课程简介

随着思维链（CoT）技术的发展，大模型完成了从简单的生成模型（答案直给）到推理模型（展示思考）的进化，同时，随着日渐成熟的RAG技术的融入，解决了知识时效性、上下文长度限制的问题。融合这两种策略，即RAG加上“规划-验证-反思”循环，催生出DeepResearch产品的诞生，使得模型可以像专业人士一样思考：提出假设、拆解问题、递归检索和自我矫正，大大提升了模型智能推理的天花板。

DeepResearch作为OpenAI的明星产品，赚足了市场的口碑，头部企业争相效仿。然而，DeepResearch类型的产品仍处于早期阶段，尚存在诸多问题，例如垂直领域的工具利用、监督数据的匮乏、推理成本的高墙等等。

本次分享，将探讨从RAG/CoT到DeepResearch技术的演进历程。充分的让企业理解DeepResearch技术源起何处，又会走向何方。理解DeepResearch技术和产品解析、底层逻辑、产品设计、技术要点和产业生态。同时，从DeepResearch到智能体。更深层次的帮助从业者理解DeepResearch和智能体技术（Agentic AI）的紧密联系，展望智能体技术的潜力和未来。

课程收益

1、帮助学员掌握前沿系统构建技巧，独立搭建与优化复杂检索系统；

2、帮助学员精通思维链模型微调，提升推理模型性能与适应性；

3、帮助学员汲取实战经验教训，高效落地DeepResearch技术产品

受众人群

AI算法工程师、检索系统开发工程师及推理模型研发专员、AI技术项目经理、智能系统架构师及企业AI应用负责人及从事AI与多领域交叉应用的技术骨干、智能产品创新设计师及致力于推理模型前沿探索的研究人员

课程周期

 0.5天（3H）

课程大纲

1、从生成到推理：inference time scaling law

2、大模型幻觉的良药：RAG

3、DeepResearch产品与系统设计

4、应用落地与优化

5、展望：持续突破智能边界

6、QA