尧图网站建设 
Feynman /deepresearch 实战多智能体深度调研如何产出带溯源的研究报告【免费下载链接】feynman项目地址: https://gitcode.com/gh_mirrors/feynman/feynmanFeynman 是一款开源的 AI 研究智能体其中的/deepresearch命令是其旗舰功能它会派出多个 researcher 智能体并行检索论文、网页与代码库再由 verifier 校验引用、reviewer 审查逻辑最终产出一份带行内引用和溯源文件的研究报告。本文带你用一次实战看懂这套多智能体深度调研是如何把一个问题变成一份可审计的调研简报的。什么是 Feynman /deepresearch一句话/deepresearch是一个会自己分头查资料、再汇总、再交叉核验的深度调研工作流。对宽泛主题它会并行派出多个researcher子智能体分别从不同角度比如奠基性论文和最近挑战现有结论的研究去检索。对窄问题例如X 是什么它保持主智能体自己直接检索不会把简单问题硬撑成多智能体调研避免浪费。这种按主题决定规模的设计是它区别于普通问答工具的关键。快速上手三步启动深度调研在 Feynman 交互界面REPL或命令行两种写法完全等价REPL 内/deepresearch 大模型机制可解释性的当前主流方法有哪些命令行feynman deepresearch 大模型机制可解释性的当前主流方法有哪些运行后它会先把一份计划写到outputs/.plans/slug.md向你简要汇报并等待确认。你回复继续它就流式推进检索与分析。整个过程你随时可以要求改方向。五阶段工作流从提问到报告/deepresearch的执行逻辑被清晰地拆成了七个步骤定义在提示词 prompts/deepresearch.md 中可归纳为五个核心阶段Plan规划生成关键问题、所需证据、规模决策、任务台账与校验日志并暂停等待你确认。详见 Step 1: Plan。Scale定规模判断该用直接检索还是多智能体并行。对照见 Step 2: Scale。Gather Evidence取证子智能体分头检索论文、网页、仓库优先用摘要、HTML、官方文档尽量避开脆弱的 PDF 解析。见 Step 3: Gather Evidence。Draft Cite撰写与引用主智能体亲自汇总不外包再由 verifier 给每个论点补上行内引用、逐条核验 URL。见 Step 4 与 Step 5。Review Deliver审查与交付reviewer 标记孤证过度自信等问题交付前修复致命项最后落盘报告与溯源文件。见 Step 6 与 Step 7。多智能体如何分工Feynman 内置四个研究子智能体定义在 AGENTS.md 的Pi subagents一节智能体职责Researcher主力取证多路检索并抽取结构化发现支持并行多实例Verifier补行内引用、逐条核验来源 URL、清理死链Reviewer校验性审查揪出无支撑论点、逻辑漏洞、孤证Writer从调研笔记生成结构化草稿其中researcher是信息收集核心它按主题改写多个差异化查询而非重复同一句先扫摘要再精读高相关来源并给每条抽取内容打上来源位置以便回溯。其检索策略详见 researcher.md。 关键纪律verifier 与 reviewer不会放在同一个并行调用里——先校验引用通过后再审查逻辑。这条顺序保证了引用先于结论。溯源机制让报告可审计/deepresearch最大的价值是可审计。每个运行都会在最终报告旁写一份slug.provenance.md溯源伴随文件记录调研日期、轮次查阅 / 采纳 / 拒绝的来源数量与清单校验状态PASS/PASS WITH NOTES/BLOCKED用到的计划与研究文件这套来源账本 校验状态的要求来自仓库级契约 AGENTS.md 的Provenance and verification一节它明确要求凡使用已验证 / 已确认字样就必须记录到底核验了什么、怎么核验的缺失的核验要诚实地标记为blocked/unverified。输出物一览一次完整的/deepresearch会在outputs/下留下清晰命名的文件文件名统一用从主题派生的短 slug 作前缀outputs/.plans/slug.md—— 计划outputs/.drafts/slug-draft.md—— 草稿outputs/.drafts/slug-cited.md—— 带引用版本outputs/slug.md—— 最终报告slug.provenance.md—— 溯源伴随文件报告本身遵循固定结构Summary摘要→ Background背景→ Key Findings关键发现含行内引用→ Open Questions开放问题→ References参考来源。结构说明见官方文档 deep-research.md。使用建议用提示词定向调研你可以通过在提示里加约束来引导方向让报告更贴合需求窄一点把主题聚焦会得到更精炼的简报宽一点会得到综述式概览加限定例如只关注 2024 年后的论文或只看实证结果可让 agent 有据可依。相关的技能入口文档见 skills/deep-research/SKILL.md命令参考见 slash-commands.md。小结Feynman 的/deepresearch把深度调研拆成了规划 → 定规模 → 取证 → 撰写引用 → 审查交付的可控流程用多个 researcher 并行扩大覆盖面再用 verifier / reviewer 把引用正确和逻辑自洽分别守住最后用.provenance.md让每一步都可回溯。对新手而言你只需给一个清晰的题目、确认计划、等待交付就能拿到一份带完整来源、可审计的研究报告。【免费下载链接】feynman项目地址: https://gitcode.com/gh_mirrors/feynman/feynman创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 Feynman /deepresearch 实战：多智能体深度调研如何产出带溯源的研究报告
Feynman /deepresearch 实战多智能体深度调研如何产出带溯源的研究报告【免费下载链接】feynman项目地址: https://gitcode.com/gh_mirrors/feynman/feynmanFeynman 是一款开源的 AI 研究智能体其中的/deepresearch命令是其旗舰功能它会派出多个 researcher 智能体并行检索论文、网页与代码库再由 verifier 校验引用、reviewer 审查逻辑最终产出一份带行内引用和溯源文件的研究报告。本文带你用一次实战看懂这套多智能体深度调研是如何把一个问题变成一份可审计的调研简报的。什么是 Feynman /deepresearch一句话/deepresearch是一个会自己分头查资料、再汇总、再交叉核验的深度调研工作流。对宽泛主题它会并行派出多个researcher子智能体分别从不同角度比如奠基性论文和最近挑战现有结论的研究去检索。对窄问题例如X 是什么它保持主智能体自己直接检索不会把简单问题硬撑成多智能体调研避免浪费。这种按主题决定规模的设计是它区别于普通问答工具的关键。快速上手三步启动深度调研在 Feynman 交互界面REPL或命令行两种写法完全等价REPL 内/deepresearch 大模型机制可解释性的当前主流方法有哪些命令行feynman deepresearch 大模型机制可解释性的当前主流方法有哪些运行后它会先把一份计划写到outputs/.plans/slug.md向你简要汇报并等待确认。你回复继续它就流式推进检索与分析。整个过程你随时可以要求改方向。五阶段工作流从提问到报告/deepresearch的执行逻辑被清晰地拆成了七个步骤定义在提示词 prompts/deepresearch.md 中可归纳为五个核心阶段Plan规划生成关键问题、所需证据、规模决策、任务台账与校验日志并暂停等待你确认。详见 Step 1: Plan。Scale定规模判断该用直接检索还是多智能体并行。对照见 Step 2: Scale。Gather Evidence取证子智能体分头检索论文、网页、仓库优先用摘要、HTML、官方文档尽量避开脆弱的 PDF 解析。见 Step 3: Gather Evidence。Draft Cite撰写与引用主智能体亲自汇总不外包再由 verifier 给每个论点补上行内引用、逐条核验 URL。见 Step 4 与 Step 5。Review Deliver审查与交付reviewer 标记孤证过度自信等问题交付前修复致命项最后落盘报告与溯源文件。见 Step 6 与 Step 7。多智能体如何分工Feynman 内置四个研究子智能体定义在 AGENTS.md 的Pi subagents一节智能体职责Researcher主力取证多路检索并抽取结构化发现支持并行多实例Verifier补行内引用、逐条核验来源 URL、清理死链Reviewer校验性审查揪出无支撑论点、逻辑漏洞、孤证Writer从调研笔记生成结构化草稿其中researcher是信息收集核心它按主题改写多个差异化查询而非重复同一句先扫摘要再精读高相关来源并给每条抽取内容打上来源位置以便回溯。其检索策略详见 researcher.md。 关键纪律verifier 与 reviewer不会放在同一个并行调用里——先校验引用通过后再审查逻辑。这条顺序保证了引用先于结论。溯源机制让报告可审计/deepresearch最大的价值是可审计。每个运行都会在最终报告旁写一份slug.provenance.md溯源伴随文件记录调研日期、轮次查阅 / 采纳 / 拒绝的来源数量与清单校验状态PASS/PASS WITH NOTES/BLOCKED用到的计划与研究文件这套来源账本 校验状态的要求来自仓库级契约 AGENTS.md 的Provenance and verification一节它明确要求凡使用已验证 / 已确认字样就必须记录到底核验了什么、怎么核验的缺失的核验要诚实地标记为blocked/unverified。输出物一览一次完整的/deepresearch会在outputs/下留下清晰命名的文件文件名统一用从主题派生的短 slug 作前缀outputs/.plans/slug.md—— 计划outputs/.drafts/slug-draft.md—— 草稿outputs/.drafts/slug-cited.md—— 带引用版本outputs/slug.md—— 最终报告slug.provenance.md—— 溯源伴随文件报告本身遵循固定结构Summary摘要→ Background背景→ Key Findings关键发现含行内引用→ Open Questions开放问题→ References参考来源。结构说明见官方文档 deep-research.md。使用建议用提示词定向调研你可以通过在提示里加约束来引导方向让报告更贴合需求窄一点把主题聚焦会得到更精炼的简报宽一点会得到综述式概览加限定例如只关注 2024 年后的论文或只看实证结果可让 agent 有据可依。相关的技能入口文档见 skills/deep-research/SKILL.md命令参考见 slash-commands.md。小结Feynman 的/deepresearch把深度调研拆成了规划 → 定规模 → 取证 → 撰写引用 → 审查交付的可控流程用多个 researcher 并行扩大覆盖面再用 verifier / reviewer 把引用正确和逻辑自洽分别守住最后用.provenance.md让每一步都可回溯。对新手而言你只需给一个清晰的题目、确认计划、等待交付就能拿到一份带完整来源、可审计的研究报告。【免费下载链接】feynman项目地址: https://gitcode.com/gh_mirrors/feynman/feynman创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考