应用介绍

利用检索插件、知识库和AI大模型进行问题拆解，并形成深度解读文案，最终输出文件链接

AI大模型

DeepSeek-V3.1、豆包-1.6-推理模型

逻辑说明

1、参数说明

1. depth：

思考次数，默认是3次

1. findings

研究发现

1. topics

研究主题

1. iter_result

循环结果

2、工作流说明

1）创建循环数组

根据思考次数创建数组，数组是为了初始化下一步「批量操作」

2）批量操作

• 第一步：初始化时间
• 第二步：初始化搜索条件

生成搜索条件：

nextSearchTopic：研究的子主题

shouldContinue： 是否继续研究

大模型：

DeepSeek-V3.1

例如：

{
  "nextSearchTopic": "大模型中的检索增强生成（RAG）架构优化策略",
  "shouldContinue": true
}

• 第三步：将搜索条件格式化json格式

大模型：

DeepSeek-V3.1

{
  "nextSearchTopic": "大模型中的检索增强生成（RAG）架构优化策略",
  "shouldContinue": true
}

• 第四步：拼接topics(研究主题)+nextSearchTopic为字符串
• 第五步：将第四步结果赋给变量 topics(研究主题)
• 第六步：判断第三步中shouldContinue的值是否为true
  • 为true
    • 调用检索插件（参数为第三步的nextSearchTopic）
    • 拼接findings(研究发现)+检索结果为字符串
    • 将上一步结果赋给变量 findings(研究发现)
    • 将"已完成「下标」第次检索，「数组元素」，共「depth」次"赋给变量iter_result
    • 输出iter_result
    • 结束
  • 为false
    • 将空值赋给变量iter_result
    • 输出iter_result
    • 结束

3、检索知识库（用户问题+topics(研究主题)）

4、AI大模型回答

根据用户问题、知识库索引、findings(研究发现)，生成中文专题分析报告。

大模型：

豆包-1.6-推理模型

5、Markdown转文件

6、展示文件链接

效果文件

https://365.kdocs.cn/l/cdglqMMNfWPP