如何建立强大的深度研究系统

是您可以在Chatgpt和Google Gemini等应用中激活的流行功能。它允许用户像往常一样询问查询，并且该应用程序花费更长的时间来适当地研究问题，并提出比普通LLM的答案更好的答案。

您也可以将其应用于您自己的文档集合。例如，假设您有成千上万的内部公司信息文档，您可能需要创建一个深入的研究系统，以引入用户问题，扫描所有可用（内部）文档，并根据该信息提出一个很好的答案。

此信息图强调了本文的主要内容。我将讨论您需要在哪种情况下建立深入的研究系统，在哪些情况下，更简单的方法（例如抹布或关键字搜索）更合适。继续，我将讨论如何构建一个深入的研究系统，包括收集数据，创建工具并将其与编排LLM和子代理一起融合在一起。图片由chatgpt。

目录

为什么要建立深入的研究系统？

您可能会问自己的第一个问题是：

为什么我需要深入的研究系统？

这是一个公平的问题，因为在许多情况下还有其他可行的选择：

将所有数据馈送到llmragkeyword搜索

将所有数据馈送到LLM

rag

关键字搜索

如果您可以摆脱这些简单的系统，则几乎应该总是这样做。迄今为止，最简单的方法就是将所有数据馈送到LLM中。如果您的信息包含在不到100万个令牌中，那么这绝对是一个不错的选择。

如何建立深层研究系统

深度研究API 多代理研究系统

收集和索引信息

任何信息查找系统的第一步是将您的所有信息收集到一个地方。也许您在应用程序中有信息：

Google drivenotionsalesforce

Google Drive

概念

Salesforce

关键字搜索索引。例如BM25

您还可以允许代理访问其他功能，例如：

互联网搜索

中等