Deep Research AI Agent est un framework open source conçu pour automatiser chaque étape du processus de recherche. En enchaînant modules de scraping web, résumeurs basés sur des modèles de langage et pipelines d'extraction d'insights, il collecte des données à partir d'articles en ligne, de revues académiques et de sources personnalisées. Il prend en charge GPT-3.5, GPT-4 et d'autres modèles OpenAI, permettant aux utilisateurs de personnaliser les prompts et la mémoire selon leurs besoins. Après avoir extrait les points clés et citations, il organise l'information en rapports Markdown ou PDF complets. Les chercheurs peuvent étendre ses capacités via des plugins pour l'intégration des bases de données, la récupération de données via API, et des fonctions d'analyse personnalisées. Cet agent facilite la revue de littérature, la recherche de marché et la diligence technique, en réduisant l'effort manuel et en garantissant des résultats de haute qualité.

AgenticIR (Agentic Information Retrieval) offre un cadre modulaire où des agents alimentés par des LLM planifient et exécutent de manière autonome des flux de travail IR. Il permet de définir des rôles d'agents — tels que générateur de requêtes, récupérateur de documents et résumé —, qui s'exécutent dans des séquences personnalisables. Les agents peuvent récupérer du texte brut, affiner leurs requêtes en fonction des résultats intermédiaires, et fusionner les passages extraits en résumés concis. Le cadre supporte des pipelines multi-étapes incluant la recherche web itérative, l’ingestion de données via API, et l’analyse locale de documents. Les développeurs peuvent ajuster les paramètres des agents, intégrer différents LLM, et affiner les politiques de comportement. AgenticIR offre aussi la journalisation, la gestion des erreurs et l’exécution parallèle des agents pour accélérer la collecte d’informations à grande échelle. Avec une configuration minimale, chercheurs et ingénieurs peuvent prototyper et déployer des systèmes de récupération autonomes.