#deep-research Repositories
Entdecke 40 aktive Open-Source-GitHub-Repositories, die mit #deep-research getaggt sind und insgesamt 345,708 Sterne gesammelt haben (durchschnittlich 8,642 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist bytedance/deer-flow mit 85,571 Sternen.
Insgesamt 40 Repositories
Ein Open-Source-Langhorizont-SuperAgent-Harness, der recherchiert, codiert und erstellt. Mit Hilfe von Sandboxes, Erinnerungen, Tools, Fähigkeiten, Subagenten und Message-Gateway bearbeitet er verschiedene Aufgabenebenen, die Minuten bis Stunden dauern können.
KI-Agenten-Fähigkeit, die jedes Thema auf Reddit, X, YouTube, HN, Polymarket und im Web recherchiert – und dann eine fundierte Zusammenfassung synthetisiert
Wei Yu: Ein Multi-Agent-Assistent zur Analyse der öffentlichen Meinung für jedermann, bricht Informationsblasen auf, stellt den ursprünglichen Zustand der öffentlichen Meinung wieder her, prognostiziert zukünftige Trends und unterstützt die Entscheidungsfindung! Von Grund auf neu implementiert, ohne Abhängigkeit von Frameworks.
Ein LLM-gestütztes Wissenskurationssystem, das ein Thema recherchiert und einen vollständigen Bericht mit Referenzen erstellt.
~95% bei SimpleQA (z.B. Qwen3.6-27B auf einer 3090). Unterstützt alle lokalen und Cloud-LLMs (llama.cpp, Ollama, Google, ...). 10+ Suchmaschinen - arXiv, PubMed, Ihre privaten Dokumente. Alles lokal & verschlüsselt.
MiroThinker ist ein tiefer Forschungsagent, optimiert für komplexe Forschungs- und Vorhersaufgaben. Unsere neuesten Modelle, MiroThinker-1.7, erreichen 74,0 und 75,3 auf BrowseComp und BrowseComp Zh respektive.
Open-Source Deep-Research-Alternative zu Reason und Search auf privaten Daten. Geschrieben in Python.
Verwandle Claude Code oder Codex in den intelligentesten Deep-Research-Agenten. Sammle, durchsuche und fasse Webrecherchen in einem dauerhaften, durchsuchbaren Wiki zusammen, das sich kontinuierlich weiterentwickelt. Gehostete API + MCP: hyperresearch.ai
DeepAnalyze ist das erste agentische LLM für autonome Datenwissenschaft. 🎈 Ihr KI-Datenanalyst, der automatisch große Datenmengen analysiert und professionelle Analyseberichte mit einem Klick erstellt!
Verwenden Sie beliebige LLMs (Large Language Models) für Deep Research. Unterstützt SSE API und MCP-Server.
MS-Agent: ein leichtgewichtiges Framework zur Ermöglichung der agentiven Ausführung komplexer Aufgaben
Die Open-Source-Kontextschicht für KI-Agenten und KI-Suche in Unternehmen. Berechtigungsbewusste Suche und Antworten mit Quellenangaben über mehr als 30 Quellen hinweg, darunter Slack, Drive, Jira, GitHub und Microsoft 365 – für Menschen und Agenten über MCP, SDKs und integrierte Agenten. Selbst gehostet oder in der Cloud.
Eine native macOS-App, mit der Benutzer mit einem lokalen LLM chatten können, das ohne Installation weiterer Software mit Informationen aus Dateien, Ordnern und Websites auf Ihrem Mac antworten kann. Angetrieben von llama.cpp.
🏆 Top-1 auf 5+ Benchmarks | Web UI | Unterstützt MiroThinker, Claude, Kimi, OpenAI
Professionelles KI-Recherchetool für Zotero: Chatten Sie mit PDFs, durchsuchen Sie Ihre gesamte Bibliothek, Literatur-Radar und Autopilot. Über 30 LLMs oder lokale Modelle; integrierter MCP-Server. Chatten Sie auf dem iPhone mit Ihrem Zotero für unterwegs → https://www.docsagent.app
KI-Agent für gründliche Recherche, der jede Frage in einen quellenbelegten Bericht verwandelt: Er plant Suchvorgänge, liest echte Quellen und überprüft Belege. Selbst hostbar, multi-provider-fähig und Docker-bereit.
Ein Recherche-Skill zum chinesischsprachigen Internet für KI-Agenten: Durchsucht Diskussionen der letzten 30 Tage auf acht großen Plattformen, verfolgt plattformübergreifende Trends, erstellt Berichte mit Originalquellen und liefert täglich eine plattformübergreifende Rangliste aktueller Trends. Unterstützt Claude Code, Codex und OpenClaw.
TrustRAG: Das RAG-Framework mit zuverlässiger Eingabe, vertrauenswürdiger Ausgabe
OpenResearcher: Eine vollständig offene Pipeline für die Synthese langfristiger Deep-Research-Trajektorien
Open-Source- und selbst gehostete Browser-Automatisierungsbibliothek für KI-Agenten
Schema-Guided Reasoning (SGR) verfügt über ein agentisches Systemdesign, das von der NeuralDeep-Community entwickelt wurde.
Open-Source, selbstgehostetes Claude Code – ein Terminal-KI-Assistent und das dahinterstehende Python-Framework. Tool-Calling, Sandbox-Ausführung, Multi-Agenten-Teams, Skills, Checkpoints, unbegrenzter Kontext – auf Basis von Pydantic AI, für jedes Modell.
🎨 Open-Source-KI-Folienstudio in Codex: bildnative Präsentationen, jede Folie eine vollständige visuelle Leinwand. ⚡ 10+ hochwertige Folien in ~4–5 Minuten — Der schnelle Modus rendert jede Seite parallel. 🔍 Sehen Sie sich die gesamte Kette live an: Recherche → Gliederung → Stil → Rendern → Bearbeiten → Präsentieren → Exportieren als PDF/PPTX. 🖥️ Browser-zuerst · null API-Schlüssel · dauerhafte Projekte.
Tiefgehender Rechercheagent, der Ihnen hilft, die besten GitHub-Repositorys zu finden 🕵️!
[ACL 2026 KnowFM] Großartige Ressourcen für agentenbasierte Deep Research
Ein KI-Tool mit mehreren Agenten, das Forschungsarbeiten in zitierte Bewertungen zur Kommerzialisierung und zum Technologietransfer umwandelt und dabei TRL, Patentlandschaft, Märkte und Risiken abdeckt. Entwickelt mit CrewAI + FastAPI und mit einem reproduzierbaren Benchmark.
Eine Implementierung von iterativem Deep Research unter Verwendung des OpenAI Agents SDK
13 kuratierte Agent-Fähigkeiten für Recherche, Produktentscheidungen, Präsentationen, Veröffentlichung, Audits und mehr – übertragbar zwischen fähigkeitskompatiblen Agenten.
Skill zur professionellen Erstellung von Deep-Research-Berichten – ein Befehl, zehn Minuten, Deep-Research-Bericht auf Broker-Niveau
Dynamische Workflows im Stil von Claude Code für Pi: Code-Modus-Subagenten mit echtem Modell-Routing, protokolliertem Fortsetzen, Isolation über git worktree, Kostenabrechnung, einer interaktiven /workflows-TUI, einer dauerhaft aktivierbaren optionalen /ultracode-Funktion und gründlicher Recherche.
Dieses Buch befasst sich mit DeerFlow 2.0 und erklärt systematisch, von der Theorie bis zum Quellcode, wie eine Weiterentwicklung durchgeführt wird. (Sorgfältig lektoriert)
Offizieller Code für OpenVLHarness: Tool-Nutzung visueller Agenten in der realen Welt mit multimodalem Gedächtnis
Ein Skill für KI-Agenten: Durchsuchen Sie das Web mit SearXNG, surfen Sie mit Camofox, umgehen Sie Schutzmechanismen mit CloakBrowser. Konzeptionsbedingt halluzinationsfrei. Selbst gehostet, kostenlos, unbegrenzt.
Praxis-Workshop: Erstellen Sie ein Multi-Agenten-KI-System von Grund auf — Deep-Research-Agent + Schreib-Workflow, bereitgestellt als MCP-Server. Enthält Code, Folien und Video
Gib einer KI eine Forschungsrichtung vor: Sie übernimmt selbst die Literaturauswertung, die Validierung von Forschungslücken, die Hypothesenbildung und die Versuchsplanung. 267 Markdown-Skills bilden einen Forschungsgraphen: 51 Vorgänge aus 216 atomaren Schritten, in beliebiger Reihenfolge und mit explizitem Zurückspringen; der Plan wird vor der Ausführung genehmigt, und unterbrochene Ausführungen lassen sich fortsetzen. Installation per npx, keine Laufzeitumgebung und kein API-Schlüssel erforderlich.
Häufig gestellte Fragen
Welches ist das beliebteste #deep-research-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#deep-research-Projekt auf GitHub ist bytedance/deer-flow mit 85,571 Sternen. Ein Open-Source-Langhorizont-SuperAgent-Harness, der recherchiert, codiert und erstellt. Mit Hilfe von Sandboxes, Erinnerungen, Tools, Fähigkeiten, Subagenten und Message-Gateway bearbeitet er verschiedene Aufgabenebenen, die Minuten bis Stunden dauern können.
Welche Programmiersprachen werden in #deep-research-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #deep-research-Projekten auf GitHub sind Python, JavaScript, TypeScript, Swift die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #deep-research-Repositories berechnet?
Wir verfolgen 40 aktive Open-Source-Repositories, die mit #deep-research getaggt sind (500+ Sterne), mit insgesamt 345,708 Sternen und durchschnittlich 8,642 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.