> ## Documentation Index
> Fetch the complete documentation index at: https://docs.firecrawl.dev/llms.txt
> Use this file to discover all available pages before exploring further.

# 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。

<div id="start-with-a-template">
  ## 从模板入手
</div>

<CardGroup>
  <Card title="Fireplexity" icon="github" href="https://github.com/firecrawl/fireplexity">
    极速 AI 搜索，实时引用
  </Card>

  <Card title="Firesearch" icon="github" href="https://github.com/firecrawl/firesearch">
    基于 LangGraph 的深度研究代理，支持答案校验
  </Card>

  <Card title="Open Researcher" icon="github" href="https://github.com/firecrawl/open-researcher">
    可视化 AI 研究助手，用于全面分析
  </Card>
</CardGroup>

<Note>
  **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。
</Note>

<div id="how-it-works">
  ## 工作原理
</div>

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。

<Steps>
  <Step title="搜索信息源">
    使用 `/search` 端点查找与你的研究主题相关的页面。

    <CodeGroup>
      ```python Python theme={null}
      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"]}
      )
      ```

      ```js Node.js theme={null}
      import { Firecrawl } from 'firecrawl';

      const firecrawl = new Firecrawl({ apiKey: "fc-YOUR-API-KEY" });

      const results = await firecrawl.search(
        'recent advances in quantum computing',
        { limit: 5, scrapeOptions: { formats: ['markdown', 'links'] } }
      );
      ```
    </CodeGroup>
  </Step>

  <Step title="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。

    <CodeGroup>
      ```python Python theme={null}
      for result in results:
          doc = firecrawl.scrape(result["url"], formats=["markdown"])
          # 将 doc 内容输入 LLM 进行分析
      ```

      ```js Node.js theme={null}
      for (const result of results) {
        const doc = await firecrawl.scrape(result.url, { formats: ['markdown'] });
        // 将 doc 内容输入 LLM 进行分析
      }
      ```
    </CodeGroup>
  </Step>

  <Step title="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。
  </Step>
</Steps>

<div id="why-researchers-choose-firecrawl">
  ## 为何研究人员选择 Firecrawl
</div>

<div id="accelerate-research-from-weeks-to-hours">
  ### 将研究从数周加速到数小时
</div>

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。

<div id="ensure-research-completeness">
  ### 确保研究完整性
</div>

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。

<div id="research-tool-capabilities">
  ## 研究工具功能
</div>

* **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

<div id="faqs">
  ## 常见问题
</div>

<AccordionGroup>
  <Accordion title="如何用 Firecrawl 构建研究工具？">
    使用 Firecrawl 的 /crawl 和 /search 端点构建迭代式研究系统。以搜索结果为起点，从相关页面提取内容，跟进引用链接，并汇总结论。结合 LLM 生成结构化的综合研究报告。
  </Accordion>

  <Accordion title="Firecrawl 能处理学术和科研网站吗？">
    可以。Firecrawl 能从开放获取的研究论文、学术网站和公开发布的科学文献中提取数据，并保留格式、引用与研究所需的技术内容。
  </Accordion>

  <Accordion title="如何确保研究数据的准确性？">
    Firecrawl 保留来源标注，并按网站原样提取内容。所有数据都包含来源 URL 和时间戳，确保研究用途的完整可追溯性。
  </Accordion>

  <Accordion title="可以将 Firecrawl 用于纵向研究吗？">
    可以。设置定时爬取以跟踪信息随时间的变化，非常适合监测趋势、政策变动或任何需要时间序列分析的研究。
  </Accordion>

  <Accordion title="Firecrawl 如何应对大规模研究项目？">
    我们的爬取基础设施可横向扩展，能同时处理成千上万的来源。无论是在分析整个行业还是跟踪全球趋势，Firecrawl 都能提供所需的数据管道。
  </Accordion>
</AccordionGroup>

<div id="related-use-cases">
  ## 相关用例
</div>

* [AI 平台](/zh/use-cases/ai-platforms) - 构建 AI 研究助手
* [内容生成](/zh/use-cases/content-generation) - 研究驱动的内容生成
* [竞争情报](/zh/use-cases/competitive-intelligence) - 市场研究