在dify中使用Deep Researcher

📖 概述

本工作流基于Dify平台构建，复现了Deep Research的核心功能。通过整合本地知识库和Web搜索的多源检索以及多模型协同，能够在5分钟内生成万字级的结构化研究报告。系统采用模块化设计，底层模型和数据源可以灵活替换。

✨ 核心功能

• 智能主题解析 支持使用Gemini 2.0 Flash模型的四维深度分析的多层级主题分解功能
• 混合搜索引擎 来自本地知识库和维基百科/Google/Bing API的多通道检索
• 动态节奏控制 采用2>1模型协作架构，通过条件分支和对话轮次标签优化处理节奏
• 高效报告生成 集成deepseek-r1-distill等模型的段落级内容生成功能，支持Markdown格式的结构化输出

🛠️ 技术架构

graph TD
    A[用户的问题] --> B{主题解析}
    B --> F[问题生成]
    F --> H[用户回答]
    H --> C
    B --> I[主题分析]
    I --> C{二次主题提取}
    C --> D[混合迭代搜索引擎]
    D --> E[多模型协同生成]
    E --> G[结构化报告]

    style B fill:#4CAF50,stroke:#388E3C
    style D fill:#2196F3,stroke:#1565C0

⚠️ 注意事项

性能优化建议

原则上工作流支持所有模型，但在高请求负载下使用本地模型可能会导致LLM节点出现超时错误。在这种情况下，可以考虑切换到云API服务或在Dify的配置文件中调整超时时间。对于免费Google API用户，可以插入本地模型节点来限制RPM（每分钟请求数）（Google默认限制为15 RPM，短时间内发送大量请求会导致错误）。

To Do List

·优化处理流程逻辑，调整RPM和处理时间的权衡 ·修复回答中偶然出现多个副标题的问题 ·对工作流进行大规模重构，实现适应用户问题复杂度的问答系统

许可证

LGPL3.0 许可证