DeepSearch：放权给AI，也许能获得更好的结果（非正式录音）

本期节目探讨了 DeepSearch 这一概念在 2025 年突然火爆的原因。首先，节目回顾了 2024 年 RAG 技术的流行及其随后热度下降，指出 RAG 虽然初期备受关注，但实际应用效果平平，未能带来显著提升。 紧接着，节目分析了 Coding Agent 的兴起，以及异步编程模式的普及，这些都为 DeepSearch 的应用创造了条件。更重要的是，2024 年 10 月 OpenAI 发布的 OE Preview，其推理模型的特性对包括 DeepSearch 在内的诸多模型产生了深远影响。 例如，OE Preview 强调推理时间投入与产出比，这与传统模型的预训练过程形成对比，也验证了斯坦福大学早期的延迟满足实验。 节目深入探讨了 DeepSearch 和 Deep Research 的实现策略，包括基于大模型的决策、查询生成、URL 排序等技术细节，并提出了解决长文档处理问题的 LakeChunking 方法。 最后，节目总结了深度搜索和深度研究的未来趋势，强调了系统稳定性、长上下文大模型以及推理模型在其中的重要作用，并指出未来搜索系统可能朝着 “快思考” 和 “慢思考” 双系统架构发展。 这反映了搜索技术向更深层次、更高质量方向发展的行业趋势。