计算机行业：DeepSeek+DeepResearch应用

DeepSeek+Deep Research应用2025年2月10日 壹 参与式观察一个团队的 大模型应用与内化贰Deep Research应用概述叁推理大模型使用心得目 录 AI大事记（简版） 通用大模型怎么了？推理大模型这么火！概述：推理大模型建立在通用大模型基础之上，在推理框架上线之前，通用大模型直接回答。那现在就让他基于思维链，一步一步做好规划、调整、校对并完成输出。所以通用大模型和推理大模型它不是矛盾的存在。简单来看，推理大模型和通用大模型功能不一，如果把AI模型比作工具包，DeepSeek把传统通用大模型比作一把瑞士军刀，功能多但不够锋利；推理大模型则像手术刀，专精切割但用途单一。1.需求明确度✅ 任务模糊（如闲聊）：选通用模型-HER✅ 目标明确（如解数学题）：选推理模型-Deadline2.容错成本✅ 允许试错（如写诗）：通用模型✅ 必须精确（如医疗诊断）：推理模型3.资源限制✅ 算力充足：可叠加使用两者✅ 预算有限：按核心需求单选选择指南核心对比 通用大模型+推理大模型也是“王炸”组合通用模型：处理90%的常规咨询（查订单、退换货） 推理模型：解决5%的复杂纠纷（多环节理赔计算）实战案例应用：电商客服场景顾客：你好，我想查一下我的订单号为123456789的订单状态。通用客服模型：您好！很高兴为您服务。您的订单号123456789目前处于“已发货”状态，发货时间是2025年2月9日。根据物流信息，预计将在2月12日送达。您可以通过以下物流单号在快递官网查询详细物流信息：[物流单号]。如果您还有其他问题，欢迎随时咨询。顾客：好的，谢谢！另外，我收到商品后发现有一件商品损坏了，我需要申请退换货。通用客服模型：非常抱歉给您带来不便。关于商品损坏的问题，您可以选择退货或换货。请先告诉我以下信息：1.您要申请退换货的商品名称和数量；2.损坏的具体情况（最好提供照片）；3.您希望选择退货还是换货。顾客：是这款智能手表，我需要换货。手表的屏幕碎了，我这就拍照上传。通用客服模型：好的，麻烦您上传照片，我会为您核实情况并处理换货申请。同时，请您确保商品包装完整，配件齐全，以便我们顺利为您处理换货。（顾客上传照片后）通用客服模型：感谢您提供照片，商品损坏情况已经确认。我们已为您发起换货申请，预计换货商品将在3 - 5个工作日内发出。您可以在“我的订单” - “售后服务”中查看换货进度。如果还有其他问题，可以随时联系我们。顾客：好的，我知道了。还有一个问题，我在购买时购买了商品的延长保修服务，这次换货后，保修期怎么计算？推理客服模型：您好，关于延长保修服务的问题，我来为您详细解答。根据我们的保修政策，当您购买商品并附加延长保修服务时，保修期是从商品购买日期开始计算的。如果在保修期内发生换货，新的商品保修期将从换货完成日期重新计算，但总保修时长不会超过原购买的延长保修期限。例如，您购买的商品保修期为1年，同时购买了1年的延长保修服务，总保修期为2年。如果在保修期内换货，新的商品保修期将从换货完成日期开始，再计算剩余的保修时长。如果换货发生在保修期的第10个月，那么新的商品将有14个月的保修期（2年总保修期减去已过的10个月）。如果您还有其他疑问，或者需要进一步确认保修细节，可以提供您的订单号，我为您查询具体的保修信息。“没有最好的模型，只有最合适的工具——通用模型是社交达人，推理模型是解题高手，用好这对黄金组合，才是AI时代的生存之道。”——DeepSeek行业产品端融合：谷歌PaLI-3、Anthropic Claude已尝试在通用模型中嵌入推理模块技术突破：思维链（Chain-of-Thought）技术让两类模型能力边界逐渐模糊当前建议：优先关注垂直领域优化模型（如医疗推理专用模型） 直观感受通用大模型和推理大模型的差异实战案例应用：分析辅助Prompt：在推理大模型的帮助下，没有建立起独立思考能力的人来说，是一种退步大模型2：进一步明确任务大模型1：将观点作为核心结论，细化后成文DeepSeek：呈现拟人化思考过程1、对核心定义的具象化和确定性思考：你说的是啥？颗粒度对齐一下2、需求场景和用途思考，决定大方向正确与否：用来干什么？呈给谁看？3、定写作方向、基本思路，乃至一级提纲确立类思考：从哪个角度切入？此刻我的os：结果怎么样再说，看这个思考过程挺靠谱，很有想法！…… 直观感受通用大模型和推理大模型的差异：DeepSeek生成实战案例应用：分析辅助DeepSeek输出材料：更像个人，不是停留在语义层面的“拟人”，而是在独立、认真思考等更深层面Prompt：在推理大模型的帮助下，没有建立起独立思考能力的人来说，是一种退步壹Deep Research应用概述PART ONE（一）DeepSeek 深度思考R1概述及主要用途 DeepSeek 深度思考R1 是一款基于深度学习技术的推理模型，其核心功能在于通过强化学习提升模型的推理能力。其设计目标是通过强化学习等技术，引入了自我反思能力，使其在推理过程中能够自我验证和反思，从而提高推理的准确性和可靠性。 性能数据：官方数据显示，DeepSeek R1 在数学、代码、自然语言推理等任务上的表现已可与OpenAI的顶级模型GPT-4相当。例如，DeepSeek系列模型在美国高级中学数学竞赛 AIME 2024 题目上的一次性解题正确率达到39.2%，而GPT-4仅约9.3%。 现实案例：业内已经出现利用该模型辅助科研的例子。例如，有研究者在实验中让DeepSeek模型逐步求解AIME（美国数学邀请赛）竞赛难题，DeepSeek展现了清晰的链式推理过程，输出的思路连贯且易于理解。 思维链设计：DeepSeek 深度思考R1通过原生思维链设计，使模型在推理过程中能够生成详细的推理路径。这种设计不仅提高了推理的准确性，还增强了模型的可解释性。 四步理解DeepSeek R1功能推理流程帮我画出DeepSeek R1 的推理过程流程图，流程图的每个阶段需标注关键技术。以下是推理过程文字描述：DeepSeek R1 的推理过程可以划分为四个主要阶段，每个阶段都运用了特定的 AI 技术来逐步完善推理链条，最终得出高质量答案。这一流程采用蓝色系流程图设计，结构清晰，便于在 PPT 中展示和理解。以下是各阶段及其关键技术说明： 1输入阶段（用户问题解析）用户输入自然语言问题，DeepSeek R1 首先对问题进行理解与解析。 在这一阶段，模型运用了**自然语言处理（NLP）**技术，将用户的自然语言提问转换为机器可理解的内部表示，提取问题的意图和关键信息。通过对输入的预处理，模型为后续推理做好准备。 2思维链生成（构建初步推理路径）根据解析后的问题，DeepSeek R1 开始“思考”，生成解决问题的初步步骤链条（即思维链）。 这一过程运用了**思维链推理（Chain-of-Thought, CoT）**技术​。模型被鼓励像人类一样逐步思考，将复杂问题拆解为一系列连贯的中间推理步骤，并在每个步骤产出过渡结论。这种链式推理能提升模型对复杂任务的准确性和透明度，让观众看到模型解决问题的思