GPT Researcher 开源深度研究代理功能更新
决策简报
Brief- 发生了什么
- 开源项目 gpt-researcher 更新了自主深度研究代理，支持网页与本地文档研究、MCP 集成、Jev 智能上下文过滤及 AI 生成插图。
- 为什么重要
- OpenAI 相关结果会影响评测基准、技术路线和后续产品判断。
- 影响谁
- Claude · GPT · Gemini · MCP
- 建议动作
- 升级或复核变更版本
- 地区可用性
- 暂未验证地区可用性差异。
关键事实
- 开源项目 gpt-researcher 更新了自主深度研究代理，支持网页与本地文档研究、MCP 集成、Jev 智能上下文过滤及 AI 生成插图。 [src-skill-radar]
- 对使用 GPT Researcher 的开发者来说，新增的 Jev 上下文过滤在同等成本下将相关段落保留率从 46% 提升到 73%，且无密钥时自动回退到本地 BM25 关键词排序，无需嵌入模型即可运行。 [src-skill-radar]
由事件证据自动生成。
gpt-researcher 是一个开源深度研究代理，通过规划者与执行者代理将任务拆解为研究问题，并行抓取超过 20 个来源，生成带引用的 2000 字以上报告。本次更新引入 Jev 上下文过滤：在 28 个研究任务基准中，Jev 保留段落的相关率为 73%，高于嵌入方案的 46%，过滤耗时 1.7 秒，单份报告成本约 0.115 美元。未设置 TYPESAFE_API_KEY 时自动回退到本地 BM25 关键词排序，无需 API 密钥或嵌入模型。此外新增 MCP 客户端集成，可通过 RETRIEVER=tavily,mcp 同时检索网页与 GitHub 等专用数据源；支持 Google Gemini 生成报告内嵌插图；深度研究模式每次约 5 分钟、成本约 0.4 美元。 对使用 GPT Researcher 的研究团队和开发者，无密钥即可跑本地关键词过滤降低了接入门槛，混合 MCP 检索让内部数据库与代码仓库也能纳入研究范围。对需要长报告的用户，Jev 过滤在不增加成本的前提下减少噪声，但不过滤时报告覆盖面更广、成本高出 65%。
摘要依据：已读全文详摘依据上方标注的来源范围整理，内容以原文为准。
来源
- Skill Radar（GitHub 趋势）
Trending hands-on MCP servers, agent skills, and AI-coding tools discovered from GitHub search momentum.
- GitHub：assafelovic/gpt-researcher
留言
登入后即可留言，和其他 builder 交换实测心得。
还没有留言，抢头香。