Deep Researcher
数分で構造化された研究レポートを生成するマルチモデル協調ワークフロー
⬇️ 読む前に試してみてください
📖 概要
Deep Researcherは、Difyプラットフォーム上に構築されたワークフローで、Deep Researchの核心機能を再現しています。マルチソース検索（ローカルナレッジベース+ウェブ検索）とマルチモデル協調を統合することで、5分以内に数万語の構造化された研究レポートを生成できます。システムはモジュール化設計を採用し、基礎モデルとデータソースの柔軟な置き換えをサポートしています。
✨ 主な機能
インテリジェントなトピック分析
Gemini 2.0 Flashモデルを使用した多層トピック分解、4次元の詳細分析をサポート
ハイブリッド検索エンジン
ローカルナレッジベース + Wikipedia/Google/Bing API マルチチャネル検索
動的リズム制御
2>1モデルカスケードアーキテクチャを採用し、条件分岐と対話ラウンドマーカーを通じて処理リズムを最適化
効率的なレポート生成
deepseek-r1-distillなどのモデルを統合し、段落レベルのコンテンツ生成を実現、Markdown構造化出力をサポート
🛠️ 技術アーキテクチャ
ワークフローは以下のアーキテクチャを採用しています：
⚠️ 注意事項
パフォーマンス最適化の提案
原則として、ワークフローはどのモデルもサポートしています。ローカルモデルの使用時にリクエスト圧力が高い場合、LLMノードのTimepouterrorがトリガーされる可能性があります。オンラインAPIサービスに切り替えるか、Dify設定ファイルでタイムアウト時間を変更することを検討できます。
Google無料APIユーザーの場合、ローカルモデルノードを挿入してRPMを制限できます（Googleのデフォルトレート制限は15RPMで、短時間に多くのリクエストがあるとエラーが報告されます）
