深度研究使用教程

在进行行业趋势分析、技术可行性研究等复杂问题探索时,手动整合多源信息并撰写结构化报告的过程耗时且繁琐。深度研究是一个由大型语言模型(LLM)驱动自主 AI 系统,旨在自动化此过程。提出一个研究课题后,系统会自动进行任务拆解、多步推理、跨源信息检索与整合,最终生成一份逻辑清晰、引用完备的专业级研究报告。

工作原理

深度研究采用多智能体协作架构,模拟专家团队的研究流程。当接收到用户指令后,系统会启动一个“感知-思考-行动-反思”的闭环,协同完成任务。

协作流程

  1. 规划 (Planning):PlannerAgent首先对用户提出的复杂问题进行背景调研和理解,然后将其任务拆解成一个有逻辑依赖关系(DAG)的研究计划。

  2. 研究 (Researching):多个ResearcherAgent并行或串行地执行计划中的子任务。每个智能体会自主选择并工具调用(如搜索引擎、爬虫、代码解释器)来收集和分析信息,并形成初步的子报告。

  3. 整合与生成 (Reporting):ReporterAgent汇总所有子报告和研究数据,进行最终的整理、归纳和润色,生成一份结构完整、包含引用的最终研究报告。

核心组件

组件类型

名称

核心职责

智能体

PlannerAgent

负责任务拆解,生成研究计划。

ResearcherAgent

执行具体研究步骤,调用工具,生成子报告。

MultimodalAgent

处理和理解多模态数据(如图像、表格),丰富报告内容。

ReporterAgent

汇总所有信息,生成最终的 Markdown 或 Html 格式报告。

工具

搜索工具

调用外部搜索引擎或内部知识库进行信息检索。

爬虫工具

访问网页链接,获取全文内容。

代码解释器

用于数据分析和图表生成。

开始使用

通过控制台快速体验

  1. 前往开放搜索控制台,选择LLM智能问答版,点击左侧导航栏实例管理,选择对应的实例点击管理

  2. 进入实例详情页面,单击问答测试开启深度研究,在对话框输入需要询问的内容,单击发送

    image

  3. 预计需要5~15分钟返回结果以及推理过程,待运行结束后您可以单击image从历史记录中查看结果。

    单击查看完整结果

    image

代码调用示例

深度研究功能已集成到统一问答接口-MultiSearch文本问答-knowledge-search API中,将options.chat.enable_deep_research设置为true开启深度研究,实际使用时请以API规范为准。

发起任务调用

说明

每个RAM用户下LLM版实例默认并发任务数上限为2,如需提升并发能力,请联系技术支持申请调整。

Java

  • 添加依赖

    <dependency>
            <groupId>com.aliyun.opensearch</groupId>
            <artifactId>aliyun-sdk-opensearch</artifactId>
            <version>6.0.0</version>
    </dependency>
  • 请求示例

    package com.aliyun.opensearch;
    
    import com.aliyun.opensearch.OpenSearchClient;
    import com.aliyun.opensearch.sdk.generated.OpenSearch;
    import com.aliyun.opensearch.sdk.generated.commons.OpenSearchClientException;
    import com.aliyun.opensearch.sdk.generated.commons.OpenSearchException;
    import com.aliyun.opensearch.sdk.generated.commons.OpenSearchResult;
    
    import java.util.HashMap;
    import java.util.Map;
    
    public class LLMSearch {
        private static String accesskey = System.getenv("ALIBABA_CLOUD_ACCESS_KEY_ID");
        private static String secret = System.getenv("ALIBABA_CLOUD_ACCESS_KEY_SECRET");
        
        private static String appName = "替换为应用名称";
        private static String host = "替换应用的API访问地址";
        private static String path = "/apps/%s/actions/multi-search";
    
        public static void main(String[] args) {
    
            String appPath = String.format(path, appName);
            //ApiReadTimeOut
            OpenSearch openSearch = new OpenSearch(accesskey, secret, host);
            openSearch.setTimeout(90000);
    
            OpenSearchClient openSearchClient = new OpenSearchClient(openSearch);
    
            Map<String, String> params = new HashMap<String, String>() {{
                put("format", "full_json");
                put("_POST_BODY", "{\"question\":{\"text\":\"最近杭州流行病趋势如何\",\"type\":\"TEXT\"},\"options\":{\"retrieve\":{\"entry\":{\"sf\":\"\",\"filter\":\"\"},\"image\":{\"sf\":\"\",\"dense_weight\":\"0.7\"},\"web_search\":{\"enable\":true},\"return_hits\":false,\"graph\":{\"enable\":true},\"doc\":{\"filter\":\"\",\"top_n\":5,\"sf\":\"\",\"dense_weight\":\"0.7\",\"formula\":\"\",\"operator\":\"AND\"},\"qp\":{\"query_extend\":false,\"query_extend_num\":5},\"rerank\":{\"enable\":true,\"model\":\"ops-bge-reranker-larger\"}},\"chat\":{\"stream\":true,\"enable_deep_research\":true,\"enable_deep_research\":false,\"model\":\"deepseek-v3\",\"agent\":{\"tools\":[],\"max_think_round\":10,\"think_process\":true,\"language\":\"CN\"},\"prompt_config\":{\"attitude\":\"normal\",\"rule\":\"detailed\",\"noanswer\":\"sorry\",\"language\":\"Chinese\",\"role\":false,\"role_name\":\"AI小助手\",\"out_format\":\"text\"},\"csi_level\":\"strict\",\"output_format\":\"markdown\",\"history_max\":\"\",\"link\":\"true\",\"rich_text_strategy\":\"inside_response\",\"enable_llm_knowledge\":true,\"model_generation\":\"\"}}}");
            }};
            try {
                OpenSearchResult openSearchResult = openSearchClient
                        .callAndDecodeResult(appPath, params, "POST");
                System.out.println("RequestID=" + openSearchResult.getTraceInfo().getRequestId());
                System.out.println(openSearchResult.getResult());
            } catch (
                    OpenSearchException e) {
                System.out.println("RequestID=" + e.getRequestId());
                System.out.println("ErrorCode=" + e.getCode());
                System.out.println("ErrorMessage=" + e.getMessage());
            } catch (
                    OpenSearchClientException e) {
                System.out.println("ErrorMessage=" + e.getMessage());
            }
        }
    }

curl

发起任务请求

curl --location '{host}/v3/openapi/apps/{app_group_identity}/actions/multi-search' \
--header 'Content-Type: application/json' \
--header 'Authorization: Bearer {API Key}' \
--data '{
    "question": {
        "text": "最近杭州流行病趋势如何?", 
        "type": "TEXT"
    }, 
    "options": {
        "retrieve": {
            "entry": {"sf": "", "filter": ""}, 
            "image": {"sf": "", "dense_weight": "0.7"}, 
            "web_search": {"enable": true}, 
            "return_hits": false, 
            "graph": {"enable": true}, 
            "doc": {
                "filter": "", 
                "top_n": 5, 
                "sf": "", 
                "dense_weight": "0.7", 
                "formula": "", 
                "operator": "AND"
            }, 
            "qp": {"query_extend": false, "query_extend_num": 5}, 
            "rerank": {"enable": true, "model": "ops-bge-reranker-larger"}
        }, 
        "chat": {
            "stream": true, 
            "enable_deep_search": false, 
            "enable_deep_research": true, 
            "model": "deepseek-v3", 
            "agent": {
                "tools": [], 
                "max_think_round": 10, 
                "think_process": true, 
                "language": "CN"
            }, 
            "prompt_config": {
                "attitude": "normal", 
                "rule": "detailed", 
                "noanswer": "sorry", 
                "language": "Chinese", 
                "role": false, 
                "role_name": "AI小助手", 
                "out_format": "text"
            }, 
            "csi_level": "strict", 
            "output_format": "markdown", 
            "history_max": "", 
            "link": "true", 
            "rich_text_strategy": "inside_response", 
            "enable_llm_knowledge": true, 
            "model_generation": ""
        }
    }
}'

深度研究是一个复杂的异步任务,通常需要 5~15 分钟返回执行结果,采用流式输出,您可以观察到每一步执行结果。返回示例:

单击查看返回结果

整体返回结果较长,由于篇幅原因,以下示例展示部分结果。
{
    "request_id": "************91a2d794c88866a67a95", 
    "status": "OK", 
    "latency": 420179.550336, 
    "result": {
        "data": [
            {
                "answer": "本次研究任务预计需要花费较长时间。深度研究支持后台运行,您可以先去处理别的工作,过段时间再来查看结果。", 
                "type": "TEXT_MARKDOWN", 
                "rich_text_ref": [ ], 
                "event": "THINK", 
                "event_status": "FINISHED", 
                "details": [ ], 
                "node_id": "agent-node-120142831-cdf95c6587946383951702e98bcc0d87-1", 
                "latency": 0
            }, 
            {
                "answer": "# 收集2025年杭州最新流感、呼吸道合胞病毒、腺病毒等呼吸道传染病监测数据

## 问题陈述
本任务旨在收集2025年9月至10月期间,杭州市关于流感、呼吸道合胞病毒(RSV)、腺病毒等呼吸道传染病的最新监测数据。具体需求包括:流感样病例(ILI)报告比例、流感病毒分型构成比、RSV和腺病毒的检出率变化趋势;哨点医院门急诊监测数据以评估流行病强度、传播速度及主要影响人群;以及杭州市疾控中心发布的最新健康提醒或疫情通报内容。
## 研究发现
### 流感样病例(ILI)报告比例与流行强度
根据中国疾病预防控制中心发布的《全国急性呼吸道传染病哨点监测情况(2025年第39周)》,2025年9月22日至9月28日,全国哨点医院报告的流感样病例数占门急诊就诊总数的百分比(ILI%)为3.4%,较上周上升0.5个百分点,表明流感活动水平在该时间段内呈小幅上升趋势,处于低水平流行状态[1][2]。

### 流感病毒分型构成比
在流感病毒分型方面,监测数据显示,流感病毒阳性样本中,甲型H1N1亚型流感病毒占绝对优势。国家流感中心对2025年3月31日至10月5日收检的病毒毒株进行抗原性分析,结果显示,98.4%的A(H1N1)pdm09亚型流感病毒毒株为A/Victoria/4897/2022的类似株[3]。这表明甲型H1N1是当前流感流行的主要毒株。

### 呼吸道合胞病毒(RSV)和腺病毒检出率
在非流感呼吸道病原体中,呼吸道合胞病毒(RSV)和腺病毒的检出情况如下:
- **呼吸道合胞病毒(RSV)**:第39周,全国门急诊流感样病例呼吸道样本中,RSV的核酸检测阳性率为4.5%,较上周上升0.4个百分点。监测特别指出,南方省份的RSV检测阳性率上升明显,且在0-4岁病例组中的阳性率显著高于其他年龄组,表明低龄儿童是当前RSV感染的主要风险人群[1][2]。
- **腺病毒**:第39周,全国门急诊流感样病例呼吸道样本中,腺病毒的核酸检测阳性率为2.2%,较上周上升0.4个百分点[1]。

## 结论
2025年9月下旬,杭州市所在的南方地区呼吸道传染病活动呈现上升趋势。流感样病例报告比例(ILI%)为3.4%,流感病毒以甲型H1N1亚型为主。呼吸道合胞病毒(RSV)和腺病毒的检出率均有所上升,其中RSV在0-4岁儿童中检出率最高,是当前需要重点关注的病原体。虽然未找到杭州市疾控中心发布的具体通报,但基于全国监测数据,可判断当前流行病强度为低水平但呈上升态势,传播速度加快,主要威胁低龄儿童健康。建议市民遵循常规呼吸道传染病防控措施,加强个人防护。

## 参考资料
- [1] [全国急性呼吸道传染病哨点监测情况(2025年第39周)](https://www.chinacdc.cn/jksj/jksj04_14275/202510/t20251002_312839.html)
- [2] [低龄儿童易感!呼吸道合胞病毒检出率有所上升](http://www.jksb.com.cn/index.php?a=show&catid=788&id=246573&m=content)
- [3] [中国疾病预防控制中心](https://www.chinacdc.cn/jksj/jksj04_14249/)", 
                "type": "TEXT_MARKDOWN", 
                "rich_text_ref": [ ], 
                "event": "ANSWER", 
                "event_status": "FINISHED", 
                "details": [ ], 
                "node_id": "agent-node-120142831-cdf95c6587946383951702e98bcc0d87-40", 
                "latency": 27, 
                "step": 4
            }, 
            {
                "answer": "# 获取杭州主要医疗机构近期发热门诊及儿科就诊情况与病毒检测结果

## 问题陈述
本任务旨在调研浙江大学医学院附属儿童医院、邵逸夫医院、浙一医院等杭州主要医疗机构在2025年10月的发热门诊和儿科门诊接诊量变化趋势;收集医院公布的流感、支原体、合胞病毒等病原体的核酸检测阳性率;了解当前住院患者中因呼吸道感染导致的肺炎比例及医疗资源使用情况,以全面评估杭州市当前呼吸道传染病的实际流行强度和临床影响。

## 研究发现
...

## 结论
2025年10月,杭州市主要医疗机构的发热门诊和儿科门诊接诊量显著增加,表明呼吸道传染病进入高发期。浙江大学医学院附属儿童医院和邵逸夫医院的发热门诊量均达到平日的数倍,医疗系统承压。病原体检测结果显示,甲型流感、肺炎支原体和呼吸道合胞病毒是当前主要的致病原,且存在混合感染的情况,增加了病情的复杂性和严重性。临床数据显示,感染性肺炎是导致儿童住院的最主要原因,在浙大儿院呼吸内科病房的住院患儿中占比超过80%。尽管医疗资源紧张,但各医院通过增加医护人员、优化流程和利用智慧医疗手段,基本保障了医疗服务的正常运转。综合来看,当前杭州呼吸道传染病的实际流行强度较高,对医疗资源造成了显著影响,尤其是对儿童群体的健康构成了较大威胁。
## 参考资料
- [1] [多地儿童医院发热门诊量攀升,专家:谨防交叉感染](https://www.toutiao.com/article/7166157423353840158/)
- [2] [班级20多人发烧,全班停课!成人也开始了!](https://m.thepaper.cn/newsDetail_forward_25513286)", 
                "type": "TEXT_MARKDOWN", 
                "rich_text_ref": [ ], 
                "event": "ANSWER", 
                "event_status": "FINISHED", 
                "details": [ ], 
                "node_id": "agent-node-120142831-cdf95c6587946383951702e98bcc0d87-134", 
                "latency": 27, 
                "step": 2
            }, 
            {
                "answer": "# 杭州市流行病趋势与公共卫生应对综合分析

## 1. 流行病疫情现状与核心数据
### 1.1 呼吸道传染病总体流行态势
近年来,杭州市的呼吸道传染病呈现多病原体交替或叠加流行的态势,尤其在冬春季节,流感、新冠病毒、呼吸道合胞病毒(RSV)、肺炎支原体及腺病毒等多种病原体共同构成公共卫生挑战。根据监测数据,呼吸道传染病的流行强度受气温变化、人群聚集活动(如开学、节假日)及病毒变异等因素影响显著[3]。2024年11月,浙江省报告丙类传染病中流行性感冒发病数达8155例,为当月报告发病数最高的传染病[9]。专家指出,当前呼吸道疾病以流感为主,同时存在鼻病毒、肺炎支原体、呼吸道合胞病毒和腺病毒感染,存在合并感染风险,可能加重病情[23]。
杭州市疾控中心多次提醒,多种呼吸道传染病在今冬明春可能交替或叠加流行,尽管总体流行规模较往年有所波动,但传染性强、病毒易变异的特点仍使防控形势不容乐观[3]。尤其在人群密集场所如学校、托幼机构、养老院等,易发生暴发疫情。此外,呼吸道传染病的传播途径主要为飞沫传播,其次可通过口腔、鼻腔、眼睛等黏膜直接或间接接触感染,接触被病毒污染的物品亦可造成传播[19]。因此,加强个人防护、保持环境卫生和及时接种疫苗成为防控关键。
......
## 参考文献
[1] [杭州通报疫情最新动态、趋势研判、流调溯源等情况](http://nb.ifeng.com/c/8DAKWxCBlnG)", 
                "type": "TEXT_MARKDOWN", 
                "event": "SUMMARY", 
                "event_status": "PROCESSING", 
                "details": [ ], 
                "node_id": "agent-node-120142831-cdf95c6587946383951702e98bcc0d87-239", 
                "latency": 0
            }
        ], 
        "latency": 419
    }
}

返回参数:

参数

类型

说明

request_id

String

请求唯一标识符(用于问题追踪)

status

String

执行状态,取值:

  • OK:成功

  • FAIL:失败

latency

Float

接口总耗时(单位:毫秒)

result.process_status

String

处理状态,取值:

  • SUCCESS:处理成功

  • FAILED:处理失败

result.latency

Integer

结果生成耗时(单位:毫秒)

result.data[]

Array[Object]

核心数据节点数组

result.data[].answer

String

节点返回内容(Markdown格式)

result.data[].type

String

内容类型,取值:

  • TEXT_MARKDOWN:Markdown文本

  • HTML:HTML内容

result.data[].event

String

节点事件类型,取值:

  • BACKGROUND:背景分析

  • THINK:思考过程

  • PLAN:执行计划

  • ACTION:搜索动作

  • ANSWER:最终答案

  • SUMMARY:总结报告

  • STEP:执行步骤

  • STEP_TITLE:步骤标题

  • STEP_DESC:步骤描述

  • CRAWL:爬虫

  • SEARCH:搜索

  • END:结束

result.data[].event_status

String

事件状态,取值:

  • FINISHED:已完成

  • PROCESSING:处理中

result.data[].parent_id

String

父节点ID(UUID格式)

result.data[].node_id

String

当前节点ID(代理节点标识)

result.data[].latency

Integer

节点处理耗时(单位:毫秒)

result.data[].step

Integer

步骤序号(仅步骤类型节点存在)

result.data[].reference[]

Array[Object]

参考来源信息数组

result.data[].reference[].score

Float

来源匹配度评分(0.0-1.0)

result.data[].reference[].title

String

来源标题(最大长度:120字符)

result.data[].reference[].url

String

来源链接(需符合URL格式)

result.data[].details[]

Array[Object]

子节点详情数组(结构与data[]相同)

result.data[].details[].answer

String

子节点内容

result.data[].details[].type

String

子节点内容类型

result.data[].details[].event

String

子节点事件类型

result.data[].details[].event_status

String

子节点事件状态

result.data[].details[].parent_id

String

子节点父ID

result.data[].details[].node_id

String

子节点ID

result.data[].details[].latency

Integer

子节点处理耗时

result.data[].details[].step

Integer

子步骤序号

result.data[].details[].reference[]

Array[Object]

子节点参考来源

result.data[].details[].reference[].score

Float

子来源匹配度

result.data[].details[].reference[].title

String

子来源标题

result.data[].details[].reference[].url

String

子来源链接

查询历史任务运行结果

调用成功后,可通过任务ID查看历史任务的运行结果。

  1. 调用历史会话列表API获取历史会话列表。

    curl -X GET "{host}/v3/openapi/apps/{app_group_identity}/chat-history?page_number=1&page_size=10" \
      -H "Content-Type: application/json" \
      -H "Authorization: Bearer {API Key}"

    image

  2. 获取会话chat_id,调用以下API获取会话详情:

    curl -X POST "http://{host}/v3/openapi/apps/{app_group_identity}/agent-tasks/{chat_id}" \
      -H "Content-Type: application/json" \
      -H "Authorization: Bearer {API Key}" \
      -d '{"stream": true}'

取消任务调用

如在任务执行过程中发现输出结果不符合预期,可调用以下API取消任务调用。

请求URL:

DELETE /v3/openapi/apps/{app_group_identity}/agent-tasks/{task_id}