安裝 Python 3.12 或更新版本，從 GitHub 複製專案，或直接以
pip install gpt-researcher安裝套件。 - 設定金鑰。
OPENAI_API_KEY與TAVILY_API_KEY可應付預設設定，OPENAI_BASE_URL則讓你指向本機模型或其他供應商。 - 在設定檔挑一個檢索來源與模型，或保留預設值，讓代理以 Tavily 搭配 OpenAI 模型執行。
- 用
python -m uvicorn main:app --reload啟動伺服器並打開 localhost:8000，也可以在自己的 Python 腳本裡呼叫GPTResearcher。 - 在瀏覽器讀報告，再匯出成 Markdown、PDF、DOCX 或 JSON，並檢查每次執行附上的來源清單。
產品資訊
快速了解 Tavily 的定價、支援平台與效能。
適合對象
這項工具最適合的使用者、任務與情境。
使用者
- 靠寫分析簡報吃飯的分析師與顧問：代理處理資料搜集與初稿，但送到客戶手上之前，引用還是得自己讀過一輪。
- 想把研究功能做進產品的開發者：安裝 Python 套件或 MCP 伺服器花一個下午，報告格式由你決定。
- 剛踏入新領域的研究生與研究人員：跑一次深度研究就有一份結構化概覽，附上原始來源連結，比對著空白頁發呆強得多。
- 沒有研究預算的小團隊：軟體免費，透過 Ollama 可跑在本機模型上，唯一支出是算力。
任務
- 調查某個市場或公司的競爭態勢：規劃器把主題切成市占、定價與定位等問題，每一題各自派一隻爬蟲。
- 把一整疊 PDF 收成一份摘要：把 `DOC_PATH` 指向本機資料夾，代理就會連同網路一起讀這些文件。
- 寫論文或提案前先整理文獻脈絡：一次執行就給你大綱與來源，重點段落再自己改寫。
- 替另一個代理補上可靠背景資料：MCP 伺服器把深度研究包成工具，Claude 或 Cursor 在對話中途就能呼叫。
情境
- 週一早上要一份產業簡報：一次執行收集二十多個來源，產出的報告開會前掃一遍就夠。
- 買工具前先掂掂斤兩：問它某產品跟競品差在哪，代理會替你讀完廠商頁面與使用者評論。
- 發布前查核某個說法：把主張當成查詢丟進去，再翻來源清單看它到底站不站得住。
- 替公司做一個內部研究機器人：FastAPI 後端以 WebSocket 推送進度，外掛一個簡單儀表板綽綽有餘。
主要功能
規劃器與平行研究員
代理不會一頁一頁慢慢讀。規劃器先寫出一組研究問題，為每題開一隻爬蟲並同時執行，這也是為什麼一般報告三分鐘左右就能收尾，而不是半小時。某一支線的發現會長出新的問題，因此深度研究跑的是一棵子題樹，而非單一路徑。範圍靠 MAX_ITERATIONS 與深度設定調整。
二十多種檢索來源，同一組介面
Tavily 是預設搜尋 API，但並非唯一選項。改一個環境變數就能換成 Google、Bing、DuckDuckGo、SearXNG、Serper、You.com、Exa、arXiv 或 PubMed，當主題落在論文而不是一般網頁時，這一點特別有用。清單也接受 MCP 伺服器，GitHub 儲存庫或內部資料庫能在同一次執行裡與開放網路並肩。
送進模型前先過濾脈絡
每次執行會抓下幾十頁，真正有用的文字只占一部分。GPT Researcher 會先把每個段落打分數，再送進模型。預設的 Jev 來自 TypeSafe，根據專案自行在 28 項任務上的測試，它能留下 73% 真正回答問題的段落，相較之下以向量為基礎的過濾器只有 46%。沒有 TypeSafe 金鑰時，系統退回本機執行的 BM25 關鍵字排序，完全不需要模型。
長篇報告與來源追蹤
寫作階段把過濾後的脈絡組織成經常超過 2,000 字的報告，這種長度不是單一聊天指令能穩定產出的。每個說法都帶行內引用，代理另存一份來源清單，可透過 Python API 單獨取出。報告型態涵蓋標準研究報告、大綱、資源清單與子題拆解。
本機文件與網路並用
把 DOC_PATH 指向一個資料夾，代理就會把 PDF、Word、Excel、CSV、Markdown、PowerPoint 與純文字檔納入研究。如此一來它成了私人知識助理，用你自己的資料回答，需要外部脈絡時照樣引用網頁。除了你選定的模型供應商所看到的內容，資料不會外流到其他第三方。
MCP 伺服器與代理框架支援
官方 MCP 伺服器把代理包成一組工具，包含深度研究、快速搜尋、撰寫報告與取得來源。Claude Desktop、Cursor 或 n8n 因此能把它當成 AI 研究工具插進流程，不必自己寫串接程式碼。專案另外提供 Python 套件、具 WebSocket 串流的 FastAPI 後端，以及純 HTML 與 Next.js 兩套前端。
優缺點
優點
- 以 Apache 2.0 釋出，免費且開源，沒有限制席次，也不用開設計費帳號。
- 模型與搜尋供應商都能各自替換，OpenAI、Anthropic、Gemini、DeepSeek 或透過 Ollama 跑的本機模型都行。
- 平行爬蟲讓完整報告維持在三到五分鐘，工作時段內隨時能跑一次。
- 引用與獨立來源清單讓你輕鬆查證某個說法的依據，再決定是否沿用這些附引用報告。
缺點
- 安裝與設定預設你有開發底子。從沒碰過終端機或環境變數的人，看入門指南會相當吃力。
- 報告品質高度取決於你接上的模型。便宜模型寫出淺薄的段落，強模型則讓 API 帳單快速膨脹。
- 代理讀的是開放網路，付費牆文章與重度依賴 JavaScript 的網站，偶爾只回傳零碎或破損的文字。
- 多代理與深度研究模式會成倍增加模型呼叫次數，官方文件估計單次深度研究約 0.4 美元。
常見問題
不用。軟體以 Apache 2.0 開源釋出，專案本身不賣訂閱。真正的成本來每次執行產生的模型與搜尋 API 用量，依模型不同，通常落在幾美分到數美元之間。
相關內容
探索與 Tavily 相關的工具、技能與文章。
Tavily 替代方案
Base Code
Base44 (Wix) · 程式設計 · 生產力Base Code 是 Base44 推出的共享雲端開發環境。團隊在對話中描述對既有 GitHub 儲存庫的修改，看著預覽確認結果，再以 Pull Request 交回工程團隊。
Google EmbeddingGemma 2
Google DeepMind · 寫作 · 圖片 · 程式設計Google EmbeddingGemma 2 是 7.4 億參數的開源模型，能把文字、程式碼、圖片、音訊與影片畫面轉成同一個 768 維空間裡的向量，在手機與筆電上就能執行。
GitGlow
GitGlow · 程式設計 · 生產力GitGlow 是桌面版 Git 用戶端，把你自己的程式碼與 AI 代理程式的變更集中在同一份審查裡，讓你在交付前看清楚機器上究竟要送出什麼。