搜索大模型内容

Deep Research 一跑几分钟，为什么不能用普通同步接口硬等？

普通聊天接口通常是一问一答，客户端发出请求，服务生成内容，再把响应返回。 Deep Research 不一样。一次任务可能包含多次模型调用、搜索、网页访问、计算和报告更新。任何一步都可能排队、超时、限流或等待外部 IO。如果仍用一个同步 HTTP 请求从头等到尾，连接中断就很难判断任务是否继续，网关超时可能误杀正在运行的任务，客户端重试还可能重复创建两份研究。相关工程教程给出的方向是异步任务加进度查询，并要求重试、降级、断点和状态隔离。所以面试官真正想问的是：长时 …

第 1 / 3 页下一页 →

希望老师帮你把学习与项目串起来？

了解 AI 全栈 1v1 陪跑营的项目安排、导师答疑与简历面试辅导。

查看课程安排 →咨询学习安排

学习内容与项目面试，在同一条路上。

站内 RAG 在线实战

匹配正文：

#Deep Research#上线成本与评估#Deep Research 长任务

#Deep Research#上线成本与评估#Deep Research 评估

Deep Research 评估为什么不能只看最终答案，过程合理又该怎么量？

匹配正文：…象或来源，捷径就会失效。反过来，一条轨迹工具选择合理、引用完整，也可能因为网页更新、计算错误或遗漏子问题，最终报告仍然不合格。 Deep Research 是开放任务，又是多步骤过程。只看最终文本，会把“蒙对”当能力；只看步骤，又可能忽略交付结果。相关评估材料明确把质量拆成结果与过程两个层面，并要求准确、引用、报告质量和效率共同观察。所以面试官真正想问的是：结果质量和过程质量分别评什么，怎样把答案主张与证据、步骤与任务缺口对齐，哪些指标是硬门、哪些可以加权，如何处理开…

#Deep Research#上线成本与评估#Deep Research LLM Judge

LLM Judge 分数变高，为什么 Deep Research 可能反而更会刷分？

匹配标题与标签：LLM Judge 分数变高，为什么 Deep Research 可能反而更会刷分？从位置、长度、自我偏好和 Goodhart 出发，讲清 Deep Research LLM Judge 怎样校准并防止刷分闭环。 Agent Deep Research 上线成本与评估 Deep Research LLM Judge LLM-as-a-Judge 偏差 Goodhart 定律 Agent 评估刷分 Deep Research 面试题

#项目实战#Deep Research Agent

Deep Research Agent

匹配正文：…改成：在[真实数据]上用[训练方法]对比[基线]，按[指标]复核，得到[实测结果与失败条件] 用 STAR 组织项目追问你这个 Deep Research Agent 最难的地方是什么? 情境（S）：[填写真实任务、来源限制和成本 / 时效约束] 任务（T）：[填写你负责解决的问题和可复现的基线] 行动（A）：[填写你亲自完成的状态、工具或评测改动及对照方法] 结果（R）：[填写实测结果、工程代价、失败样本和适用边界] RL 训练踩过最深的坑? 情境（S）：[只有真实做过训…

#Deep Research#问题边界与研究闭环#Deep Research 分级路由

什么时候该用 Deep Research，而不是普通 RAG？复杂问题怎么分级路由？

匹配正文：…模型看到第一次结果不够，可以改写查询，再查一次或打开某个候选来源。它适合一次检索经常不够，但任务仍以“回答当前问题”为主的场景。 Deep Research 的目标不再是一段即时回答，而是一轮完整研究。系统要先明确任务边界，拆开多个子问题，选择工具，反复查找和阅读，识别证据缺口，处理来源之间的冲突，最后交付带出处的结构化报告。三者构成一条能力和成本逐步增加的光谱，并非互相替代的产品。越往后，系统的自由度越高，可能解决的问题越复杂；与此同时，步骤更多、错误面更大、任务时间更长…

第 1 章:为什么需要 Deep Research

匹配正文：…宜中等慢、贵(多次模型调用) 一句话总线:普通 RAG 是「查一次再答」;Agentic RAG 是「让模型自己决定查几次」;Deep Research 是「把检索当成一个工具,跑一整轮带规划和反思的调研」。三者不是谁取代谁,而是复杂度递增,对应的成本也递增。业内行话:别把这三个词当成「越靠后越高级、要无脑选最高级的」。面试时能讲出「它们是一条成本-能力的光谱,我会按问题复杂度选最低够用的那档」,比堆名词成熟得多。绝大多数线上问答,普通 RAG 就够了,把简单问题也丢…

#Deep Research#问题边界与研究闭环#Deep Research 问题拆解

Deep Research 拿到一个大问题后，怎么拆成能查证的子问题？

匹配正文：…把新闻里的观点当成整份报告的主线。最后的报告很长，却没有回答三个最基本的问题：研究对象是谁，比较维度是什么，结论需要哪些证据。 Deep Research 超出普通搜索的地方，在于它会先把开放任务整理成一组可以执行、检查和收口的子任务。初始计划又不可能永远正确；Agent 看到新证据后，还要判断应该沿用原计划、补一个分支，还是推翻前提重新规划。所以面试官真正想问的是：一个开放研究问题怎样拆成可查证的子问题？每个子问题如何定义完成标准？中间出现信息缺口或矛盾时，系统怎样重…

#Deep Research#问题边界与研究闭环#Deep Research 停止条件

Deep Research 为什么会一直搜索？什么时候该停？

匹配正文：…关闭缺口或合理改变假设才算前进。如果查询、来源和研究状态连续重复，就换查询或来源类型；仍无进展则明确输出信息不足。最大步骤、时间和成本只是防止任务失控的硬兜底，触发时必须标记预算耗尽，不能冒充正常完成。验证时我会准备可快速完成、必须继续查、公开资料不足、来源冲突、循环诱导和权限风险六类样本，分别观察过早停止、无效动作、重复查询和预算耗尽。搜索次数没有统一的好坏标准，每一步都为结论增加可核查价值才是目标。 Deep Research 停止机制发布前检查停止机制必须留下什么证…

#Deep Research#问题边界与研究闭环#Deep Research 引用溯源

Deep Research 报告有引用就可信吗？多个来源互相矛盾怎么办？

匹配正文：…搜索、摘要和综合。引用链一旦在中间断掉，最终报告仍然可以写得很顺，却很难知道哪一句是事实、哪一句是推断。所以这道题真正考的是： Deep Research 怎样让每个关键结论都回到原始证据？多个来源相互矛盾时，系统依据什么判断、怎样表达不确定性，又怎样验证引用不是装饰？先区分“来源相关”和“来源支持” 一篇文章与某个主题相关，不代表它支持报告里的具体主张。假设报告写：“方案 A 在当前部署方式下维护成本更低。”引用页面只说“方案 A 部署简单”。它与结论相关，但没有比较…

#Deep Research#研究工具与稳定性#Deep Research 工具路由

Deep Research 有 Search、Visit、Scholar 和 Python，Agent 怎样选对工具？

匹配正文：…风险？使用沙箱、资源和模块限制、网络与文件权限控制、超时和审计。输入数据先核验，输出保留可复现记录。如何讲清一次工具路由决策 Deep Research 的工具路由要同时看工具能力、当前研究状态和运行边界。Search 用来发现候选，Visit 核对正文，Scholar 查论文和学术元数据，Python 做受控计算。注册表除了名称和 description，还应声明输入 Schema、证据等级、前置条件、权限、成本、超时、缓存和副作用。我会采用混合路由：模型根据当前子任…

#Deep Research#研究工具与稳定性#Deep Research 缓存新鲜度

缓存能省调用，为什么 Deep Research 反而可能拿旧资料回答“最新”？

匹配正文：Deep Research 会反复搜索相似关键词，也会多次访问同一页面。不做缓存，同一份搜索结果和网页正文会不断消耗外部接口、时间与解析资源。做了缓存，另一个问题马上出现：用户问“刚发布”“当前版本”“今天有什么变化”，系统却拿昨天或更早的结果回答。缓存本身没有错。真正的问题是，系统把“以前可用”误当成“现在仍适合当前问题”。搜索结果、网页正文、抽取片段、计算结果和最终报告的新鲜度要求不同。一个固定 TTL 无法覆盖所有任务。权限、页面版本、查询参数和证据用途如果没有进…

#Deep Research#数据构造与训练#Deep Research 种子数据

Deep Research 训练的种子问题从哪里来，怎样避免一开始就把数据做偏？

匹配正文：…、模糊范围、真实约束和用户经常追问的内容，这些往往不是专家会主动写出的标准题。但日志不是天然高质量数据。一些问题本来就不适合 Deep Research，只需直接回答或一次检索；一些问题依赖用户私有上下文，脱离会话后无法理解；一些问题可能含姓名、账号、合同、公司内部信息和敏感业务。日志进入候选池前，要先确认使用授权、脱敏规则和保留期限。随后做会话补全、意图聚类、噪声过滤和人工抽检。脱敏不能只用正则删除号码。替换实体后还要检查问题是否仍然成立，是否因为删除上下文变成不可…

求职指南·求职

做一个 Agent 项目怎么做:从最小 Agent 到 Deep Research

匹配正文：…mo",而是把 Agent Harness(agent loop、工具 schema、记忆、权限确认、失败恢复、trace、评估、成本)一层层做扎实,并留下和 RAG 项目一样完整的证据链。正确的做法是从 30 行的最小 Agent 起步,先把"决策—调用—观察—再决策"的循环跑通,再逐步长成 Deep Research 这类多步任务系统,每加一层都留下能被面试官追问的痕迹。作者:吴师兄 | 适合:想主打 Agent 方向、要攒一个能进简历的自建项目的人 | 前置:会用 P…

#求职#职业转型

#Deep Research#数据构造与训练#Deep Research 多阶段训练

Deep Research Agent 训练中，CPT、SFT 和 GRPO 应该怎样取舍？

匹配正文：…程任务，模型可能继续照搬固定路径。它知道“标准答案长什么样”，却不知道哪条行动更好，也没有在环境反馈中练过取舍。相关训练材料把 Deep Research Agent 的训练拆成三层：Agentic CPT 注入 Agent 相关偏置，SFT 冷启动学习协议与基本轨迹，GRPO 再在环境反馈中优化策略。这三个阶段分别解决不同问题，不能因为名词热门就机械拼成一条训练流水线。所以面试官真正想问的是： CPT、SFT 和 GRPO 各自改变什么，为什么顺序通常这样安排，阶段之…

面试题·RAG

Deep Research vs RAG 怎么选?

匹配正文：…下一步检索方向多源信息整合与交叉验证典型实现：ReAct/CoT + 浏览器工具 + 长上下文整合应用场景对比 RAG适合 Deep Research适合企业内部知识库问答行业调研、竞品分析客服机器人、文档助手学术研究、投资尽调医疗/法律条文查询需要多源交叉验证的复杂决策优缺点 RAG ✅ 成本低、延迟可控、结果稳定 ❌ 无法处理需要多跳推理的开放问题 Deep Research ✅ 信息覆盖全、推理深度强、可溯源 ❌ 成本高（token消耗大）、耗时长、…

#Deep Research#RAG#Deep Research vs RAG

第 7 章:工程化上线:推理优化、并发与成本

匹配标题与标签：第 7 章:工程化上线:推理优化、并发与成本 🎯 完成后能力:讲清一个训练好的调研 Agent 要上线扛真实流量,工程上要解决哪些问题:推理为什么慢且贵、KV Cache 和 continuous batching 怎么提吞吐、调研 Agent 特有的上线挑战,以及怎么把成本压下来 Agent Agent Deep Research 项目实战

系统教程·Agent

Agent 面试题大全与开发指南

匹配正文：…继续追问记忆、工具调用失败、多智能体协作与工程闭环。这一页把本站 Agent 相关内容组织成一条学习线：先跑通最小执行循环，再拆 Deep Research 完整案例，最后用题库校准自己的回答。配套教程 Deep Research Agent 实战：8 章系统拆解知识模块 Agent 架构·工具调用·记忆·多智能体 Prompt 工程(Agent 的地基) 常见问题 Agent 面试和 RAG 面试考察重点有什么不同？ RAG 考检索质量与评估，Agent 考系统设计与鲁…

#专题学习#Agent 面试题大全与开发指南

第 2 章:Agent 执行框架,ReAct → IterResearch

匹配正文：…LLM 调用,把「旧报告 + 新观察」重写成一份更新后的报告(保留关键结论、丢弃临时正文);这里用字符串拼接 + 截断,只为让你零成本看到「常量 vs 线性」这个本质差别。真实做法见下面 Part 2。 🧭 你刚才做的,等于真实系统的什么? 你写的 iter_research() 把「堆全部历史观察」换成了「维护一份大小受控的报告」,这正是 IterResearch 的核心思想。真实系统里,这份报告由模型每轮智能地重写,而不是机械截断。 🎯 Part 2 · 面试深度｜…

第 4 章:多轮对话与长程记忆管理

匹配标题与标签：…选择、裁剪 vs 摘要、外部记忆与遗忘、指代消解),并能跑通一个带记忆 + 指代消解的多轮对话 demo Agent Agent Deep Research 项目实战

#Deep Research#执行框架与长任务#ReAct 长任务

ReAct 为什么短任务好用，做长程研究却会越跑越乱？

匹配正文：…、灵活，几十行代码就能跑起来。做一个两三步的小任务时，它往往很好用：搜索候选，打开正文，给出答案。问题出现在长程研究。一个 Deep Research 任务可能要比较多个对象、访问很多来源、处理冲突并生成报告。如果每轮都把之前的问题、动作和网页内容完整追加到上下文，模型看到的历史会越来越长。早期的一段噪声会被反复携带，后面的每一步都要重新读取；关键事实反而可能被埋在大量临时内容中。于是系统出现一种很典型的现象：它一直在行动，却越来越不知道自己为什么行动。所以面试官问…

#Deep Research#执行框架与长任务#IterResearch 演进报告

IterResearch 的演进报告为什么不是普通摘要，怎样避免越改越错？

匹配正文：Deep Research 做到十几轮之后，网页通常已经不少，真正稀缺的是一份可靠的当前状态。用户究竟要什么，已经确认了哪些事实，哪些来源互相冲突，还缺什么证据，下一步为什么要继续搜，这些信息如果只散落在聊天记录里，Agent 每轮都要重新理解一遍。 IterResearch 用一份持续更新的演进报告承载当前研究状态。新观察到来后，有价值的信息被合并进报告，原始材料进入外部证据库，系统再根据更新后的状态决定下一步，避免整段网页永久挤在上下文里。这个思路看起来像“做摘要”，…

第 6 章:多阶段训练:Agentic CPT → SFT → GRPO

匹配标题与标签：…方案比较CPT、SFT与GRPO的作用和选择条件，理解组内优势、长轨迹奖励与动态采样边界；不实际运行训练 Agent Agent Deep Research 项目实战