Canfly Avrora DeepResearch

Система глубокого исследования и анализа информации с использованием искусственного интеллекта.

Описание

Canfly Avrora DeepResearch - это мощный инструмент для проведения глубоких исследований по заданным темам. Система использует комбинацию веб-скрапинга, анализа данных и генеративного ИИ для создания подробных аналитических отчетов.

Основные возможности

• 🔍 Автоматический поиск и сбор информации из различных источников
• 🤖 Генерация поисковых запросов с помощью ИИ
• 📊 Анализ и структурирование собранной информации
• 📝 Создание подробных аналитических отчетов в формате Markdown
• 🔄 Итеративное углубление исследования
• 📈 Масштабируемая архитектура

Установка

1. Клонируйте репозиторий:

git clone https://github.com/yourusername/canfly-avrora-deepresearch.git
cd canfly-avrora-deepresearch

2. Создайте виртуальное окружение и активируйте его:

python -m venv venv
source venv/bin/activate  # для Linux/Mac
# или
venv\Scripts\activate  # для Windows

3. Установите зависимости:

pip install -r requirements.txt

4. Создайте файл .env и добавьте необходимые переменные окружения:

GOOGLE_API_KEY=your_api_key_here

Использование

Запуск сервера

uvicorn main:app --reload --host 0.0.0.0 --port 8000

API Endpoints

POST /research

Запускает исследование по заданному запросу.

Параметры запроса:

{
    "query": "Ваш исследовательский запрос",
    "depth": 2,  // Глубина исследования (количество итераций)
    "breadth": 3  // Ширина исследования (количество параллельных направлений)
}

Пример использования

import requests

response = requests.post(
    "http://localhost:8000/research",
    json={
        "query": "Каковы основные преимущества использования Rust?",
        "depth": 2,
        "breadth": 3
    }
)

print(response.json())

Структура проекта

canfly-avrora-deepresearch/
├── main.py              # Основной файл приложения
├── research_logic.py    # Логика исследования
├── utils/
│   ├── search.py       # Модуль поиска
│   ├── scraper.py      # Модуль скрапинга
│   └── llm.py          # Модуль работы с ИИ
├── results/            # Директория для результатов
├── requirements.txt    # Зависимости проекта
└── README.md          # Документация

Особенности реализации

Поиск информации

• Использование DuckDuckGo API для поиска
• Умная генерация поисковых запросов
• Обработка ограничений API (rate limiting)

Анализ данных

• Извлечение ключевой информации
• Структурирование данных
• Выявление связей и закономерностей

Генерация отчетов

• Форматирование в Markdown
• Структурированные разделы
• Автоматическое добавление источников

Ограничения

• Rate limiting при поиске
• Ограничения на размер обрабатываемого текста
• Зависимость от доступности внешних API

Разработка

Добавление новых функций

1. Создайте новую ветку
2. Внесите изменения
3. Добавьте тесты
4. Создайте pull request

Тестирование

pytest tests/

Лицензия

Copyright (c) 2005-2025 Canfly | культура твоего сознания

Поддержка

При возникновении проблем или вопросов создавайте issue в репозитории проекта.