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
