MiroThinker开源深度研究智能体，媲美顶级闭源方案的AI研究助手

MiroThinker：开源的深度研究智能体，媲美顶级闭源方案

你是否曾经苦于需要一个能像人类研究员一样，进行深度网络搜索、多步推理和复杂任务执行的AI助手？MiroThinker 的出现，旨在彻底解决这个问题。它是一个开源的深度研究智能体模型，专为工具增强推理和真实世界信息检索而构建，旨在提供媲美 OpenAI Deep Research 和 Gemini Deep Research 的深度研究体验。本文将带你全面了解这个潜力新星。

截至收录：
MiroThinker项目stars数：5254
MiroThinker项目forks数：369

MiroThinker项目目录截图

MiroThinker项目核心亮点

• 🚀 交互式扩展新范式：MiroThinker v1.5 开创性地提出了“交互式扩展”作为性能提升的第三维度（超越模型规模和上下文长度），训练智能体处理更深层、更频繁的人机交互，单任务支持高达400次工具调用。
• 📊 顶尖的基准测试性能：在多个权威基准测试中表现卓越，例如在GAIA基准上达到60.2%的Avg@8分数，在BrowseComp中文版上以仅1/30的参数超越Kimi-K2-Thinking，树立了开源搜索智能体的新标杆。
• 🔓 完全开源与透明：项目包含完整的智能体框架（MiroFlow）、高质量训练数据集（MiroVerse）以及智能体模型本身，提供从训练到部署的全栈开源解决方案，确保透明度和可复现性。
• 🧩 灵活的工具集成与配置：无缝集成外部工具和API（如网页搜索、代码执行、信息提取），并提供多种预配置方案，用户可根据任务需求和计算资源灵活选择，从轻量级到高性能部署一应俱全。

MiroThinker项目快速开始

只需几步，你就能在本地运行起 MiroThinker 智能体：
1. 环境准备与安装：
“`bash
# 克隆仓库
git clone https://github.com/MiroMindAI/MiroThinker
cd MiroThinker

# 进入智能体应用目录并使用 uv 管理依赖
cd apps/miroflow-agent
uv sync

# 配置环境变量（API密钥）
cp .env.example .env
# 编辑 .env 文件，填入你的 SERPER_API_KEY、JINA_API_KEY、E2B_API_KEY 等
```

1. 启动智能体服务（以使用 SGLang 部署 v1.5-30B 模型为例）：
   “`bash
   NUM_GPUS=4
   PORT=61002
   AGENT_PATH=miromind-ai/MiroThinker-v1.5-30B

   python3 -m sglang.launch_server \
   –model-path $AGENT_PATH \
   –tp $NUM_GPUS \
   –dp 1 \
   –host 0.0.0.0 \
   –port $PORT \
   –trust-remote-code
   “`

2. 运行你的第一个研究任务：
   bash
# 在 apps/miroflow-agent 目录下，运行预置示例
uv run python main.py llm=qwen-3 agent=mirothinker_v1.5_keep5_max200 llm.base_url=http://localhost:61002/v1
   默认会研究“今天arXiv上计算机科学领域的论文标题是什么？”，智能体会自动执行搜索、分析并给出带来源的答案。

MiroThinker项目应用场景

• 深度信息检索与研究：自动化完成复杂、多步骤的在线研究任务，例如追踪某个技术领域的最新进展、对比分析多家公司的财报数据、撰写综合性调研报告。
• 学术与竞赛问题求解：辅助解决需要结合网络搜索、代码计算和逻辑推理的复杂问题，如数学竞赛题（AIME）、综合性考试（HLE）或需要事实核查的问答。
• 自动化数据分析与预测：在金融、市场分析等领域，自动收集数据、执行清洗计算、并基于结果进行趋势分析和预测。
• 智能体开发与基准测试：研究者或开发者可以利用其开源的 MiroFlow 框架和 MiroVerse 数据集，快速构建、训练和评估自己的工具使用智能体，并在广泛的基准套件上进行测试。

MiroThinker项目链接

MiroMindAI / MiroThinker项目地址：https://github.com/MiroMindAI/MiroThinker

本文地址：https://www.tgoos.com/44871