Deep Searcher是一个开源项目，旨在帮助企业在本地私有化部署类似OpenAI Deep Research的功能。它结合了大模型、超级搜索和研究助理，允许企业将本地数据与Deep Research结合，并灵活选择适合自身需求的大模型。该方案利用硅基流动SiliconCloud提供的DeepSeek模型API，以及Milvus向量数据库管理企业私有数据，实现高效、准确的问答。通过简单的步骤，用户可以快速搭建Deep Searcher环境，并加载本地PDF文件进行问答测试，体验低成本、高性能的企业级研究能力。

🚀Deep Searcher是一个开源项目，通过结合大模型、超级搜索和研究助理，使企业能够在本地部署类似OpenAI的Deep Research功能，实现金融报告、科研综述等任务的一键生成。

🔑该方案允许企业接入本地数据与知识库，将项目文档、CAD图纸等非结构化数据应用于复杂的研究任务中，并利用Milvus向量数据库高效管理私有化数据，确保大模型能够更准确地回答用户疑问。

🛠️Deep Searcher的部署依赖于硅基流动SiliconCloud提供的DeepSeek模型API，用户需要在硅基流动注册账号并创建API Key，然后在DeepSearcher项目中配置该API Key，才能使用DeepSeek R1或V3模型进行问答。

💰通过示例运行，用户可以加载本地PDF文件，并让大模型针对PDF内容回答问题。示例展示了问题思考和解答的完整流程，并打印消耗的Token数目和费用，帮助用户了解使用成本。

2025-03-06 20:39 北京

大模型+超级搜索+研究助理三合一。

　

作者｜付邦，Milvus 资深研发工程师　

不久前，OpenAI 的 Deep Research（深度研究）功能一经推出，迅速受到诸多关注，通过将大模型+超级搜索+研究助理的三合一，金融机构一键生成报告、一键生成科研综述成为可能。　

然而，Deep Research 月费高达 200 美元。此外，针对不同任务，各家大模型各有所长，只绑定其中一家最终效果往往并不理想。最重要的是，企业级场景中，真正有价值的数据，比如企业场景中的项目文档、研发的 CAD 图纸，多以非结构化形式储存在本地。　

　

那么，企业如何把本地数据与 Deep Research 结合，还能灵活地挑选适合自己的大模型？

近期，Zilliz 结合 DeepSeek 等主流开源模型，并在常见的 RAG 方案上做了重大升级，推出开源项目 Deep Searcher（https://github.com/zilliztech/deep-searcher），助力在企业级场景中私有化部署 Deep Research。仅推出两周时间，该项目已在 Github 上收获了 3.5k Star，成为备受关注的本地部署企业级 DeepResearch 方案。　

　

本文中，我们将以硅基流动 SiliconCloud + DeepSeek + DeepSearcher 为例，带来本地部署展示。　

1. 选型参考：硅基流动 SiliconCloud + DeepSeek + Milvus = DeepSearcher

本次复现中，我们会采用硅基流动 SiliconCloud + DeepSeek +Milvus 的方式来打造企业本地的 DeepSearcher，选型逻辑如下：　

硅基流动 SiliconCloud　

硅基流动的 SiliconCloud （https://cloud.siliconflow.cn）是一站式大型模型云服务平台，致力于为开发者提供致力于为开发者提供极速响应、价格亲民、品类齐全、稳定丝滑的大模型 API 服务。2025 年春节前后，在 DeepSeek 官方入口频繁被挤崩的背景下，硅基流动联合华为昇腾成为国内最早将 DeepSeek-R1 & V3 部署上线，并为每个注册用户提供了免费的 API Key及邀请奖励额度的平台。　

　

DeepSeek　

DeepSeek 是目前全球范围内最顶级的开源大模型企业，旗下 Deepseek R1、DeepSeek-V3 均处于全球领先水平，在内容生成方面，具备相当优势。

Milvus　

相较 OpenAI 的 DeepResearch，DeepSearcher 最大的优势在于可以接入本地数据与知识库，将企业的本地私有数据应用至复杂的研究任务中。使用开源的 Milvus 向量数据库，可以对企业的私有化数据进行更加高效管理，使得大模型可以更加准确有效地回答用户疑问。　

　

2. 实操教程

第一步：硅基流动 SiliconCloud 准备工作

1.注册硅基流动账号，访问 https://siliconflow.cn/ 进行注册　

2.创建 API Key，并保存以备后用（注意保密个人 API Key，若泄漏可删除重新生成）。

第二步：DeepSearcher 运行环境准备

1. 从 Github 上获取项目源码　

git clone https://github.com/zilliztech/deep-searcher.git

2. 为 DeepSearcher 创建虚拟 Python 环境，建议使用 Python3.10 以上版本，下面使用 Python 自带的 venv 创建虚拟环境，也可以根据自己熟悉的工具进行创建。　

　

cd deep-searcher
python3 -m venv .venv
source .venv/bin/activate

　

3.安装 DeepSearcher 及其依赖第三方库

pip install -e .

　

第三步：DeepSearcher 示例运行

1. 设置环境变量，以下以 Linux 为例，编辑用户目录下的 .bashrc，添加 SILICONFLOW_API_KEY 环境变量，其值设置为自己的 API Key。

export SILICONFLOW_API_KEY=sk-xxx

　

2.编辑 DeepSearcher 项目下的 examples 目录下的 basic_example.py 文件，设置硅基流动的 DeepSeek 服务。下面示例中设置的是 DeepSeek v3 的模型，也可以设置为 DeepSeek R1（即：deepseek-ai/DeepSeek-R1），更多模型选项可以参考其官方文档：https://docs.siliconflow.cn/cn/api-reference/chat-completions/chat-completions

config.set_provider_config("llm", "SiliconFlow", {"model": "deepseek-ai/DeepSeek-V3"})

3. 在运行前，这里简单介绍下这个示例。加载一个本地的 PDF，然后让大模型针对于这个 PDF 回答问题，当然你也可以通过同样的方式 load 更多 PDF。

# 确保你在该项目的根目录
python examples/basic_example.py

运行后，将会看到整个问题思考解答的部分流程，在最后会给出一个类似于下图的最终答案。　

这个示例最后也打印出了消耗的 Token 数目，同时也可以在硅基流动的 SiliconCloud 平台查看该次消耗的费用。运行这次示例消耗了 12224 Token 数目，费用为 0.0286 元。 

近期更新

• 硅基流动上线Pro版DeepSeek-R1 & V3

• 硅基流动助力华为小艺接入DeepSeek-R1
• 硅基流动支持DeepSeek-R1 & V3私有化部署
• 硅基流动上线DeepSeek-R1 & V3企业级服务
• 硅基流动x亚马逊云科技上架DeepSeek-R1/V3
• 硅基流动x华为云推出DeepSeek-R1&V3服务

让超级产品开发者实现“Token自由”

邀好友用SiliconCloud，狂送2000万Token/人

即刻体验DeepSeek-R1&V3
cloud.siliconflow.cn

扫码加入用户交流群

阅读原文

跳转微信打开