n8n深度研究AI助手工作流 - 复现OpenAI DeepResearch功能
n8n工作流,AI研究助手,深度研究,OpenAI DeepResearch,自动化研究,Notion集成,AI智能体

此模板试图复现OpenAI的DeepResearch功能，该功能目前仅向其专业订阅用户开放。

一个使用推理能力来综合大量在线信息并为您完成多步骤研究任务的智能体。

虽然DeepResearch的内部工作原理尚未公开，但据推测该功能依赖于深度搜索网络、抓取网页内容和调用推理模型生成报告的能力。所有这些n8n都非常擅长！

使用此工作流，n8n用户可以以更低的成本为自己和团队享受Deep Research体验。更好的是，可以学习和自定义此Deep Research模板以满足其业务和/或组织的需求。

工作原理
首先使用表单捕获用户的研究查询以及希望研究人员深入研究的程度。
提交后，创建一个空白的Notion页面，稍后将保存最终报告，研究人员开始工作。
用户的查询经过一系列递归的网络搜索和网页抓取，收集研究主题的数据以生成部分学习成果。
完成后，所有学习成果被合并并交给推理LLM生成最终报告。
然后将报告写入之前创建的占位符Notion页面。
如何使用
复制此Notion数据库模板，并确保所有Notion相关节点指向它。
注册APIFY.com API密钥以获取网络搜索和抓取服务。
确保您可以访问OpenAI的o3-mini模型。或者，可以将其替换为o1系列。
您必须发布此工作流并确保表单URL可公开访问。
关于深度和广度配置
对于更详细的报告，增加深度和广度，但请注意工作流将花费指数级更长的时间和成本来完成。推荐的默认值通常足够好。

深度=1 & 广度=2 – 大约需要5-10分钟。
深度=1 & 广度=3 – 大约需要15-20分钟。
深度=3 & 广度=5 – 大约需要2小时以上！
自定义此工作流
我特意选择不使用像Firecrawl这样的AI驱动的抓取器，因为我觉得这些成本相当高，配额会很快耗尽。但是，请随意切换适合您环境的网络搜索和抓取服务。
也许您决定不从网络获取数据，而是从内部文档中收集数据。此模板为您提供了更改的自由。
尝试不同的推理/思考模型，如Deepseek和Google的Gemini 2.0。
最后，LLM提示肯定可以改进。优化它们以适合您的用例。
致谢
此模板主要基于David Zhang (dzhng)的工作及其Deep Research的开源实现：https://github.com/dzhng/deep-research

声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。