2月 OpenAI 推出 DeepResearch，3 月同类产品 Manus 国内出圈，3 月底字节开源通用智能体 Tars。2023 年初就曾爆火的 AutoGPT，其思想在今年再次被大家致敬，背后原因是包含 Computer use、Reasoning 模型、MCP 工具生态等在内技术成熟度的持续提升。
虽然能看到希望，但模型幻觉问题仍然存在、解决复杂问题能力仍待提升、垂直领域知识缺乏问题仍然存在。进一步地，如果想要在企业内场景落地，还将面对包含可控性、推理成本、安全等在内的更多问题。
我们结合过去两年 BISHENG 在企业内大模型应用落地的经验，尝试提出一套经过改良、更加适合企业应用落地的 DeepResearch 框架。更加注重对企业内部知识、文档、数据的解析与应用，更加注重人在过程中的互动与可控，同时考虑管理者视角对使用记录数据的自动分析、观测与持续优化。

演讲提纲

1. 企业内大模型应用落地难，DeepResearch 能否破局？
2. DeepResearch 技术介绍：成为链接技术与业务的关键
   • 从 Deepsearch 到 DeepResearch
   • 多步研究能力和规划能力
   •  本地文档搜索与高阶文档分析
3.  DeepResearch 在企业内的应用场景探讨
4. DeepResearch 在企业内落地的难点与挑战：幻觉、安全、推理成本、交互友好性...
5. 我们的解法与思考

技术实践痛点

1. 放弃看起来更酷炫的应用场景，优先解决更真实的企业业务诉求
2. 仍然无法从根本上解决模型幻觉，只能通过更强的控制降低概率
3. 效果与落地成本（算力、效果持续提升）两者之间必将有所取舍

演讲前沿亮点

1. DeepResearch 如何重构上一代 RAG 技术
2. 面向 DeepResearch 类通用 Agent，企业应当如何完成数据准备
3. 一线企业落地经验

听众收益

1. 提供一种企业落地通用智能体的框架设计参考
2. 共享一些企业私有化落地过程中的真实难题与解决思路