點擊下方“JavaEdge”，選擇“設(shè)為星標(biāo)”

第一時間關(guān)注技術(shù)干貨！

免責(zé)聲明~ 任何文章不要過度深思！ 萬事萬物都經(jīng)不起審視，因為世上沒有同樣的成長環(huán)境，也沒有同樣的認知水平，更「沒有適用于所有人的解決方案」； 不要急著評判文章列出的觀點，只需代入其中，適度審視一番自己即可，能「跳脫出來從外人的角度看看現(xiàn)在的自己處在什么樣的階段」才不為俗人。 怎么想、怎么做，全在乎自己「不斷實踐中尋找適合自己的大道」

0 業(yè)務(wù)痛點

標(biāo)準(zhǔn)搜索查詢通常會因復(fù)雜問題而失效。學(xué)術(shù)論文、市場分析或代碼調(diào)試，要找到完整答案通常需拼湊數(shù)十個單獨搜索。這正是深度研究的用武之地——它能夠直面這一日常挑戰(zhàn)。Google Gemini、ChatGPT 和 DeepSeek-R1 等領(lǐng)先 AI 平臺已提供這項強大功能。

深度研究憑借其智能反饋循環(huán)脫穎而出：它能夠識別知識缺口，鎖定特定問題，進行系統(tǒng)性探索，并提供全面的報告。不同于傳統(tǒng)的碎片化信息搜索，深度研究提供的答案既廣泛又深入。

本文展示咋用 Dify 構(gòu)建深度研究工作流，主要包含三個關(guān)鍵組件：循環(huán)變量、結(jié)構(gòu)化輸出和代理節(jié)點。創(chuàng)建一個能夠獨立進行研究并提供有意義見解的工作流。

工作流概述

Dify 中的深度研究工作流程分三階段：

1. 意圖識別：工作流程捕捉您的研究主題，收集初始背景，并分析目標(biāo)以確定明確的方向。

2. 迭代探索：工作流程使用循環(huán)變量來評估知識以發(fā)現(xiàn)差距、運行有針對性的搜索并逐步建立發(fā)現(xiàn)。

3. 綜合：所有收集到的信息都成為一份帶有適當(dāng)引用的結(jié)構(gòu)化報告。

它反映了專家研究人員的思考：“我已經(jīng)知道什么？缺少什么？下一步我應(yīng)該研究什么？”

1 第一階段：研究基礎(chǔ) 1.1 起始節(jié)點

應(yīng)首先用基本輸入?yún)?shù)配置開始節(jié)點：

• 研究主題：需要探索的核心問題

• 最大循環(huán)：本次研究會話的迭代預(yù)算

建議使用Exa Answer工具收集初步信息，確保模型在深入研究之前理解術(shù)語。

意圖分析

需使用LLM節(jié)點來挖掘用戶的真實意圖，從而區(qū)分表面問題和進一步的信息需求。

2 第二階段：動態(tài)研究周期 循環(huán)節(jié)點：研究引擎

循環(huán)節(jié)點驅(qū)動著整個研究。在 Dify 中，它跨迭代傳遞信息，因此每個循環(huán)都建立在先前的發(fā)現(xiàn)之上。

Dify的深度研究工作流程跟蹤六個關(guān)鍵變量：

• findings: 每個周期發(fā)現(xiàn)的新知識

• executed_querys: 以前使用的搜索查詢（防止冗余）

• current_loop: 迭代計數(shù)器

• visited_urls: 正確引用的來源跟蹤

• image_urls: 視覺內(nèi)容引用

• knowledge_gaps: 已確定的信息需求

循環(huán)變量 V.S 標(biāo)準(zhǔn)變量

• 正常參考遵循線性路徑：節(jié)點 1 → 節(jié)點 2 → 節(jié)點 3

• 循環(huán)引用前一次迭代創(chuàng)建一個知識網(wǎng)絡(luò)：節(jié)點可以訪問當(dāng)前迭代和前一次迭代的輸出

這種設(shè)計可以積累知識，避免重復(fù)工作，并在每個周期中增強焦點。

推理節(jié)點采用結(jié)構(gòu)化輸出格式：

ounter(lineounter(lineounter(lineounter(lineounter(line
{
    "reasoning": "Detailed justification for the chosen action path...",
    "search_query": "Specific follow-up question targeting knowledge gaps",
    "knowledge_gaps": "Information still needed to answer the original question"
}

通過在 LLM 節(jié)點中啟用 Dify 的結(jié)構(gòu)化輸出編輯器，您將收到一致的 JSON，以便下游節(jié)點能夠可靠地處理。這可以清晰地提取推理路徑、搜索目標(biāo)和知識缺口。

好的問題只是開始。有效的研究需要果斷的行動，而這正是Agentnode 所擅長的。

這些節(jié)點充當(dāng)自主研究人員的角色，根據(jù)具體情況選擇最合適的工具。工作流為代理提供了以下功能：

發(fā)現(xiàn)工具

• exa_search: 進行網(wǎng)絡(luò)搜索并收集結(jié)果

• exa_content: 從特定來源獲取完整內(nèi)容

分析工具

• think：作為系統(tǒng)的反思引擎，靈感源自 Claude 的 Think Tool。它使代理能夠評估發(fā)現(xiàn)、識別模式并確定后續(xù)步驟，這與研究人員暫停工作以整合筆記并規(guī)劃其方法非常相似。

可通過僅向代理提供其所需的內(nèi)容來優(yōu)化性能：僅提供來自上一個 LLM 節(jié)點的 search_query，而不是整個上下文。這種專注的方法可以提高工具選擇的準(zhǔn)確性。

工作流自動識別代理響應(yīng)中的 URL 和視覺參考，從而正確跟蹤所有信息源。

在每次迭代中，代理通過收集信息、處理內(nèi)容和整合研究結(jié)果來完成一個完整的研究周期。

變量賦值

每個周期結(jié)束后，變量分配器節(jié)點都會更新研究狀態(tài)。這確保每次迭代都建立在先前工作的基礎(chǔ)上，而不是重復(fù)工作。

一旦多個探索周期完成，最終摘要節(jié)點就會采用所有累積變量（發(fā)現(xiàn)、來源和支持?jǐn)?shù)據(jù)）來生成綜合報告。

設(shè)置此節(jié)點是為了維護正確的 Markdown 引用并編制完整的參考文獻列表。該工作流程還在關(guān)鍵節(jié)點設(shè)置了答案節(jié)點，以便在整個研究過程中提供流式更新。這些更新將最終報告構(gòu)建成全面的分析和有效的參考文獻，兼具分析深度和學(xué)術(shù)可信度。

本《深度研究指南》展示了 Dify 代理工作流程的卓越成就。Dify將專家研究方法數(shù)字化，并通過自動化加速其進程。

未來的研究不僅僅在于擁有更多數(shù)據(jù)，更在于以更智能的方式探索數(shù)據(jù)。立即借鑒這些模式，構(gòu)建您的研究引擎。

參考：

• https://github.com/dzhng/deep-research

• https://github.com/jina-ai/node-DeepResearch

• https://github.com/langchain-ai/local-deep-researcher

• https://github.com/nickscamara/open-deep-research

• 魔都架構(gòu)師 | 全網(wǎng)30W技術(shù)追隨者

• 大廠分布式系統(tǒng)/數(shù)據(jù)中臺實戰(zhàn)專家

• 主導(dǎo)交易系統(tǒng)百萬級流量調(diào)優(yōu) & 車聯(lián)網(wǎng)平臺架構(gòu)

• AIGC應(yīng)用開發(fā)先行者 | 區(qū)塊鏈落地實踐者

• 以技術(shù)驅(qū)動創(chuàng)新，我們的征途是改變世界！

• 實戰(zhàn)干貨：編程嚴(yán)選網(wǎng)

加我好友，一起AI探索交流！