如何使用deepseek写论文

以下是关于 DeepSeek 提示词的详细内容： 一、核心原理认知 1. AI 特性定位 多模态理解：支持文本/代码/数学公式混合输入。 动态上下文：对话式连续记忆（约 8K tokens 上下文窗口，换算成汉字是 4000 字左右）。 任务适应性：可切换创意生成/逻辑推理/数据分析模式。 2. 系统响应机制 采用意图识别+内容生成双通道。 自动检测 prompt 中的任务类型/输出格式/知识范围。 反馈敏感度：对位置权重（开头/结尾）、符号强调敏感。 二、基础指令框架 1. 四要素模板 2. 格式控制语法 强制结构：使用```包裹格式要求。 占位符标记：用{{}}标注需填充内容。 优先级符号：>表示关键要求，!表示禁止项。 三、进阶控制技巧 1. 思维链引导 分步标记法：请逐步思考：1.问题分析→2.方案设计→3.风险评估。 苏格拉底式追问：在得出最终结论前，请先列举三个可能存在的认知偏差。 2. 知识库调用 领域限定指令：基于 2023 版中国药典，说明头孢类药物的配伍禁忌。 文献引用模式：以 Nature 2022 年发表的论文为参考，解释 CRISPRCas9 最新突破。 3. 多模态输出 四、高级调试策略 1. 模糊指令优化 问题类型：宽泛需求、主观表述。 修正方案：添加维度约束、量化标准。 示例对比：原句“写小说”→修正“创作以 AI 觉醒为背景的悬疑短篇，采用多视角叙事结构”；原句“写得专业些”→修正“符合 IEEE 论文格式，包含 5 项以上行业数据引用”。 2. 迭代优化法 首轮生成：获取基础内容。 特征强化：请加强第三段的技术细节描述。 风格调整：改用学术会议报告语气，添加结论部分。 最终校验：检查时间逻辑一致性，列出可能的事实性错误。 五、行业应用案例 1. 技术开发场景 2. 商业分析场景 六、异常处理方案 1. 信息幻觉：追加请标注所有不确定陈述，并提供验证方法。 2. 格式偏离：使用严格遵循以下模板：第一行...第二行... 3. 深度不足：触发请继续扩展第三章节内容，添加案例佐证。 七、效能监测指标 1. 首次响应准确率：目标>75%。 2. 多轮对话效率：问题解决平均轮次<3。 3. 复杂任务分解：支持 5 级子任务嵌套。 八、高阶能力调用 1. 文风转换矩阵 指令结构：作家风格移植、文体杂交、学术口语化。 效果示例。 2. 领域穿透技术 行业黑话破解：“解释 Web3 领域的'胖协议瘦应用'理论”。 商业决策支持。 九、场景化实战策略 1. 创意内容生成 2. 技术方案论证 十、效能增强技巧 1. 对话记忆管理 上下文锚定：“记住当前讨论的芯片型号是麒麟 9010”。 信息回溯：“请复述之前确认的三个设计原则”。 焦点重置：“回到最初讨论的供应链问题”。 2. 输出质量控制 问题类型：过度抽象、信息过载、风格偏移。 修正指令。 十一、特殊场景解决方案 1. 长文本创作 分段接力法：“先完成故事大纲→逐章扩展→最后进行伏笔校验”“确保新章节与前文的三处细节呼应”。 2. 敏感内容处理 概念脱敏法：“用经济学原理类比说明网络审查机制”。 场景移植法：“假设在火星殖民地讨论该议题”。

以下是关于清华大学与 DeepSeek 相关的公开课信息： 2 月 7 日，清华大学新闻与传播学院新媒体研究中心出品了《》，详细阐述了 DeepSeek 的功能，包括智能对话、文本生成、代码生成、自然语言理解等，并探讨了如何使用 DeepSeek，包括推理模型与通用模型的区别、提示语设计策略以及如何从入门到精通。文章还介绍了提示语设计的核心技能、常见陷阱及应对方法，旨在帮助用户更好地掌握 AI 工具的使用，提升工作效率和创新能力。 2 月 18 日，清华大学沈少阳发布了《》

以下是关于 deepseek 的相关信息： DeepSeek 开源了，在 LMSYS Chatbot Arena 排行榜上总排名 11 超过了所有开源模型。 阿里云 DeepSeek 智能体课程分两天，今天讲阿里云百炼，明天讲派平台，重点是智能体搭建、快速使用 DeepSeek 等，明天还会讲本地化部署中的蒸馏数据等线下未讲的内容。今天课程对电脑配置要求低，适合硬件资源投入少的人，且是手把手教程，难度不大。 社区是全国最大的开源 AI 知识库社区，用户量达 138 万多，首页访问次数超 200 万，强调共同学习、共创的价值观。 DeepSeek 模型功能包括自然语言处理、翻译与转换、文本生成与创作、知识和推理等，可用于多种场景，如文本摘要、格式转换等。其爆火原因包括能力强，在竞赛题等方面表现出色；国内能用，效果惊艳；开源免费，成本低；突破算力封锁，能在国内短缺 GPU 情况下训练出超一流模型。 2 月 23 日有 AI 切磋大会第十期 2 月 23 日 deepseek 专场，线下 16 个城市活动开始报名，活动报名链接为 https://waytoagi.feishu.cn/share/base/form/shrcnWlc12pvQQmx21mTZNEJ83d 。 2 月 22 日，英伟达 CEO 黄仁勋在 Beyond 大会上首次就近期引发全球 AI 圈热议的中国企业 DeepSeek 发表了看法。 欢迎向社区投稿关于 AI 技术探讨与分析、实践经验与案例分享、行业动态与趋势观察、开发心得与技术教程等内容，要求原创、严谨、有深度，配图说明更佳，观点明确，结构清晰，建议字数 1500 5000 字，提交后 2 3 工作日反馈，必要时沟通修改建议，优质内容将收录知识库。更多内容请前往 。

以下是关于 DeepSeek 的学习资料： 在 2025 年 2 月 6 日的“聊聊你怎么使用 DeepSeek”活动中，有以下智能纪要： DP 模型的功能：能进行自然语言理解与分析、编程、绘图，如 SVG、MA Max 图表、react 图表等。 使用优势：可以用更少的词让模型做更多事，思维发散，能给出创意思路和高级内容。 存在问题：思维链长不易控制，可能输出看不懂或胡编乱造的内容，增加纠错成本。 审核方法：可以用其他大模型来解读 DP 模型给出的内容。 使用建议：使用时要有自己的思维雏形，多看思考过程，避免被模型冲刷原有认知。 使用场景：包括阅读、育儿、写作、随意交流等方面。 案例展示：通过与孩子共读时制作可视化互动游戏，以及左脚踩右脚式的模型交互来展示 DP 模型的应用。 音系学研究：对音系学感兴趣，通过对比不同模型的回答来深入理解，如 bug 和 DIFF SIG，探讨语言概念在音系学下的心理印象等。 大模型取队名：与大模型进行多轮对话来取队名，通过不断约束和披露喜好，最终得到满意的队名及相关内容。 此外，1 月 27 日的宝玉日报中也有关于 DeepSeek 的内容： 拾象：DeepSeek r1 闭门学习讨论|Best Ideas Vol 3，讨论了 DeepSeek 在全球 AI 社区的意义，包括技术突破与资源分配策略。突出了 DeepSeek 长上下文能力、量化商业模式、以及其对 AI 生态系统的深远影响。重点分析了 DeepSeek 的创新路径及中国在 AI 追赶中的潜力与挑战。 转：关于 DeepSeek 的研究和思考

进行 DeepSeek 本地化部署的方法如下： 如果拥有云服务器，可以进行本地部署，了解满血版本地部署的实际情况。 在 freely.aliyun.com 可领取 500 元免费额度，但有使用限制，不能部署满血版和较大的增流模型。 了解 DLC、DSW 和 EAS 等模型部署平台服务的差别。

以下是关于 DeepSeek 的相关资料： 集合·DeepSeek 提示词方法论：https://waytoagi.feishu.cn/wiki/ISVZwe05Tio9hEkFSF5cIjZ7nVf?from=from_copylink DeepSeek 从入门到精通.pdf：https://waytoagi.feishu.cn/wiki/EfWpw8arIiEoOKkjSalcMVZZnme?from=from_copylink DeepSeek 13 大官方提示词通俗解读，让新手也能用出高手的效果：https://waytoagi.feishu.cn/wiki/YIGKwXlgUi8RKlkkklxclpDYnbg?from=from_copylink 【今晚 8 点】聊聊你怎么使用 DeepSeek！2025 年 2 月 6 日：https://waytoagi.feishu.cn/wiki/MKfgwiN2FigRp1knbxJcdj4lnAf?from=from_copylink Deepseek"4+1"黄金提问法——情境化：https://waytoagi.feishu.cn/wiki/JZu4wrdsSi9gNSktaPCcgDNNnvf?from=from_copylink Deepseek"4+1"黄金提问法——迭代优化：https://waytoagi.feishu.cn/wiki/R56OwQb4KiP9klk5CPbcR49yn9f?from=from_copylink 如果您的 DeepSeek 一直显示服务器繁忙，可尝试以下替代网站： 秘塔搜索:https://metaso.cn 360 纳米 Al 搜索:https://www.n.cn/ 硅基流动:https://siliconflow.cn/zhcn/ 字节跳动火山擎:https://console.partner.volcengine.com/auth/login?redirectURI=%2Fpartner%2F5. 百度云千帆:https://login.bce.baidu.com/ 英伟达:https://build.nvidia.com/deepseekai/deepseekr1 Groq:https://groq.com/ Chutes:https://chutes.ai/app 阿里云百炼:https://api.together.ai/playground/chat/deepseekai/DeepSeekR1 Github:https://github.com/marketplace/models/azuremldeepseek/DeepSeekR1/playground POE:https://poe.com/DeepSeekR1 Cursor:https://cursor.sh/ Monica:https://monica.im/invitation?c=ACZ7WJJ9 Lambda:https://lambdalabscom/6 Cerebras:https://cerebras.ai Perplexity:https://www.perplexity.ai 阿里云百炼:https://api.together.ai/playground/chat/deepseekai/DeepSeekR1 【今晚 8 点】聊聊你怎么使用 DeepSeek！2025 年 2 月 6 日的智能纪要： DP 模型的使用分享： 功能：能进行自然语言理解与分析、编程、绘图，如 SVG、MA Max 图表、react 图表等。 使用优势：可以用更少的词让模型做更多事，思维发散，能给出创意思路和高级内容。 存在问题：思维链长不易控制，可能输出看不懂或胡编乱造的内容，增加纠错成本。 审核方法：可以用其他大模型来解读 DP 模型给出的内容。 使用建议：使用时要有自己的思维雏形，多看思考过程，避免被模型冲刷原有认知。 使用场景：包括阅读、育儿、写作、随意交流等方面。 案例展示：通过与孩子共读时制作可视化互动游戏，以及左脚踩右脚式的模型交互来展示 DP 模型的应用。 音系学和与大模型互动的分享： 音系学研究：对音系学感兴趣，通过对比不同模型的回答来深入理解，如 bug 和 DIFF SIG，探讨语言概念在音系学下的心理印象等。 大模型取队名：与大模型进行多轮对话来取队名，通过不断约束和披露喜好，最终得到满意的队名及相关内容。 Deepseek 的介绍与活动预告： Deepseek 文档分享：在 3 群和 4 群分享了 Deepseek 的相关文档，也可在 v to a gi 的飞书知识库中搜索获取。 Deepseek 使用介绍：介绍了 Deepseek 的模型、收录内容、提示词使用技巧和好玩的案例等。 未来活动预告：明天后天在摩纳社区提供免费算力资源带大家学习炼丹，周一晚上学习多维表格中接入 Deepseek。

在论文写作领域，AI 技术的应用发展迅速，能提供多方面的辅助，以下是一些常用的 AI 工具和相关信息： 1. 文献管理和搜索： Zotero：结合 AI 技术，可自动提取文献信息，助于管理和整理参考文献。 Semantic Scholar：由 AI 驱动的学术搜索引擎，能提供文献推荐和引用分析。 2. 内容生成和辅助写作： Grammarly：通过 AI 技术提供文本校对、语法修正和写作风格建议，提高语言质量。 Quillbot：基于 AI 的重写和摘要工具，可精简和优化论文内容。 3. 研究和数据分析： Google Colab：提供基于云的 Jupyter 笔记本环境，支持 AI 和机器学习研究，便于数据分析和可视化。 Knitro：用于数学建模和优化的软件，有助于复杂的数据分析和模型构建。 4. 论文结构和格式： LaTeX：结合自动化和模板，高效处理论文格式和数学公式。 Overleaf：在线 LaTeX 编辑器，有丰富模板库和协作功能，简化论文编写。 5. 研究伦理和抄袭检测： Turnitin：广泛使用的抄袭检测工具，确保论文原创性。 Crossref Similarity Check：通过与已发表作品比较，检测潜在抄袭问题。 此外，还需注意： 如果向 LLM 寻求写作建议，甚至直接要求它帮忙写论文，需注意这并非道德的使用方式。了解这种可能性以及其已被学生使用的情况很重要。对于文章写作，可分解为多个步骤，包括大纲撰写、内容展开、文章润色等。不同人有不同理解和方法，可相互交流分享。使用 AI 工具时，要结合自身写作风格和需求，选择合适的辅助工具。

在论文写作方面，AI 技术的应用发展迅速，能在多个环节提供辅助。以下是一些常用的 AI 工具和平台： 1. 文献管理和搜索： Zotero：结合 AI 技术，可自动提取文献信息，便于管理和整理参考文献。 Semantic Scholar：由 AI 驱动的学术搜索引擎，能提供相关文献推荐和引用分析。 2. 内容生成和辅助写作： Grammarly：通过 AI 技术进行文本校对、语法修正和写作风格建议，提升语言质量。 Quillbot：基于 AI 的重写和摘要工具，可精简和优化论文内容。 3. 研究和数据分析： Google Colab：提供基于云的 Jupyter 笔记本环境，支持 AI 和机器学习研究，利于数据分析和可视化。 Knitro：用于数学建模和优化的软件，可进行复杂的数据分析和模型构建。 4. 论文结构和格式： LaTeX：虽非纯粹的 AI 工具，但结合自动化和模板，能高效处理论文格式和数学公式。 Overleaf：在线 LaTeX 编辑器，有丰富模板库和协作功能，简化论文编写。 5. 研究伦理和抄袭检测： Turnitin：广泛使用的抄袭检测工具，确保论文原创性。 Crossref Similarity Check：通过与已发表作品比较，检测潜在抄袭问题。 使用这些工具时，要结合自身写作风格和需求，选择最合适的辅助工具。同时需注意，内容由 AI 大模型生成，请仔细甄别。 另外，有人借助 AI 写小说获奖的经验可供参考。比如先让 AI 写故事概要和角色背景介绍并做修改，以表格形式输出细节描述，这样能打破 AI 叙事习惯，便于局部调整和确保细节具体。之后将生成的表格串联成文，偶尔给予建议。但在修改时可能会遇到问题，如某些模型记性不好或改丢关键情节。

以下是关于 AI 模型的相关知识： 1. 概念：生成式 AI 生成的内容称为 AIGC。 2. 概念与关系： AI 即人工智能。 机器学习是电脑找规律学习，包括监督学习、无监督学习、强化学习。 监督学习使用有标签的训练数据，目标是学习输入和输出之间的映射关系，包括分类和回归。 无监督学习的数据没有标签，算法自主发现规律，经典任务如聚类，例如让模型将一堆新闻文章根据主题或内容特征分成相似组。 强化学习从反馈中学习，以最大化奖励或最小化损失，类似训小狗。 深度学习是一种参照人脑有神经网络和神经元（因层数多而称深度）的方法，神经网络可用于监督学习、无监督学习、强化学习。 生成式 AI 可以生成文本、图片、音频、视频等内容形式。 LLM 是大语言模型，对于生成式 AI，生成图像的扩散模型不是大语言模型；对于大语言模型，生成只是其中一个处理任务，如谷歌的 BERT 模型，可用于语义理解（不擅长文本生成），像上下文理解、情感分析、文本分类。 3. 技术里程碑：2017 年 6 月，谷歌团队发表论文《Attention is All You Need》，首次提出 Transformer 模型，它完全基于自注意力机制（SelfAttention）处理序列数据，无需依赖循环神经网络（RNN）或卷积神经网络（CNN）。

以下是为您提供的一些论文相关的 AI 提示词示例： 1. 对于法律文章写作： 敕令法律文章撰写 author:叁随道人 version:1.0（20240626） language:中文 2. 对于一般性的论文写作： 这意味着您不能期待设计一个完美的提示词，然后 AI 百分百给到您一个完美的符合要求的答案，中间不能有谬误，否则就是一个需要修复的“BUG”。您要给到 AI 的提示词实际上是一个关于此项问题的相对完善的“谈话方案”，真正的成果需要在你们的对话中产生，您也需要在对话中来限缩自己思维中的模糊地带。 现在大多数人（包括各个大厂的提示词工程师们）基本上都还抱着前 AI 时代的“机器编程”思路来进行 AI 的“自然语言编程”。对于想要尝试 AI 的朋友们，建议多给到 AI 几轮对话修正的余地，不要期望输入一次提示词 AI 就能给到您想要的东西，毕竟很多时候其实您自己刚开始也不知道自己想要什么。 3. 对于文生图相关的论文： 英文为:,drawing,paintbrush 。括号和:1.2,都是用来增加权重的,权重越高在画面中体现越充分,同样提示词的先后顺序也会影响权重。 反向提示词：NSFw,,(toomany finger

以下是一些利用 AI 对毕业论文扩写的提示词示例： 1. 请对这部分论文内容进行详细扩展，补充更多相关案例和数据，以增强论证的说服力。 2. 基于现有的论文内容，进一步阐述观点，丰富理论依据，并增加相关领域的前沿研究成果。 3. 对这段论述进行深化，从多个角度展开分析，同时融入更多的学术引用和参考文献。 4. 请将此部分内容扩展为更完整的篇章，增加细节描述，使论述更加全面和深入。 在使用提示词时，要注意内容的准确性和逻辑性，确保扩写后的论文质量得到提升。

作为普通人，要更高效地使用 AI 并跟上其快速迭代的节奏，可以参考以下策略： 1. 提前布局职业生涯：审视自身所处行业和岗位，预估 5 10 年后被 AI 取代的程度。若风险高，即刻学习新技能并向更有前景的领域转型；若风险低，思考如何在 AI 辅助下将工作做到极致。 2. 投入 AI 浪潮：敢于使用和研究 AI，将其融入业务，哪怕从简单应用开始，实践中发现新机会点。 3. 强化不可替代的人类技能：如创意、沟通、领导、跨领域知识、独特专长等。 4. 建立个人品牌和网络：通过分享专业见解、持续学习输出内容，在业界建立口碑，积累人脉和声望。 5. 拥抱创业和多元收入：利用 AI 降低的创业门槛，发展副业或项目，探索多种可能性，经营多元身份提升抗风险能力。 6. 保持健康的身心：学会调适心态，持续锻炼身体，以良好的身心状态应对挑战。 此外，在 AI 时代，持续学习能力与适应力是最重要的个人能力之一。要培养自己成为终身学习者，保持好奇心，定期涉猎新领域的知识或课程，锻炼自学能力，勇于打破舒适区。同时，要在心理上拥抱变化，将其视为机遇而非威胁，培养心理韧性，以积极的心态应对不确定性。 在监管方面，英国采用了基于原则的框架，其监管体制具有创新、适度、可信、适应、清晰和协作等特点，旨在促进创新的同时平衡风险与机遇，加强在 AI 领域的全球领导地位。

在 Coze 工作流中，使用循环体节点将中间 current 值在循环体内加一并赋值给中间变量 curent 的方法如下： 1. 循环节点支持设置中间变量，此变量可作用于每一次循环。中间变量通常和循环体中的设置变量节点搭配使用，在每次循环结束后为中间变量设置一个新的值，并在下次循环中使用新值。 2. 各个节点配置如下： 循环节点：将中间变量设置为指定值（如 last_paragraph ），参数值设置为一个空格。首次循环中生成第一个段落时，不需要参考大纲以外的任何内容，所以将循环变量的值指定为一个空格，您也可以按需设置为其他内容。 循环体中的设置变量节点：中间变量选择循环节点中设置的中间变量（如 last_paragraph ）；设置值选择大模型的输出参数 output ，表示开始下次循环前，将本次循环中大模型生成的段落赋值给循环变量。 循环体中的大模型节点节点：添加 2 个输入参数，分别引用循环节点的内置变量 item 和循环变量，并在提示词中指定生成文章段落时参考上个段落的内容。 3. 中间变量的设置方法： 初始化变量：在循环开始前，设置中间变量的初始值（如空值、0 或默认文本）。 动态更新：每轮循环结束时，将当前任务的输出赋值给中间变量。 数据类型一致性：确保中间变量的类型（如字符串、数组）与任务输出类型一致。 4. 注意事项： 中间变量的更新逻辑需符合业务流程的需求。 变量过多可能增加复杂度，建议尽量简化。 此外，循环体画布是循环节点的内部运行机制，用于编排循环的主逻辑，每个循环迭代中，工作流会依次执行画布内的各个节点。选中循环体时，才能向循环体中添加新节点，或拖入新节点至循环体画布。循环体中无需设置开始节点或结束节点，默认按照连接线的箭头方向依次执行各个节点。设置变量节点、继续循环节点和停止循环节点只能在循环体中使用。不支持将循环体外部的节点拖动至循环体内，循环体中的节点也不可移动到循环体之外。循环节点的输出参数可设置为循环体的执行结果集合，表示当数组中所有元素运行完毕之后，将所有循环的运行结果打包输出给下游。也支持设置为循环变量的取值。配置循环节点之后，还需要试运行这个节点，查看其输入输出是否符合预期。调试结束后，循环节点的运行结果中会显示循环节点在多轮循环之后汇总的输入输出内容。循环体中的每个节点也会展示每次循环中的输入输出、变量赋值内容。

以下是关于提示词使用方法的详细介绍： 一、什么是提示词 提示词用于描绘您想要的画面。在星流一站式 AI 设计工具中，不同的基础模型对输入语言有不同要求。通用大模型与基础模型 F.1、基础模型 XL 使用自然语言（如“一个长头发的金发女孩”），基础模型 1.5 使用单个词组（如“女孩、金发、长头发”），且支持中英文输入。启用提示词优化后，能帮您扩展提示词，更生动地描述画面内容。 二、如何写好提示词 1. 预设词组：小白用户可以点击提示词上方的官方预设词组进行生图。 2. 提示词内容准确：包含人物主体、风格、场景特点、环境光照、画面构图、画质等，例如“一个女孩抱着小猫，背景是一面红墙，插画风格、孤独感，高质量”。 3. 调整负面提示词：点击提示框下方的齿轮按钮，弹出负面提示词框。负面提示词可以帮助 AI 理解我们不想生成的内容，如“不好的质量、低像素、模糊、水印”。 4. 利用“加权重”功能：可在功能框增加提示词，并进行加权重调节，权重数值越大，越优先。还可以对已有的提示词权重进行编辑。 5. 辅助功能：包括翻译功能（一键将提示词翻译成英文）、删除所有提示词（清空提示词框）、会员加速（加速图像生图速度，提升效率）。 三、提示词语法 根据自己想画的内容写出提示词，多个提示词之间使用英文半角符号将权重降低至原先的 90.91%”“字符”。 四、如何学习提示词运用 提示词在现代大型语言模型中极其重要，掌握其运用技巧能最大限度发挥模型潜能。学习提示词运用的建议如下： 1. 理解提示词的作用：提示词向模型提供上下文和指示，其质量直接影响模型输出质量。 2. 学习提示词的构建技巧：明确任务目标，用简洁准确的语言描述，给予足够背景信息和示例，使用清晰指令，对特殊要求明确指示。 3. 参考优秀案例：研究和学习已有的优秀提示词案例，可在领域社区、Github 等资源中查找。 4. 实践、迭代、优化：多与语言模型互动，根据输出提高提示词质量，尝试各种变体，比较分析输出差异，持续优化。 5. 活用提示工程工具：如 Anthropic 的 Constitutional AI 等。 6. 跟上前沿研究：提示工程是前沿研究领域之一，持续关注最新研究成果和方法论。精心设计的提示词能最大限度发挥语言模型的潜力，多实践、多学习、多总结，终可掌握窍门。

Coze 是新一代一站式 AI Bot 开发平台，无论您是否有编程基础，都可以在该平台上快速搭建基于 AI 模型的各类问答 Bot。以下是关于 Coze 的一些重要信息和使用教程： Coze 概述： 字节的官方解释：Coze 是新一代一站式 AI Bot 开发平台，能让您快速搭建从解决简单问答到处理复杂逻辑对话的 Bot，并可将其发布到各类社交平台和通讯软件上与用户互动。 个人观点：Coze 是字节针对 AI Agent 领域的初代产品，在 Coze 中称 AI Agent 为 Bot。 部署站点： 国内版： 网址：https://www.coze.cn 官方文档教程：https://www.coze.cn/docs/guides/welcome 大模型：使用字节自研的云雀大模型，国内网络可正常访问。 海外版： 网址：https://www.coze.com 官方文档教程：https://www.coze.com/docs/guides/welcome 大模型：GPT4、GPT3.5 等大模型（访问需突破网络限制的工具，参考文档：https://www.coze.com/docs/zh_cn/welcome.html ） AI Agent 的开发流程： Bot 的开发和调试页面布局主要分为以下几个区块： 提示词和人设的区块 Bot 的技能组件 插件 工作流 Bot 的记忆组件 知识库 变量 数据库 长记忆 文件盒子 一些先进的配置 触发器：例如定时发送早报 开场白：用户和 Bot 初次对话时，Bot 的招呼话语 自动建议：每当和 Bot 一轮对话完成后，Bot 给出的问题建议 声音：和 Bot 对话时，Bot 读对话内容的音色 使用 Coze 的步骤： 1. 先跑起来，创建第一个 bot： 目标：创建一个能帮您查阅 Hacker News 并中文返回的 Coze Bot。 操作：打开 coze.cn/home，点击创建 Bot，信息随便输。尝试联网，询问“今天的 hacker news 上有什么新闻？”，若答不出，引入联网插件 WebPilot（插件>+>选择 WebPilot），重新尝试联网，再次询问上述问题，即可成功。 2. Step1：用上「回复逻辑」，让它能将链接转换成回答。 3. Step2：发布到飞书，基本成型。 4. Step3：【进阶】使用工作流/workflow&代码/code，更灵活自定。

OpenAI 的 Deep Research 功能能够整合多源信息，进行复杂的信息查询与分析，并生成专业水准的报告，同时详细展示思考和搜索过程。目前，该功能仅支持文本输出，未来还将增加嵌入式图片、数据可视化等功能。使用入口为在 ChatGPT 输入框中选择「Deep Research」模式，输入问题后即可开始体验。 在 OpenAI 推出「Deep Research」功能一天后，Hugging Face 的工程师迅速联合推出了免费开源的版本 Open Deep Research，能自主浏览网页、滚动页面、处理文件，以及基于数据进行计算。使用入口为前往 Demo 网站（opendeepresearch.vercel.app）体验。 Deep Research 让 AI 自动完成多步骤研究任务，快速分析海量信息并生成专业报告，具备自动化信息汇总、文献引用与多领域适用性，适合科研、工程、金融等行业。目前向 Pro 用户开放，未来将扩展至 Plus 和 Team 用户，并提供更强大的功能。 该智能体基于优化版 OpenAI o3 模型，结合网络浏览和 Python 分析能力，实现高效研究，适用于科学、政策、工程等高强度知识工作，也能帮助购物者做复杂决策。Pro 用户已可使用，后续将逐步向 Plus、Team 和企业用户开放。