03:09Aravind Srinivas@AravSrinivas精选Perplexity 宣布其智能体框架 Computer 原生集成了 Deep Research 能力,用户无需再单独切换模式。该功能基于“搜索即代码”架构,模型自动编写代码来组织搜索流程,并行执行数千次检索步骤,针对每个问题定制化搜索。在多个基准测试中,其性能超越了传统的 Deep Research 方案。这标志着智能体工具在深度研究自动化方面迈出了重要一步。AI产品智能体搜索即代码深度研究Perplexity自动化推荐理由:做深度调研或竞品分析的团队终于有了一个能自动并行搜索的智能体——Perplexity Computer 把 Deep Research 变成原生技能,不用再手动切换模式,建议试试看能否替代你现有的研究流程。原文
01:59rohanpaul_ai@rohanpaul_ai72°Apodex-1.0-H 是一个用于深度研究的重型智能体团队,通过将网络研究任务分配给多个智能体,并在生成答案前审计每条证据链,声称达到 SOTA 结果。它将深度研究视为 AI 智能体的分布式系统问题:一个编排器分配子智能体不同的上下文和工具,然后事实核查、冲突审查和草稿审查智能体测试薄弱声明。真正的亮点在于,Apodex 展示了一条可能的“推理时扩展”路径,即更好的答案不是来自更大的模型,而是来自多个协调的搜索智能体、持久追踪和独立的验证层。AI产品智能体深度研究推理时扩展分布式系统Apodex推荐理由:做深度研究或复杂信息检索的开发者,值得关注 Apodex 的分布式智能体思路——它可能改变“大模型=好答案”的惯性认知,用多智能体协作+验证层来提升结果可信度。原文
23:22berryxia@berryxia78°一个开源团队发现,传统深度研究系统中调度器拥有搜索权限会导致浅尝辄止,因此他们设计了一个反直觉的架构:调度器只能分解任务和评估报告,不能上网搜索。这个名为Onyx的系统在DeepResearch Bench上登顶,超越Claude和ChatGPT。Onyx采用两层架构,上层纯策略调度器,下层最多6个独立研究agent,三阶段流水线确保高质量输出。它还能接入企业内部知识库,完全开源,任何人都可以复现。AI产品深度研究开源/仓库智能体Onyx反直觉设计推荐理由:这个反直觉的设计戳穿了AI Agent的常见毛病,做深度研究或自动化任务的开发者可以直接跑起来试试,效果比大厂方案还强。原文
00:12NVIDIA AI@NVIDIAAINVIDIA 发布了开源 AI-Q 智能体技能包,将构建深度研究管线的流程封装为可移植技能。用户可将该技能包直接放入智能体框架中,智能体即可将研究任务委派给本地或托管的 AI-Q 服务器,并返回带有引用的详细报告。该技能包支持主流智能体框架,降低了构建复杂研究管线的门槛。在 Codex 等环境中演示了其便捷性,适合需要自动化深度研究的开发者和团队。AI产品智能体开源/仓库深度研究NVIDIAAI-Q推荐理由:NVIDIA 把深度研究能力打包成即插即用的技能,做智能体开发或自动化研究的团队可以直接集成,省去从零搭建管线的麻烦。原文