用 DeepTutor 深度研究 20 分钟跑完一次文献调研拆题、检索、成文一气呵成【免费下载链接】DeepTutorDeepTutor: Lifelong Personalized Tutoring. https://deeptutor.info/.项目地址: https://gitcode.com/GitHub_Trending/dee/DeepTutor写文献综述写到第三天论文存了四十篇引用还是没拼齐——因为你得自己搜、自己读、自己判断哪句话该标来源。再比如老板明天要一份微服务和单体架构的对比你今晚只能边搜网页边往文档里复制粘贴最后连数据来源都说不清。DeepTutor 深度研究Deep Research是聊天工作区里的一个研究能力你给它一个主题它拆成子题逐个检索最后产出一份带引用的结构化报告。它接管的是从选题到成文中间最耗人的检索和整理环节。适合要写综述、做技术调研、整理领域知识的人。 三步跑通全流程澄清、拆解、检索成文第一步澄清。系统不急着搜先反过来问你一两个问题比如关注学术论文还是工程实现最多问三轮问完给出一句精炼后的研究主题。你不用组织语言它替你收窄范围。第二步拆解。精炼主题被拆成 5 个左右的子题每个带一句概述。这时流程会停下来把子题列表弹出来给你预览——能删、能改、能加确认后才开始真正检索。方向跑没跑偏这一步就能拦住。第三步检索成文。每个子题跑一条独立的检索回路想、查、追加模型发现漏掉的分支会当场把新子题塞回队列deep 档默认 3 路子题并行。全部查完后系统先定报告大纲再逐章写证据从引用管理器里取每段结论都能对上出处。⚡ 一次端到端实操一个主题换一份带引用的报告以注意力机制的演进为例在 Web 界面聊天框里发起深度研究对话节奏是这样的。你输入主题系统先反问关注学术论文还是工程实现你选学术论文。接着弹出子题预览自注意力演进、高效注意力变体、长序列处理、工业落地、开放问题。你删掉工业落地改了一处概述点确认。确认后开始流式输出每个子题的检索卡片一张张亮起网页搜索和论文检索的结果被压缩成带出处的笔记最后报告按章节逐段写成末尾附引用列表。走 CLI 也是同一条流水线deeptutor run deep_research 注意力机制的演进 --config-json {mode:report,depth:deep}跑完你在对话里拿到的是一份能直接贴进综述的章节草稿而不是几十条待整理的搜索结果。整个流程的源码放在 deeptutor/agents/research/想看每个阶段在做什么翻这里就行。⚙️ 关键配置速查动这 4 个就够配置控制什么什么时候该动它depthquick / standard / deep每个子题的检索轮数1 / 3 / 5与并行度先快速试水用 quick要交报告再上 deepmodenotes / report / comparison / learning_path产出形态笔记、报告、对比、学习路径做技术选型时选 comparison直接出对比结构初始子题数默认 5可设 1–10拆解粒度主题太宽、报告被摊薄时调小只盯单点时调到 2–3检索工具与知识库web_search / paper_search / rag KB证据从哪来结果噪声多时挂载领域知识库让 rag 出权威来源知识库长这样先建好再挂进研究⚠️ 踩坑与一句话解法症状报告出来又薄又泛。原因主题太大子题摊平了每个都没挖深。解法把主题收窄成一个可验证的问题再提交比如FlashAttention 相比标准注意力的显存差异。症状跑得明显慢。原因deep 档 3 路子题并行、每条最多 5 轮检索轮数越多 token 越多。解法换 standard体感快一半成文质量差别不大。症状某章是空的报告被标成部分完成。原因某个子题的检索回路失败系统只用剩余证据成文并明说缺口。解法减少子题数重跑或单独深挖那一个子题补回来。症状引用一锅网页学术味淡。原因没挂知识库证据全靠 web 搜索兜底。解法先建好领域 KB挂上再跑。症状研究方向跑偏。原因子题预览没看就直接确认。解法预览页就是给你改的删错补漏后再放行。 下一步现在就拿你最近想查的主题跑一把一份原本要花两三天搜、读、拼的调研现在 20 分钟出初稿引用都替你标好了。打开终端或 Web 界面把你最近真正想查的那个主题丢给深度研究——先不管它写得完不完美看它第一版拆出的子题你就知道这个方向值不值得深挖。【免费下载链接】DeepTutorDeepTutor: Lifelong Personalized Tutoring. https://deeptutor.info/.项目地址: https://gitcode.com/GitHub_Trending/dee/DeepTutor创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
