OpenAI推出了最新的深度内容生成神器“DeepResearch”，用户只需一个”特斯拉的合理市值是多少”的提问，DeepResearch就能生成一份包括企业财务、业务增长分析，再到最后的市值推演的专业分析报告。而这，也指明了搜索AGI的发展方向。在此背景下，如何基于“DeepResearch”理念，对其做定制化改造，成为了近一个月来的市场热门话题。从架构上看，DeepSearcher 主要分为两大模块。
一个是数据接入模块，通过Milvus向量数据库来接入各种第三方的私有知识。这也是DeepSearcher相比OpenAI的原本DeepResearch做出的一大重大升级——更适合拥有独家数据的企业级场景。另外一部分是在线推理查询模块。这个模块包括了各种Agent策略以及RAG的实现部分，负责给用户提供准确有深度的回答。这部分引入了动态循环迭代机制：每次对向量数据库中内容完成数据查询后，系统都会启动一个反馈（reflection）流程，然后在每一轮迭代结束时，智能体（Agent）会对查询到的知识进行评估，判断其是否足以解答初始提出的问题。若发现仍存在知识缺口，便会触发下一轮迭代查询；若判定已有足够知识来作答，系统就会生成最终报告 。
使用方法：
举例：
特斯拉的合理市值是多少？
