Zilliz宣布推出DeepSearcher，这是一款基于开源技术的研究代理，能够在本地端执行并支援向量资料库Milvus，提供更灵活且可自订的深度研究解决方案。相较于先前Zilliz公开的简易原型，DeepSearcher进一步强化了查询路由（Query Router）、条件执行流程与网页爬虫功能，并採用Python函式库与命令列工具形式，摆脱了Jupyter Notebook限制，使其更易于整合到现有系统中。

Zilliz是开源向量资料库Milvus的主要开发公司，该公司于2020年将Milvus捐赠给Linux基金会旗下的AI&Data专案。

不少企业与开源社群都在尝试重现类似OpenAI Deep Research的研究代理，例如Perplexity Deep Research及Hugging Face Open Deep Research，这些工具的核心目标都是透过语言模型推理自动化研究过程，将问题拆解为多层次查询，逐步收集、分析并彙整成具结构化的报告。

DeepSearche在这方面则额外强化了查询决策能力，透过语言模型驱动查询路由机制，自动判断适合的资料来源，并决定是否需要进一步检索。

在架构设计上，DeepSearcher延续了Zilliz先前的研究代理概念，但提升了灵活性。研究过程大致可分为四个阶段，定义与拆解问题、资料搜寻与分析、反思与条件重複，最后是总结与报告生成。相较于一般搜寻或资讯检索系统，DeepSearcher透过条件执行流程，让人工智慧能够根据先前的搜寻结果，决定是否进行额外搜寻，并在特定条件下重複研究步骤，确保结果的完整性。

官方以研究《辛普森家庭》演变历史为例，DeepSearcher除了最初的查询拆解外，人工智慧进一步判断需要补充有关製作团队变迁、社会文化影响及媒体环境变化的资讯，并自动发起新的搜寻请求，使报告内容更全面。

DeepSearcher仍是正在持续发展的专案，支援本地与云端推理模式，并可搭配OpenAI、Gemini、DeepSeek等不同的语言模型使用。目前DeepSearcher的原始码已经开放，使用者可以在GitHub上下载并试用。