跳转到主内容

配置

config.py 文件使您能够根据自己的特定需求和偏好自定义 GPT Researcher。

感谢我们优秀的社区和贡献，GPT Researcher 支持多种大型语言模型（LLM）和检索器（Retriever）。此外，GPT Researcher 还可以根据各种报告格式（如 APA）、字数、研究迭代深度等进行定制。

GPT Researcher 默认使用我们推荐的集成套件：用于 LLM 调用的 OpenAI 和用于检索实时网络信息的 Tavily API。

如下所示，OpenAI 仍然是卓越的 LLM。我们认为这种情况会持续一段时间，并且价格只会继续下降，而性能和速度会随着时间的推移而增加。

默认的 config.py 文件可以在 /gpt_researcher/config/ 中找到。它支持各种选项以根据您的需求定制 GPT Researcher。您还可以通过在 config_file 参数中添加路径来包含自己的外部 JSON 文件 config.json。请关注 config.py 文件以获取未来的更多支持。

以下是当前支持的选项列表

  • RETRIEVER：用于检索来源的网络搜索引擎。默认为 tavily。选项：duckduckgo、bing、google、searchapi、serper、searx。在此处查看支持的检索器。
  • EMBEDDING：嵌入模型。默认为 openai:text-embedding-3-small。选项：ollama、huggingface、azure_openai、custom。
  • SIMILARITY_THRESHOLD：处理文档时用于相似性比较的阈值。默认为 0.42。
  • FAST_LLM：用于快速 LLM 操作（如摘要）的模型名称。默认为 openai:gpt-4o-mini。
  • SMART_LLM：用于智能操作（如生成研究报告和推理）的模型名称。默认为 openai:gpt-4.1。
  • STRATEGIC_LLM：用于战略操作（如生成研究计划和策略）的模型名称。默认为 openai:o4-mini。
  • LANGUAGE：最终研究报告使用的语言。默认为 english（英语）。
  • CURATE_SOURCES：是否为研究筛选来源。此步骤会增加一次 LLM 运行，可能会增加成本和总运行时间，但能提高来源选择的质量。默认为 False。
  • FAST_TOKEN_LIMIT：快速 LLM 响应的最大令牌限制。默认为 2000。
  • SMART_TOKEN_LIMIT：智能 LLM 响应的最大令牌限制。默认为 4000。
  • STRATEGIC_TOKEN_LIMIT：战略 LLM 响应的最大令牌限制。默认为 4000。
  • BROWSE_CHUNK_MAX_LENGTH：在网络来源中浏览的文本块的最大长度。默认为 8192。
  • SUMMARY_TOKEN_LIMIT：生成摘要的最大令牌限制。默认为 700。
  • TEMPERATURE：LLM 响应的采样温度，通常在 0 到 1 之间。较高的值会产生更多的随机性和创造性，而较低的值会产生更专注和确定性的响应。默认为 0.4。
  • USER_AGENT：用于网络爬取和网络请求的自定义用户代理字符串。
  • MAX_SEARCH_RESULTS_PER_QUERY：每次查询检索的最大搜索结果数。默认为 5。
  • MEMORY_BACKEND：用于内存操作的后端，例如临时数据的本地存储。默认为 local。
  • TOTAL_WORDS：用于文档生成或处理任务的总字数限制。默认为 1200。
  • REPORT_FORMAT：报告生成的首选格式。默认为 APA。可以考虑如 MLA、CMS、Harvard style、IEEE 等格式。
  • MAX_ITERATIONS：诸如查询扩展或搜索优化等过程的最大迭代次数。默认为 3。
  • AGENT_ROLE：代理的角色。此配置用于设置专门研究代理的行为。默认为 None。设置后，它会激活针对特定研究领域的角色特定提示和技术。
  • MAX_SUBTOPICS：要生成或考虑的最大子主题数。默认为 3。
  • SCRAPER：用于收集信息的网络爬虫。默认为 bs (BeautifulSoup)。您也可以使用 newspaper。
  • MAX_SCRAPER_WORKERS：每次研究的最大并发爬虫工作线程数。默认为 15。
  • REPORT_SOURCE：研究报告的数据来源。默认为 web，用于在线研究。可以设置为 doc，用于基于本地文档的研究。这决定了 GPT Researcher 从何处收集其主要信息。
  • DOC_PATH：读取和研究本地文档的路径。默认为 ./my-docs。
  • PROMPT_FAMILY：要使用的提示家族和提示格式。默认为针对 GPT 模型优化的提示。在 enum.py 中查看完整的选项列表。
  • LLM_KWARGS：在实例化 LLM 提供程序类时要传递给它的额外关键字参数的 Json 格式字典。这对于像 Ollama 这样允许额外关键字参数（如影响推理调用的 num_ctx）的客户端尤其有用。
  • EMBEDDING_KWARGS：在实例化嵌入提供程序类时要传递给它的额外关键字参数的 Json 格式字典。
  • DEEP_RESEARCH_BREADTH：控制深度研究的广度，定义要探索的并行路径数量。默认为 3。
  • DEEP_RESEARCH_DEPTH：控制深度研究的深度，定义要执行的顺序搜索次数。默认为 2。
  • DEEP_RESEARCH_CONCURRENCY：控制深度研究操作的并发级别。默认为 4。
  • REASONING_EFFORT：控制战略模型的推理力度。默认为 medium。

深度研究配置​

深度研究参数允许您微调 GPT Researcher 探索需要广泛知识收集的复杂主题的方式。这些参数共同决定了研究过程的彻底性和效率。

  • DEEP_RESEARCH_BREADTH：控制同时探索的并行研究路径数量。较高的值（例如 5）会使研究员在每一步调查更多样化的子主题，从而实现更广泛的覆盖，但可能对核心主题的关注度较低。默认值 3 在广度和深度之间提供了平衡的方法。

  • DEEP_RESEARCH_DEPTH：决定 GPT Researcher 为每个研究路径执行的顺序搜索迭代次数。较高的值（例如 3-4）允许跟踪引文并深入研究专业信息，但会大大增加研究时间。默认值 2 确保了合理的深度，同时保持了实际的完成时间。

  • DEEP_RESEARCH_CONCURRENCY：设置深度研究期间可以运行的并发操作数。较高的值可以加速在功能强大的系统上的研究过程，但可能会增加 API 速率限制问题或资源消耗。默认值 4 适用于大多数环境，但在资源更多的系统上可以增加，或者如果您遇到性能问题可以减少。

对于学术或高度专业化的研究，可以考虑增加广度和深度（例如，BREADTH=4, DEPTH=3）。对于快速的探索性研究，较低的值（例如，BREADTH=2, DEPTH=1）将提供更快的结果，但细节较少。

要更改默认配置，您可以简单地将环境变量添加到您的 .env 文件中，如上所述，或在您的本地项目目录中手动导出。

例如，要手动更改搜索引擎和报告格式

export RETRIEVER=bing
export REPORT_FORMAT=IEEE

请注意，您可能需要为其他受支持的搜索检索器和 LLM 提供程序导出额外的环境变量并获取 API 密钥。请关注您的控制台日志以获取进一步的帮助。要了解更多关于额外 LLM 支持的信息，您可以在这里查看文档。

您还可以通过在 config_file 参数中添加路径来包含您自己的外部 JSON 文件 config.json。