DeepSeek+DeepResearch：让科研像聊天一样简单（完整版）

DeepSeek+DeepResearch： 让科研像聊天一样简单清华大学 新闻与传播学院、人工智能学院 双聘教授 @新媒沈阳 团队北京航空航天大学 29系人文与社会科学高等研究院 何静（助理教授）获取更多PPT资源，请关注“清新研究”二维码观看完整视频讲解，请关注“新媒沈阳”视频号科研类别研究论文研究报告软著专利基金课题......能做什么？要怎么做？效果如何？一能做什么？科研面临的主要挑战挑战解释例如课题研究的复杂性与跨学科性现代科研越来越趋向跨学科，单一学科的边界逐渐模糊 科研问题涉及多个领域的知识，往往需要结合不同学科的理论和方法 科研人员需要在复杂多变的学科交叉中找到解决方案生命科学与人工智能的结合、物理学与材料科学的结合等，往往要求科研人员具备更广泛的知识和技术储备数据膨胀与管理难题科研领域尤其是大数据相关的研究，产生的数据量急剧增加，数据的存储、分析和处理变得愈加复杂 从实验数据到文献数据，科研过程产生的所有数据量庞大，且格式、类型各异 如何高效管理、分析和提取有价值信息是科研面临的巨大挑战基因组学研究、天文学中的大规模观测数据，如何从中提取出有意义的规律和趋势？科研周期长，创新过程漫长且高风险科研的创新过程通常漫长且充满不确定性，高质量的科研成果往往需要数年甚至几十年的积累尽管科技发展迅速，但科研工作本身的高复杂性与高不确定性导致了创新的周期长且投入高新药研发从最初的实验设计到临床应用往往需要十年以上的时间，且成功率低知识碎片化与信息过载现代科研文献数量庞大，信息过载，科研人员难以有效地从中获取所需的关键信息随着科研领域不断扩展，新文献的出版速度不断加快。科研人员往往面临大量无关信息的干扰，需要快速筛选和提取对自己研究有价值的内容文献中可能充斥着重复研究、非核心信息或学术噪音，如何从中找到真正有用的知识点？资源分配与科研管理的效率问题科研项目涉及大量资金、设备和人员的协调，如何确保资源高效利用与合理分配是科研管理的难题科研项目往往涉及大量资金、设备和人员的协调，如何确保资源高效利用与合理分配是科研管理的难题一个跨学科的研究项目可能需要协调不同领域的专家，如何在有限的时间和经费内取得最大成果AI赋能科研全新维度 01协同共创 智启科研团队合作，共享智慧 | 资源整合，协同发力 | 跨界协作，创新无界02提效加速 激发创新智能助力，提升效率 | 流程优化，激发创造 | 智慧分析，揭示趋势03智能检索 精准分析智能搜索，精确定位 | 自动筛选，信息提取 | 深度分析，洞察真相04清洗数据 挖掘智慧数据清理，优化结构 | 自动处理，提升精度 | 智慧分析，揭示趋势05呈现数据 直观展示图表呈现，信息明晰 | 数据可视，快速解读 | 动态展示，精准传递06优化设计 提升精度历史数据，优化条件 | 智能预测，精确实验 | 精准控制，优化输出07识别模式 预见未来数据识别，发现规律 | 趋势预测，掌握先机 | 智能推理，洞察未来08支持决策 精准判断数据支持，决策精准 | 智能推荐，优化选择 | 实时反馈，快速响应09自动实验 提升效率自动操作，减少错误 | 设备联动，提高精度 | 智能控制，优化过程10挖掘知识 创新发现数据挖掘，发掘新知 | 知识萃取，创新突破 | 智能发现，发现潜力11优化项目 精准管理规划精确，资源合理 | 风险预警，精准把控 | 数据分析，优化决策12推广成果 扩大影响智能传播，成果推广 | 影响提升，快速传播 | 公共接受，科研价值数据挖掘数据分析数据采集数据处理数据可视化AIGC数据应用通过编写爬虫代码、访问数据库、读取文件、调用API等方式，采集社交媒体数据、数据库内容、文本数据、接口数据等。通过数据清洗、数据集成、数据变换、特征工程等方式，实现数据纠错、数据整合、格式转换、特征提取等。对数据进行诊断、预测、关联、聚类分析，常用于问题定位、需求预测、推荐系统、异常检测等。对数据进行分类、社交网络分析或时序模式挖掘，常用于客户细分、信用评分、社交媒体营销、股价预测等。将数据转化为统计图、热力图、网络关系图、词云、树形图等，用于揭示数据中蕴含的模式、趋势、异常和洞见。本质：以多agent实现从数据采集到可视全流程 模型特点 Claude3.5 sonnet 平衡性能：在模型大小和性能之间取得平衡，适合中等规模任务。 多模态支持：支持文本和图像处理，扩展应用场景。 可解释性：注重模型输出的可解释性和透明性。DeepSeek R1 高效推理：专注于低延迟和高吞吐量，适合实时应用。 轻量化设计：模型结构优化，资源占用少，适合边缘设备和移动端。 多任务支持：支持多种任务，如文本生成、分类和问答。Kimik1.5 垂直领域优化：针对特定领域（如医疗、法律）进行优化，提供高精度结果。 长文本处理：擅长处理长文本和复杂文档，适合专业场景。 定制化能力：支持用户自定义训练和微调，适应特定需求。Open AI o3 mini 小型化设计：轻量级模型，适合资源有限的环境。 快速响应：优化推理速度，适合实时交互场景。 通用性强：适用于多种自然语言处理任务，如对话生成和文本理解。爬虫数据采集 1、阅读网页源代码，提取特定网页内容；2、撰写python脚本； 3、提取并合并网址；4、提取网址内容；5、写入文件。任务你需要完成以下两个任务：1.阅读网页【网址】源代码【对应网页源代码】。提取所有包含“春运2025丨X月X日，全社会跨区域人员流动量完成X万人次”的网址进行去重、筛选，合并成网址列表2.撰写python脚本，基于步骤1输出的网址列表提取所有网址内容“截至目前 2025 年春运（2025年1月14日到2月8日）相关数据（如日期、全社会跨区域人员流动量、铁路客运量、公路人员流动量、水路客运量、民航客运量等）”完成数据提取并写入文件“2025春运数据.txt”Open AI o3mini响应速度快，能够高效提取所有需求链接，输出完整可运行python脚本，代码运行后生成文件，但数据采集结果为空。DeepSeek R1能够提取所有网址并进行筛选、去重，所撰写代码运行后完成数据爬虫任务，所获取数据准确，少量数据有所遗漏。提示词测试结果受到数据样本、测试环境、AI抽卡、提示词模板等因素影响，仅供参考，无法作为决策制定、质量评估或产品验证的最终依据。爬虫数据采集  目前DeepSeek R1、Open AI o3mini、Kimi k1.5支持联网查询网址，Claude 3.5 sonnet暂不支持； 四个模型均能根据上传的网页代码，对多个网址链接进行筛选、去重，完全提取出符合指令要求的所有网址链接并形成列表； 在复杂爬虫任务上，DeepSeek R1与Open AI o3min生成的代码均能正常执行数据采集任务，o3响应速度更快，R1数据采集结果更加完整准确；其他2个模型都存在多次调试但代码仍然运行不成功的问题，如代码中罗列URL不全、输出文本中提取数据为空等。 Kimi k1.5能够提取所有网址，代码运行后生成本地文件，但提取数据结果为空。结论Claude 3.5 sonnet可以提取所有网址，调整后可输出正确代码