https://www6v.github.io/www6vAIGC/docs/Deep-Research/research/deep-research/ Recent content in (原理&实战)技术全景 on 基于LLM的系统设计与实现 Hugo en https://www6v.github.io/www6vAIGC/docs/Deep-Research/research/deep-research/deep-research-outline/ Mon, 01 Jan 0001 00:00:00 +0000 https://www6v.github.io/www6vAIGC/docs/Deep-Research/research/deep-research/deep-research-outline/ <h1 id="deep-research-文章大纲"> Deep Research 文章大纲 <a class="anchor" href="#deep-research-%e6%96%87%e7%ab%a0%e5%a4%a7%e7%ba%b2">#</a> </h1> <h2 id="1-引言什么是-deep-research"> 1. 引言：什么是 Deep Research？ <a class="anchor" href="#1-%e5%bc%95%e8%a8%80%e4%bb%80%e4%b9%88%e6%98%af-deep-research">#</a> </h2> <ul> <li>1.1 定义与演进（从 Web Search → Agentic Search → Deep Research）</li> <li>1.2 与传统搜索/问答的本质区别（单次检索 vs 多轮自主探索）</li> <li>1.3 为什么 Deep Research 是大模型应用的重要分水岭</li> </ul> <h2 id="2-技术架构深度解析"> 2. 技术架构深度解析 <a class="anchor" href="#2-%e6%8a%80%e6%9c%af%e6%9e%b6%e6%9e%84%e6%b7%b1%e5%ba%a6%e8%a7%a3%e6%9e%90">#</a> </h2> <ul> <li> <p><strong>2.1 整体架构分层</strong></p> <ul> <li><strong>感知层（Perception）</strong>：Web 搜索、页面爬取、API 调用、文档解析 <ul> <li>搜索引擎接入（Google/Bing/SearXNG 等）</li> <li>网页内容提取（Readability / Jina Reader / Firecrawl）</li> <li>多源数据整合（学术论文、新闻、代码仓库、私有知识库）</li> </ul> </li> <li><strong>认知层（Cognition）</strong>：信息理解、推理、知识整合 <ul> <li>LLM 作为推理引擎（推理模型 vs 通用模型的选择）</li> <li>信息抽取与结构化（实体、关系、时间线）</li> <li>知识图谱构建与利用</li> </ul> </li> <li><strong>决策层（Decision）</strong>：策略制定、路径规划、迭代控制 <ul> <li>任务分解策略（自上而下 vs 自下而上）</li> <li>搜索路径优化（广度优先 vs 深度优先 vs 自适应）</li> <li>资源预算分配（token 预算、时间预算、API 调用限制）</li> </ul> </li> <li><strong>执行层（Action）</strong>：工具调用、搜索执行、报告输出 <ul> <li>工具调用框架（Function Calling / MCP / ReAct）</li> <li>报告生成与引用标注</li> <li>人机交互（中间状态反馈、方向修正）</li> </ul> </li> </ul> </li> <li> <p><strong>2.2 核心组件详解</strong></p>