
Eko:Deep Research 开源版上线!清华复旦斯坦福联手让Agent接管电脑帮你工作
Eko作为一个开源的自动化搜索和报告生成工具,为我们提供了一个免费且强大的Deep Research替代方案。它不仅能帮助我们自动完成信息搜索、整理和报告生成,还支持自定义工作流程,让日常工作效率得到显著提升。无论是学生需要完成实习报告,还是职场人士需要进行市场调研,又或是投资者需要分析金融数据,Eko都能够成为得力助手。通过简单的配置和一键操作,就能完成过去需要耗费大量时间和精力的工作。
还在为公文写作、工作总结发愁?
还在支付和使用高昂的付费搜索API?
想用OpenAI最近推出的Deep Research又觉花200美元/月太贵太不划算?!
现在,你可以使用一个免费的开源替代方案!Eko
Eko是Deep Search开源版,支持无限深度搜索,自动生成报告,让信息搜索和总结变得更简单高效。
视频演示如下:
简要的视频内容步骤:点击Eko插件,输入你想完成的命令。在命令中你只需可说明如何生成报告的大纲与内容,规定以何种方式来润色语言,甚至可以指定专门的页面来搜索,让生成的报告更加精准的符合你的需求。
点击运行(run),Eko会自动在浏览器上完成阅读/搜索资料的过程,并且可以随时打开相应的标签页快速的收集和整理信息。与此同时,你还可以使用 hook 来观测 Eko 的执行,整体的运行完全可控。
当整个搜索过程完成后,Eko会自动生成实习报告,点击下载就可以阅读报告的完整版了!
以下是Eko可以自动一键生成实习报告的完整例子!
“你是一名中国的财务管理专业的大三实习生,你是财务管理专业,在乌拉特中旗新兴隆农牧专业合作社实习,实习岗位是财务会计,请用专业、真诚、感情丰富的语气进行写作,完成一篇1000字的中文岗位实践心得体会。请按照以下流程完成任务:
一、根据用户输入生成大纲。
二、生成章节内容:
1. 用大纲扩展生成各章节的段落,使用中文,每章节不少于3句话,并使用第一人称。
2. 正文必须有这个专业的具体操作细节来充实观点。
3. 请引经据典的来表达观点。
三、润色文章:
1. 删除小标题和序号,将零散的句子合并为段落,每段不少于三句话
2. 润色文章使文本更具有人类风格,风格参考网络上的实习新的。
3. 确保全文约为1000字,若超出则删减,若不足则适当增添内容。
四、导出为txt文件
输入面的指令Eko就可以自动完视频中生成的一份近 1000字的实习报告!
案例:DeepSeek最新信息收集整理
我们再看一下Eko搜索时下热门的deepseek的最新相关信息,我们让Eko进行全网的搜索并形成专业的调研报告,来节约你的时间成本。
雅虎财经分析可视化报告
对于从事财经行业的人士,你还可以让 Eko 自动在雅虎财经上收集纳斯达克的最新数据,包括主要股票的价格变化、市值、交易量,分析数据并生成可视化报告:
Eko彻底解决了你的双手,你不再需要手动打开多个网页,通过简单的一键操作,就能获取并总结信息,最后通过强大的AI生成易于导出的报告。是不是很激动?
这个框架是什么来头呢,为什么竟然在不到一个月突破了2k star!
Eko框架核心技术
这项演技的核心技术创新有三点:
- 混合智能体表示:提出了“Mixed Agentic representation”,通过无缝结合表达高层次设计的自然语言(Natural Language)与开发者低层次实现的程序语言(Programming Language)。
- 跨平台 Agent 框架:提出环境感知架构,实现同一套框架和编程语言,同时支持浏览器使用、电脑使用、作为浏览器插件使用。
- 生产级干预机制:现有 Agent 框架普遍强调自治性(Autonomous),即无需人类干预,而Eko框架提供了显性的生产级干预机制,确保智能体工作流可以随时被中断和调整,从而保障人类对生产级智能体工作流的有效监管和治理。
快速上手
那就让我们快速上手,看看如何将 Eko 与浏览器扩展结合,完成自动搜索和报告生成的任务吧!
跟随教程,一起构建属于你的 Eko 工作流!
快速入门
让我们一起在浏览器扩展中创建一个 Eko 工作流,自动化执行搜索 Sam Altman 信息并将其总结为 Markdown 格式的任务,方便导出。
有了这个插件,你不再需要手动打开多个网页,所有操作都可以通过一次点击完成。
前提条件
安装 npm:确保你已经安装了 Node.js。你还需要安装 npm 或 pnpm 来管理依赖项。如果你还没有安装 pnpm,可以按照以下步骤进行安装:
安装pnpm
pnpm run build:dev
注意:如果你偏好使用 npm 进行设置,可以跳过安装 pnpm,直接使用 npm 命令。不过,pnpm 在处理依赖项时更快也更高效。
安装Eko
让我们从创建一个新项目并安装 Eko 开始:
# 全局安装Eko CLI
pnpm install @eko-ai/eko-cli -g
# 创建一个新的浏览器扩展项目
eko-cli init browser-extension-demo
# 安装依赖项
cd browser-extension-demo
pnpm install
如果在 Windows 上没有配置 npm 环境变量,eko-cli 命令可能无法识别。你也可以直接克隆我们提供的模板项目:
git clone https://github.com/FellouAI/eko-browser-extension-template.git
你的第一个工作流 工作流的核心逻辑位于src/background/first_workflow.ts文件中:
import { Eko } from "@eko-ai/eko";
import { EkoConfig } from "@eko-ai/eko/types";
import { getLLMConfig } from "@eko-ai/eko/extension";
// 任务提示
const prompt = "Search Sam Altman's information and summarize it into markdown format for export";
export async function main() {
// 加载LLM模型配置
// 当前的浏览器插件项目提供了一个页面,用于配置LLM参数
let config = await getLLMConfig();
// 初始化Eko
let eko = new Eko(config as EkoConfig);
// 从自然语言描述生成工作流
const workflow = await eko.generate(prompt);
// 执行工作流
await eko.execute(workflow);
}
点击此处查看示例演示代码,或直接下载扩展体验工作流。
构建
将项目构建为浏览器可加载的扩展代码:
pnpm run build:dev
加载扩展
打开 Chrome 浏览器并导航到chrome://extensions/
。 打开开发者模式(右上角的切换按钮)。 点击“加载已解压的扩展”(左上角的蓝色文本),选择项目的dist文件夹(例如,[root_directory]/Eko/browser-extension-demo/dist)。
对于中国用户:如果从 OpenAI 或 Claude 平台获取API密钥不方便,可以考虑使用镜像站点或服务(例如ZetaTechs API),然后将 Base URL 和 API 密钥替换为相应的值。
配置 LLM 模型 API 密钥 点击 Eko 卡上的“详细信息”按钮。 向下滚动,找到“扩展选项”部分。 打开它并输入你的 LLM 模型 API 密钥。
让我们开始吧! 将当前扩展固定在浏览器右上角的扩展菜单中,点击扩展以打开弹出窗口,输入任务提示,点击“运行”按钮执行工作流。
最后
Eko作为一个开源的自动化搜索和报告生成工具,为我们提供了一个免费且强大的Deep Research替代方案。它不仅能帮助我们自动完成信息搜索、整理和报告生成,还支持自定义工作流程,让日常工作效率得到显著提升。
无论是学生需要完成实习报告,还是职场人士需要进行市场调研,又或是投资者需要分析金融数据,Eko都能够成为得力助手。通过简单的配置和一键操作,就能完成过去需要耗费大量时间和精力的工作。
如何学习大模型 AI ?
由于新岗位的生产效率,要优于被取代岗位的生产效率,所以实际上整个社会的生产效率是提升的。
但是具体到个人,只能说是:
“最先掌握AI的人,将会比较晚掌握AI的人有竞争优势”。
这句话,放在计算机、互联网、移动互联网的开局时期,都是一样的道理。
我在一线互联网企业工作十余年里,指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家,也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑,所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限,很多互联网行业朋友无法获得正确的资料得到学习提升,故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
第一阶段(10天):初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识,对大模型 AI 的理解超过 95% 的人,可以在相关讨论时发表高级、不跟风、又接地气的见解,别人只会和 AI 聊天,而你能调教 AI,并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么?
- 大模型是怎样获得「智能」的?
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例:向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段(30天):高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习,学会构造私有知识库,扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架,抓住最新的技术进展,适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示(Embeddings)
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段(30天):模型训练
恭喜你,如果学到这里,你基本可以找到一份大模型 AI相关的工作,自己也能训练 GPT 了!通过微调,训练自己的垂直大模型,能独立训练开源多模态大模型,掌握更多技术方案。
到此为止,大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗?
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2:手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段(20天):商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知,可以在云端和本地等多种环境下部署大模型,找到适合自己的项目/创业方向,做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身:基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例:如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程,只要学习就会有挑战。天道酬勤,你越努力,就会成为越优秀的自己。
如果你能在15天内完成所有的任务,那你堪称天才。然而,如果你能完成 60-70% 的内容,你就已经开始具备成为一名大模型 AI 的正确特征了。
这份完整版的大模型 AI 学习资料已经上传CSDN,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费
】
更多推荐
所有评论(0)