开源hybrid-deep-research:纯提示词驱动的深度研究系统

开源hybrid-deep-research:纯提示词驱动的深度研究系统

💡 原文中文,约6300字,阅读约需15分钟。
📝

内容提要

hybrid-deep-research是一个纯提示词驱动的开源深度研究系统,无需代码或框架,仅靠573行提示词让同一大模型扮演八个角色,完成从问题拆解、多源调查、质量过滤到报告合成与链接验证的七步流程。它展示了提示词可成为可执行规范,重新定义编程概念,但也受限于模型能力和确定性不足。

🔎

延伸解读

提示词作为可执行规范

hybrid-deep-research 的核心在于将提示词视为一种可执行的规范,而非简单的指令。它通过定义输入输出格式、角色职责和流程控制,使大模型能够按照预设逻辑执行复杂任务。这模糊了传统编程与自然语言编程的界限,提示词工程师的角色也愈发接近传统程序员,需要精确设计流程、约束行为并处理异常。

角色切换与模型能力边界

系统让同一个大模型扮演八个角色,通过不同的角色描述切换行为模式。这体现了大模型对语境的敏感性,但也暴露了其能力上限:所有角色共享同一模型,若模型本身推理或理解能力不足,角色切换也无法弥补。因此,纯提示词驱动的方案高度依赖底层模型的性能,模型升级会直接提升系统表现,但模型能力不足时,系统质量也会受限。

确定性操作与提示词的结合

项目在决策和判断层面使用提示词,而在需要精确、可重复的操作(如链接验证、GitHub API 调用)时,则借助 curl 等命令行工具。这种分工避免了纯提示词方案在确定性上的不足,也弥补了纯代码方案的灵活性欠缺。它提示我们,未来的 AI 系统可能更多采用这种混合模式,让大模型负责理解与生成,让传统工具负责精确执行。

从对话到委托的范式转变

hybrid-deep-research 展示了大模型从对话工具向行动主体的转变。用户不再需要逐步指导,而是通过一次提问,让系统自主完成规划、执行、验证和交付。这改变了人机协作的方式,用户从执行劳动转向判断与决策,类似于管理一个实习生。这种模式虽然存在误解意图或遗漏信息的风险,但模型的快速进化使得提示词驱动的系统能持续提升表现,无需修改代码。

Q&A

hybrid-deep-research是什么?它有什么独特之处?

hybrid-deep-research是一个开源的深度研究系统,专为AI智能体Hermes设计。它的独特之处在于纯提示词驱动,不依赖任何代码、框架或第三方库,所有逻辑都通过精心设计的提示词实现。它让同一个大模型扮演八个角色,完成从问题拆解到报告合成的七步流程。

hybrid-deep-research的研究流程包括哪些步骤?

流程包括七个步骤:1. 生成研究简报;2. 将问题拆解为子话题;3. 派出多个调查员同时进行多源调查;4. 评论员过滤低质量内容;5. 检查信息缺口;6. 合成报告;7. 用curl命令验证所有引用链接。

hybrid-deep-research中的八个角色分别是什么?它们如何协作?

八个角色包括:简报生成器、研究总监、调查员、评论员、合成师、验证官等。它们共享同一个大模型,通过不同的角色描述切换行为。简报生成器判断问题类型,研究总监拆解子话题,调查员搜集信息,评论员过滤质量,合成师整合报告,验证官检查链接。它们按流程协作,形成完整的虚拟研究团队。

hybrid-deep-research如何保证研究质量?

系统通过多种机制保证质量:限制调查员输出200词以内,强制信息提纯;评论员过滤无URL、URL失效、超时、矛盾的信息,并调整置信度;合成师按来源权重整合,官方文档权重最高;验证官用curl检查所有链接,标记失效链接。

hybrid-deep-research的纯提示词驱动方案有哪些优势和局限?

优势:成本低、灵活,随模型升级自动提升性能,无需重新培训。局限:受限于模型能力,缺乏确定性,输出可能不一致;面临平台访问壁垒,如Reddit需要配置cookies。

hybrid-deep-research如何体现提示词作为可执行规范的潜力?

项目展示了提示词可以成为可执行的规范:研究总监的提示词定义输入输出,类似函数;评论员的提示词类似单元测试;验证官直接调用curl,是代码行为。整个流程用自然语言编写,控制流程、质量、冲突裁决,重新定义了编程概念。

hybrid-deep-research与传统多智能体框架(如LangGraph)有何不同?

传统框架如LangGraph、CrewAI需要写Python代码来定义流程、状态和工具调用。而hybrid-deep-research完全不用代码,所有逻辑都写在提示词中,让大模型自己调度自己。它更灵活、成本更低,但缺乏传统程序的确定性。

hybrid-deep-research如何体现大模型从对话工具向行动主体的转变?

项目将大模型从简单的问答工具转变为能自主规划、执行、检查、交付的智能体。用户只需提问,系统自动完成研究任务,用户从劳动转向判断,类似管理实习生。这体现了大模型作为行动主体的趋势。

🏷️

标签

➡️

继续阅读