拓冰网站定制 
如何用 UltraRAG DeepResearch 自动生成调研报告一篇零基础实战指南【免费下载链接】UltraRAGA Low-Code MCP Framework for Building Complex and Innovative RAG Pipelines项目地址: https://gitcode.com/GitHub_Trending/ul/UltraRAG要写一份调研综述最耗时的往往不是动笔而是在几十个资料源之间来回切换、拼凑线索。UltraRAG DeepResearch 把这件事变成了一条自动化流水线你输入主题它自己拆解研究计划、逐条检索、按页填充内容最后拼出一份完整报告。整个流程用一份 YAML 文件编排配合本地 UI 即可运行适合想做学术调研、行业梳理或竞品分析的读者。一、环境准备装好环境并跑通验证 项目提供两种装法本地源码安装推荐用uv管理依赖和 Docker 容器部署。前者灵活、方便二次开发后者一条命令起服务适合只想快速体验的人。这里按本地安装走。git clone https://gitcode.com/GitHub_Trending/ul/UltraRAG cd UltraRAG pip install uv0.12.0 uv sync --all-extras source .venv/bin/activate ultrarag run examples/experiments/sayhello.yaml--all-extras会装齐检索、生成、评测等全部模块终端若输出Hello, UltraRAG v3!说明环境已就绪。Docker 方式则是拉取镜像后docker run -p 5050:5050启动浏览器访问http://localhost:5050即可。二、上手第一次生成调研报告 装好之后按下面三步走第一次就能拿到一份完整的调研报告。启动本地 UIultrarag show ui --host 127.0.0.1 --port 5050打开http://127.0.0.1:5050你会看到聊天界面、知识库管理和 pipeline 编排画板。选一份现成的 DeepResearch 流水线仓库里已备好 examples/demos/LightResearch.yaml它就是轻量版 DeepResearch先出计划再循环检查→检索→填页最后汇总答案。核心结构长这样- prompt.webnote_gen_plan - generation.generate # 产出研究计划 plan_ls - loop: times: 10 steps: - branch: router: - router.webnote_check_page branches: incomplete: [...] # 生成子问题→检索→填页 complete: [] - prompt.webnote_gen_answer[...]部分在完整文件里展开包含子问题生成、检索、页面填充等步骤本文不再赘述。输入主题等报告出来在 UI 里创建会话、选中 LightResearch 流水线输入研究主题后开始运行。跑完后你会得到一份真实产出报告包含研究计划plan_ls、逐页正文page_ls、中间检索到的段落psg_ls以及由webnote_gen_answer汇总出的最终答案。对照这份报告再翻回 YAML 里的变量名每一步产出了什么就一目了然。三、幕后报告是怎么一步步拼出来的先看图理解整体分工每个模块都是一个独立的 MCP 服务YAML 开头的servers:映射把功能拆成独立服务检索在retriever/生成在generation/模板在prompt/流程判断在router/。数据流是线性的——prompt.webnote_gen_plan把模板和当前主题拼成提示词generation.generate把模型输出写进变量plan_ls下游步骤直接读这个变量继续干活。循环和分支负责边查边写报告不是模型一口气写完的。每一轮循环里router.webnote_check_page先判断页面是否写全不够就走incomplete分支依次生成子问题、检索段落、把段落填进页面够了就走complete分支直接结束。最多跑times: 10轮避免死循环。Prompt 模板决定报告骨架五个模板串起整条流水线prompt/webnote_gen_plan.jinja 负责拆计划webnote_init_page.jinja初始化页面webnote_gen_subq.jinja生成子问题webnote_fill_page.jinja填充正文webnote_gen_answer.jinja汇总答案。它们都由servers/prompt/统一管理。四、调优跑通之后可以改的 3 件事改报告风格和结构直接编辑prompt/webnote_gen_plan.jinja、prompt/webnote_fill_page.jinja等模板控制计划怎么拆、页面怎么填。调整检索策略在 servers/retriever/parameter.yaml 里换检索后端FAISS、Milvus、Qdrant、BM25 或网络搜索和参数。换生成模型在servers/generation/parameter.yaml里指定不同的 LLM本地 vLLM 或外部 API 都行。五、避坑最容易卡住的几个问题装完ultrarag命令不识别忘了激活虚拟环境。先执行source .venv/bin/activateWindows 用.venv\Scripts\activate.bat再跑命令。核心装完检索或评测模块报错缺依赖uv sync默认只装核心依赖要跑检索、生成、评测用uv sync --all-extras或按需uv sync --extra retriever。DeepResearch 跑得很久是不是卡死了不是。流水线每轮都要经过模型生成 检索 模型写作最多循环 10 轮总耗时与模型调用次数成正比耐心等完即可。UltraRAG 把计划—检索—写作的调研流程变成了一份可编排、可逐行调试的 YAML新手也能跑出自己的 DeepResearch 流水线。更多说明可看 docs/README_zh.md想参与共建可参考 docs/CONTRIBUTING.md。【免费下载链接】UltraRAGA Low-Code MCP Framework for Building Complex and Innovative RAG Pipelines项目地址: https://gitcode.com/GitHub_Trending/ul/UltraRAG创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 如何用 UltraRAG DeepResearch 自动生成调研报告：一篇零基础实战指南
如何用 UltraRAG DeepResearch 自动生成调研报告一篇零基础实战指南【免费下载链接】UltraRAGA Low-Code MCP Framework for Building Complex and Innovative RAG Pipelines项目地址: https://gitcode.com/GitHub_Trending/ul/UltraRAG要写一份调研综述最耗时的往往不是动笔而是在几十个资料源之间来回切换、拼凑线索。UltraRAG DeepResearch 把这件事变成了一条自动化流水线你输入主题它自己拆解研究计划、逐条检索、按页填充内容最后拼出一份完整报告。整个流程用一份 YAML 文件编排配合本地 UI 即可运行适合想做学术调研、行业梳理或竞品分析的读者。一、环境准备装好环境并跑通验证 项目提供两种装法本地源码安装推荐用uv管理依赖和 Docker 容器部署。前者灵活、方便二次开发后者一条命令起服务适合只想快速体验的人。这里按本地安装走。git clone https://gitcode.com/GitHub_Trending/ul/UltraRAG cd UltraRAG pip install uv0.12.0 uv sync --all-extras source .venv/bin/activate ultrarag run examples/experiments/sayhello.yaml--all-extras会装齐检索、生成、评测等全部模块终端若输出Hello, UltraRAG v3!说明环境已就绪。Docker 方式则是拉取镜像后docker run -p 5050:5050启动浏览器访问http://localhost:5050即可。二、上手第一次生成调研报告 装好之后按下面三步走第一次就能拿到一份完整的调研报告。启动本地 UIultrarag show ui --host 127.0.0.1 --port 5050打开http://127.0.0.1:5050你会看到聊天界面、知识库管理和 pipeline 编排画板。选一份现成的 DeepResearch 流水线仓库里已备好 examples/demos/LightResearch.yaml它就是轻量版 DeepResearch先出计划再循环检查→检索→填页最后汇总答案。核心结构长这样- prompt.webnote_gen_plan - generation.generate # 产出研究计划 plan_ls - loop: times: 10 steps: - branch: router: - router.webnote_check_page branches: incomplete: [...] # 生成子问题→检索→填页 complete: [] - prompt.webnote_gen_answer[...]部分在完整文件里展开包含子问题生成、检索、页面填充等步骤本文不再赘述。输入主题等报告出来在 UI 里创建会话、选中 LightResearch 流水线输入研究主题后开始运行。跑完后你会得到一份真实产出报告包含研究计划plan_ls、逐页正文page_ls、中间检索到的段落psg_ls以及由webnote_gen_answer汇总出的最终答案。对照这份报告再翻回 YAML 里的变量名每一步产出了什么就一目了然。三、幕后报告是怎么一步步拼出来的先看图理解整体分工每个模块都是一个独立的 MCP 服务YAML 开头的servers:映射把功能拆成独立服务检索在retriever/生成在generation/模板在prompt/流程判断在router/。数据流是线性的——prompt.webnote_gen_plan把模板和当前主题拼成提示词generation.generate把模型输出写进变量plan_ls下游步骤直接读这个变量继续干活。循环和分支负责边查边写报告不是模型一口气写完的。每一轮循环里router.webnote_check_page先判断页面是否写全不够就走incomplete分支依次生成子问题、检索段落、把段落填进页面够了就走complete分支直接结束。最多跑times: 10轮避免死循环。Prompt 模板决定报告骨架五个模板串起整条流水线prompt/webnote_gen_plan.jinja 负责拆计划webnote_init_page.jinja初始化页面webnote_gen_subq.jinja生成子问题webnote_fill_page.jinja填充正文webnote_gen_answer.jinja汇总答案。它们都由servers/prompt/统一管理。四、调优跑通之后可以改的 3 件事改报告风格和结构直接编辑prompt/webnote_gen_plan.jinja、prompt/webnote_fill_page.jinja等模板控制计划怎么拆、页面怎么填。调整检索策略在 servers/retriever/parameter.yaml 里换检索后端FAISS、Milvus、Qdrant、BM25 或网络搜索和参数。换生成模型在servers/generation/parameter.yaml里指定不同的 LLM本地 vLLM 或外部 API 都行。五、避坑最容易卡住的几个问题装完ultrarag命令不识别忘了激活虚拟环境。先执行source .venv/bin/activateWindows 用.venv\Scripts\activate.bat再跑命令。核心装完检索或评测模块报错缺依赖uv sync默认只装核心依赖要跑检索、生成、评测用uv sync --all-extras或按需uv sync --extra retriever。DeepResearch 跑得很久是不是卡死了不是。流水线每轮都要经过模型生成 检索 模型写作最多循环 10 轮总耗时与模型调用次数成正比耐心等完即可。UltraRAG 把计划—检索—写作的调研流程变成了一份可编排、可逐行调试的 YAML新手也能跑出自己的 DeepResearch 流水线。更多说明可看 docs/README_zh.md想参与共建可参考 docs/CONTRIBUTING.md。【免费下载链接】UltraRAGA Low-Code MCP Framework for Building Complex and Innovative RAG Pipelines项目地址: https://gitcode.com/GitHub_Trending/ul/UltraRAG创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考