一 准备工作 1.用户输入问题 ai判断 r1 事实查询型：需要具体、准确的信息 2025 分析对比型：需要多角度分析和比较 对比M4Max的macbookpro和5090幻16air，谁是最强全能本 探索发现型：需要广泛探索未知领域 如何让小参数大语言模型进行稳定的结构化输出 决策支持型：需要综合分析支持决策 500万元怎么做投资 2.ai输出 询问一些具体细节，比如还需要哪些问题相关信息，应该更关注问题的什么方面等数个问题 r1 3.ai根据上一问的结果和初始问题开始研究 r1 二 制定大纲 1.ai开始制定大纲（json格式） r1 包括主研究问题 研究的数个分点 research_plan = { "main_topic": "用户输入的主题", "research_questions": [ "核心问题1", "核心问题2", ... ], "sub_topics1": [ { "topic": "子主题1", #可以是核心问题，也可以是其拓展 "explain":"子主题1的简单解释" "priority": "高/中/低" } ], "sub_topics2": [ { "topic": "子主题2", #可以是核心问题，也可以是其拓展 "explain": "priority": "高/中/低" } ], ... } 2.ai进行第一轮搜索，看看自己的这些核心问题和子主题是否需要补充更多/需要更改/替换 r1 3.输出给用户大纲，是否满意，用户给出修改意见 4.ai再次搜索，修改大纲，再次询问 r1 5.直到满意为止（用户手动触发） 三 开展研究 1.开始搜索各个子主题（并发） 创建多个子智能体，每个智能体负责一个子主题 子智能体： 根据priority确定搜索数量15/10/5，根据子主题确定搜索内容 搜索使用tavily的api服务 v3 其返回结果类似 ```markdown AI摘要： Ollama is a local framework for running large language models, and Open WebUI is a user-friendly front-end interface. It supports various models and can be deployed locally. 搜索结果： 1. 使用这些前端工具与Ollama一起工作 - 知乎专栏 来源: https://zhuanlan.zhihu.com/p/699544176 大型语言模型（LLMs）是可以做到这一点的强大工具，但使用它们可能会很棘手。本文探讨了三种用户友好的界面——Msty、Open WebUI 和Page Assist——它们使通过... 2. 如何与Ollama 一起在本地运行大语言模型 - 知乎专栏 来源: https://zhuanlan.zhihu.com/p/690122036 它支持许多可以运行的模型，不断添加新模型，并且您也可以引入自定义模型。 它有一个优秀的第3 方开源前端，名为“Ollama Web-UI”，您可以使用。 它支持多模式模型。... 3. 带你认识本地大语言模型框架Ollama(可直接上手) 来源: https://wiki.eryajf.net/pages/97047e/ Copyright 二丫讲梵(opens new window) 版权所有 ``` 根据搜索结果，给每个搜索结果评定重要性 r1 高/中/低 评判依据 主题匹配度 问题覆盖度 信息新颖度 储存进后台json文件中 四 信息反思 根据每个子主题已获取的信息，进行反思 r1 告知ai这样思考 好的，现在需要梳理已获取的信息 已获得信息总结： 来源1 [关键发现1] 从这个信息中可知： 来源2 [关键发现2] ... 让我再仔细思考总结一下是否有哪些信息非常重要，需要更细节的内容 1.由于...，来源1的信息是重点 2.由于...，来源2的信息是重点 以下信息还需要进一步获取细节内容，以下是信息和具体在什么细节搜索 [重点信息1]还需要搜索（细节） [重点信息2]还需要搜索... 五 二次搜索 根据[重点信息]和需要搜索的细节，使用tavily的api服务进行搜索 v3 结果储存进json文件，位置要在原本的信息源后面，并说明 这是一个重要信息，以及（细节）是什么 四 子主题信息整合 根据获取的信息，信息的重要性 将每个子主题的信息点结构化 （这我暂时想不到怎么设计结构和内容） 五 子主题撰写 输入所有这个子主题的整合信息 r1 撰写要求格式如下 一、[主要发现1] 1.1 [子标题] [内容]（来源：[具体URL]） 二、[主要发现2] 2.1 [子标题] [内容]（来源：[具体URL]） 三、关键洞察 1. **[洞察1]**：基于[来源URL]的数据显示... 2. **[洞察2]**：根据[来源URL]的分析... 四、建议与展望 [基于研究的可执行建议] 六 幻觉判断 根据子主题撰写的内容进行幻觉消除 具体步骤为，根据撰写内容中的所有每个url和对应的内容，看看能否找到该子信息在搜索结果中的出处 如果找到，就把两条内容都摘出来 交给ai r1 让ai判断，是否有任何幻觉内容 如果有，标记 没有，通过 七 幻觉内容重新撰写 给ai每一条被标记为幻觉的内容 以及原始搜索材料 重新撰写这一部分，直接替换原内容 v3 八 最终材料报告 根据每一个子主题的报告，写汇总报告 格式要求还是必须要url的那种 r1 在报告的最后直接插入每个子主题的报告