清华大学DeepSeek+DeepResearch应用报告精炼版
一、概述
报告主题:DeepSeek+DeepResearch应用报告
日期:2025年2月10日
二、推理大模型与通用大模型对比
- 功能特点
通用大模型:
功能多但不够精专(如瑞士军刀)
适用于任务模糊、允许试错的场景
推理大模型:
功能单一但专精(如手术刀)
适用于目标明确、必须精确的场景
- 应用场景示例
通用大模型:处理90%的常规咨询(如查订单、退换货)
推理大模型:解决5%的复杂纠纷(如多环节理赔计算)
三、DeepSeek深度思考R1
- 功能概述
核心功能:通过强化学习提升推理能力,具有自我反思和验证机制
性能数据:在数学、代码、自然语言推理等任务上表现优异,与GPT-4相当
- 推理流程
输入阶段:解析用户问题,提取关键信息
思维链生成:构建初步推理路径
强化学习优化:自我反思与迭代优化推理路径
最终答案生成:输出详细推理链和答案
- 应用场景
撰写舆论分析报告
行业研究
四、Gemini DeepResearch
- 功能概述
核心功能:实时、深入研究各种主题,快速提取相关信息
应用场景:实时信息检索、深入主题研究、辅助决策
- 使用方法
明确研究问题
构建搜索策略:使用关键词、布尔运算符、过滤器等
整合多源信息:从学术论文、新闻报道、书籍、专利等多维度获取信息
五、ChatGPT的Deep Research
- 功能概述
核心功能:完成复杂多步骤信息检索与研究任务,生成综合报告
技术实现:预训练大模型+强化学习+联网检索+工具调用
- 应用场景
数据调研与可视化
模糊信息检索
专业知识问答
消费产品调研
专业领域研究
- 技术优势
自主智能体:能够主动与外部环境交互,完成实质任务
报告式输出:达到研究分析师的专业水准
- 局限性
数据准确性:生成内容需核实,研究质量与准确性有限
新发现能力:擅长汇总已有资料,难以产生新见解
成本与速度:运行成本高,耗时较长
六、团队大模型应用与内化
- 应用阶段
认知、兴趣、评估期
实验、采纳期
内化期
- 内化策略
制度基石:规范驱动,设定评价体系
智能跃迁:智能体赋能,舆情研究步骤模块化
场景渗透:推动AI技术在日常工作中全面融入
产品驱动:迭代开发AI+舆情研究产品
七、AI智能系统
- AI会商
功能:智能决策分析系统,提供事件基本情况及影响力、发展趋势、舆论观点等分析报告
- AI热搜
功能:热搜聚合与智能分析系统,实时捕捉热点话题,提供数据聚合、推送、监测与记录、可视化与分析等服务
- AI热点
功能:行业热点事件智能分析与定制化报告系统,生成涵盖事件概况、传播走势、情感分析等多维度分析报告
- Zeelin DeepResearch
功能:提供高效、深度的信息解决方案,支持复杂多步骤分析任务,生成详尽报告
八、推理大模型使用心得
正式员工角色:理解需求、推测使用场景、组织生产资料、输出结构化内容
适用任务:复杂推理任务,输出结果八成满足研究目标
谨慎验证:大胆启用但需谨慎验证,避免数据源错误
持续优化:保持耐心,不断实验与采纳,等待模型迭代