深度研究
利用深度网页搜索能力构建具备智能代理的研究工具
构建自动化研究代理，可搜索网页、抓取整页内容，并借助 LLM 整合研究发现。Firecrawl 负责发现来源并提取内容，因此你可以专注于分析，而不是解析 HTML。
这是当前推荐的深度研究工作流。它基于 Firecrawl Search 和 Scrape 构建。如果你正在维护旧版 v1 Deep Research API，请使用 v1 Deep Research endpoint，并计划迁移到基于 Search 的工作流。
从多个研究模板中进行选择。 克隆仓库、配置你的 API 密钥，即可开始研究。
构建强大的研究工具，将分散的网页数据转化为全面洞察。其核心模式是 search → scrape → analyze → repeat 循环：使用 Firecrawl 的 search API 发现相关来源，scrape 每个来源以获取完整内容，然后将结果输入 LLM，以综合分析结果并识别后续查询。
搜索信息源
使用 /search 端点查找与你的研究主题相关的页面。
from firecrawl import Firecrawl
firecrawl = Firecrawl(api_key="fc-YOUR-API-KEY")
results = firecrawl.search(
"recent advances in quantum computing",
limit=5,
scrape_options={"formats": ["markdown", "links"]}
)抓取已发现的页面
从每个结果中提取完整内容，以获取带引用的详细信息。
for result in results:
doc = firecrawl.scrape(result["url"], formats=["markdown"])
# 将 doc 内容输入 LLM 进行分析分析并迭代
使用 LLM 整合发现、识别缺口并生成后续查询。重复这一循环，直到你的研究问题得到完整解答。
构建自动化研究系统，跨全网发现、阅读并综合信息。打造可输出含完整引用的全面报告的工具，免去在数百个来源中手动检索。
降低遗漏关键信息的风险。构建能够沿引文链追溯、发现相关来源，并揭示传统搜索方法常常忽略的洞见的系统。
- 迭代式探索：构建可自动发现相关主题与来源的工具
- 多源融合：汇聚并整合来自数百个网站的信息
- 引用保真：在研究成果中保留完整的来源标注
- 智能摘要：提取用于分析的关键发现与洞见
- 趋势识别：从多来源中识别跨站模式
Was this page helpful?Suggest editsRaise issue