论如何打击 LLMs 过度的自信心爆棚,让其产生的内容更准确、真实
2025-02-22 02:03:00
本文为未经 AI 润色的原文如我之前的某次分享,我一直感觉 LLMs 们喜欢胡说八道满嘴放炮,平常大家都说这是「LLMs 的幻觉情况」,但我还是恶意的称呼为它们喜欢胡说八道。在《Does Fine-T...
关于 DeepSeek NSA 论文的一点思考
2025-02-19 01:09:00
今天看到 DeepSeek 团队前几日发布的论文《Native Sparse Attention: Hardware-Aligned and Natively Trainable Sparse Att...
Claude 4:混合型大模型的崭新思路与未来潜力
2025-02-15 02:21:00
今天在 Twitter(求马王爷还我 Twitter 原名!!)看到一个消息,来自一个推文大致提到:「Claude 4 in the coming weeks」,具体内容可以参考这条推文。重点是:Cl...
Deep Research:开源替代方案与未来发展潜力
2025-02-14 01:17:00
最近大家都在谈论 CloseAI 的 Deep Research 模式,称其研究效果非常强大,但面对高达 200???? 的价格,不少人却感到难以承受。幸运的是,开源社区也有不少项目尝试复现类似的效果...
观 OpenAI 广告有 1 点感
2025-02-12 03:19:00
本文为未经 AI 润色的原文今天看了 OpenAI 的广告,一开始只是觉得这个创意很有意思。视频采用了黑白点画风格,从一个小小的圆点开始,随着画面展开,逐渐呈现出越来越复杂的图像,展现了人类历史上各个...
关于 DeepSeek-R1 与 CoT 模型的提示词策略一点记录
2025-02-11 02:23:00
今天在公司和同事们开会,讨论到了 CoT(Chain of Thought)模型 和 通用模型 在提示词策略方面的差异,尤其是与 DeepSeek-R1 的训练过程有关的内容。此话题让我想起了之前阅读...
DeepSeek V3 与 AI 训练新思路:低成本硬件与技术突破
2025-02-09 01:29:00
今天在站会上和同事讨论了从一个 AI 应用团队(即 AI 的使用者)向 AI 全链路团队(即从模型训练到应用全程都参与)转型的可能性。这让我联想到了最近看到的一篇关于 DeepSeek V3 技术的访...
关于「AI 创始人的惨痛教训」系列文章的 1 点感想
2025-02-01 01:36:00
本文为未经 AI 润色的原文我个人一直不相信当前生成式 AI 的能力,认为 AI 总是会胡说八道。年前有一天中午和 Ricky 在食堂,达哥也在边上,我提到如何建立对 AI 在严肃工作领域的信任感。我...
关于「人工智能」分类下文章的说明
2025-02-01 00:43:00
在「人工智能」分类下,发布的所有文章其实来源于我工作中的一些学习笔记。为了将这些笔记更清晰、更易读地呈现给大家,我选择了使用 AI 对内容进行调整和润色。通过这种方式,文章的表达更为流畅,信息传达也更...
对 v2c 进行了一次前端的重构
2024-09-17 20:24:00
0x0自从 2019 年把博客迁移到 Typecho,再到 2020 年用 React 自己写了博客的前端进行了前后端分离后,我的博客前端就几乎没怎么动过了。期间其实也多次想开始重构,但总是因为工作忙...
如何让 uTools 通过代理服务器连接网络
2024-06-18 14:35:00
总的来说就是为 uTools 添加启动参数 --proxy-server 即可通过代理访问网络。备注:此方法只能代理掉 chromium 侧的流量,无法覆盖 uTools 本身非渲染进程的流量、插件 ...
关于这三年:我也是当过美食博主了
2024-05-26 22:15:00
是的,I am back!很久没有更新博客了,一方面是忙于工作无心更新(这是个借口),另一方面是自从 2021 年 8 月发生了丢失数据的问题,导致很多历史文章都消失在互联网长河中。虽然尽了很大的努力...
关于
FydeOS AI LogoFydeOS LogoAI
是如何诞生的
2023-12-06 22:01:00
0x0 为什么要做这个项目 FydeOS Logo AI 项目的初衷是为了让用户可以更加自然地控制操作系统,能够使用自然语言与系统进行交互。例如,通过语音或文本与系统对话,控制软件、查找信息,甚至快速解答工...
[家宴 · 2021]也许是今年最认真的一顿饭,红红火火锅
2021-12-31 23:33:00
在 2020 年,我曾经搞过几次家宴,邀请了一众好友来家里吃吃喝喝。甚至在 V 站加了不少好友,对他们说『下次家宴有空来家里一起吃』,但是事实上因为种种原因,2021 年非但没有邀请 V 友来家里吃饭...
【一场灾难】多站点数据丢失说明
2021-08-23 21:47:16
大概在一个多月前,包括 我的博客、LoveLive.tools(渣男:说话的艺术)、Mr.Task 等网站突然无法访问,服务器无法连接。本来以为只是服务提供商突发故障(之前也出现过,后来都正常恢复),...
[LoveTime] 一个与爱情和时间线相关的项目
2021-03-20 11:11:00
0x0 为什么做这个项目大概在一年前,我注册了 lovetime.tools 的域名。说来也是奇怪,我总是喜欢在脑子里冒出一个想法之后立刻注册相关的域名,但是往往实际完成上线的时间都会拖很久。比如 渣...
有目的 (di) 地 (de) 瞎折腾 —— 为了温暖的被窝而实现远程开机
2021-01-09 13:14:00
0x0这个冬天真的太 TM 的冷了,冷到我想一天 24 小时都呆在床上哪儿也不去。本来在这个美好的周六是可以实现这个同样美好的愿望,但是一大早同事来的电话击碎了我的梦想 —— 线上项目出了点问题需要排...
[家宴・2020] 入冬的第一次聚会,是带些许火辣的味道
2020-11-18 20:00:00
0x0是入冬的日子了,终于送走了盘踞在头上小两三个月的秋老虎。说来也是奇怪,在我记忆中大概七八年前,大概还是我上初中的时候,总是能精准的掐着日子算到什么时候要入冬了,左右不过是国庆过后五六天就可以翻出...
[家宴・2020] 开学季的聚餐,迟来的总结
2020-10-25 20:00:00
我大概是一个很不喜欢社交活动的人,如果让我和不怎么熟悉的人一起吃饭或者进行什么活动,那我大概会原地尴尬的用脚趾在地上抠出三室两厅两位的大户型来。因此我是一个朋友很少的人,仅有的朋友就是在小区里遛狗认识...
2019年度小结 - 其他方面
2019-12-31 00:22:00
2019 年过的真快,感觉一闭眼还能看到年初的日子。今年喜提了家里第三只猫,是一只海豹色手套布偶,看起来的确比一脸厌食的加菲(们)好看多了,当然我还是爱着我家的两只肥仔加菲的。这只猫来的也巧,有一天半...
下一篇
弹出
关闭

Deep Research:开源替代方案与未来发展潜力

最近大家都在谈论 CloseAIDeep Research 模式,称其研究效果非常强大,但面对高达 200???? 的价格,不少人却感到难以承受。幸运的是,开源社区也有不少项目尝试复现类似的效果,尤其是 OpenDeepResearchernode-DeepResearch,它们作为替代方案,吸引了许多关注。

node-DeepResearch:初期尝试与测试结果

首先谈到 node-DeepResearch,尽管这个项目的目标是实现类似 Deep Research 的效果,但测试效果普遍被认为不理想,很多用户在尝试之后直接放弃了。无论是从模型准确度,还是计算效率的角度来看,node-DeepResearch 似乎还需要更多的优化才能提供稳定可靠的研究结果。

OpenDeepResearcher:逐步清晰的实现路径

相比之下,OpenDeepResearcher 的实现则显得更加清晰,且已获得不少社区成员的关注。其基本流程可以简化为以下几个步骤:

  1. 输入研究目标:首先用户输入具体的研究目标或问题。
  2. 优化搜索问题:模型会优化并细化问题,以便更好地执行后续的搜索。
  3. 多轮网络搜索(Jina.ai):进行多轮搜索,通过 Jina.ai 技术集成高效的搜索引擎,获取相关信息。
  4. 评估相关性:对搜索到的信息进行相关性评估,筛选出有价值的内容。
  5. 提取信息与整合分析:提取有用的知识并进行整合分析,最终形成研究报告。

结合 RAG 知识库:提升研究深度与准确性

有社区成员进一步对 OpenDeepResearcher 进行了优化,将 RAG(Retrieval-Augmented Generation) 知识库引入模型中,结合了 本地文档,使得研究不仅依赖于网络搜索,还能够调用本地信息,从而提升了研究的针对性和深度。

不过,由于多轮搜索和大量上下文的输入,这种方法会导致 token 消耗暴涨。为了解决这个问题,社区成员增加了 token 监控 功能,使得用户可以更有效地控制成本。

成本与性能:优化后的挑战

尽管通过优化 token 限制和搜索轮次,OpenDeepResearcher 在准确性和实时性方面确实有所提升。例如,当查询类似 哪吒 2 票房预测 这类信息时,模型能够快速获取并分析最新数据。然而,即使进行了优化,每次的研究仍然消耗约 50 万 token,以 GPT-4 计算,单次成本大约为 1-2 美元,还不包括 API 费用

因此,虽然该方法在研究的实时性和准确度上有明显优势,但其高昂的成本依然是一个大问题。特别是在大规模应用时,如何平衡成本和效果,仍然是需要精心考量的一个挑战。

Deep Research 的未来发展方向

综合来看,尽管实现的代码并不复杂,但整个过程的设计能够帮助我们更好地理解 Deep Research 模型的原理和实践。要想在实际应用中实现高质量的 Deep Research,有几个关键方向值得关注:

  1. 多维度工具的结合:为了给 LLM(Large Language Models) 提供更准确的上下文信息,必须整合多种工具和数据源。这种多维度的数据输入能够显著提升研究的深度和广度。
  2. Agent 的多轮反思模式:引入类似 Agent 的多轮反思模式,让模型在不断迭代中优化研究质量。这种方式可以让模型从多个角度不断优化自己的推理过程,提高最终结果的准确度。

这两个方向可能是未来提升 Deep Research 方案的核心突破点,Maybe 或者 大概 也许就是深度优化的关键所在。

结语:挑战与机遇并存

虽然当前的开源解决方案,如 OpenDeepResearchernode-DeepResearch,已经展示了Deep Research 的潜力,但要真正大规模应用,仍然面临着 成本、性能优化 等一系列挑战。如何在保证效果的同时,降低成本,将是决定这些技术是否能够普及的关键因素。

最终,正如技术进步的常态,Deep Research 的未来将不断面临新的挑战和机遇。在实现技术突破的同时,我们也要不断思考如何平衡 效率、成本和可持续性,以便为更广泛的用户群体提供更有效的研究工具。