昨天拿到了 Kimi 深度研究功能的内测权限，测试了几个任务，只能用“卷麻了”来形容。

我写文章的时候，正好在让它帮我做一个 Agent 的研究，可以先看一下动态的「卷王」

咱也不知道 Kimi 是不是算力用不完，这个新的深度研究功能会在每个任务完成以后生成一个网页版的可视化报告。

我测试的几个任务，每个网页报告的代码都在 10 万字符上下，全都是毫无讨巧的硬写……

下面是上面动态 gif 完成任务以后的网页

你可以在电脑端打开查看：https://www.kimi.com/preview/d1dluu2nae7a21forncg?blockId=108

过程很卷、动作也很规范，只是结果稍微有点不合预期。

Kimi深度研究浅析

下面是我下达任务的指令：

搜集过去一个月关于 Agent 的研究和实践经验分享，给出当下全球范围内 AI 领域对 Agent 开发的前沿方向、共识和非共识。

注意，在研究新源方面仅参考一手信息，即从业者或者行业团队发出去的复盘报告、文章或者研究报告。

此刻投身 Agent 领域的团队包括但不限于：Anthropic、OpenAI、Devin、MiniMax、Manus、Cursor、Windsurf、Cline、Genspark、Kimi、Perplexicy，确保你的检索和研究覆盖他们。

任务下达后 Kimi 会进行一个强制性的追问补齐，因为我上面的指令已经比较清晰了，所以它问的两个问题不疼不痒：

注意，我这里明确提到可以不考虑商业化相关内容，但如果你看过前面它生成的报告就能知道我为啥说它给出的结果不合预期了。

 这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

但全流程动作很标准：

先做全面检索，得到 40 篇相关文章。

这里有个出彩的动作因为我要求全球范围内且主要厂牌都是国外产品，所以 Kimi 的检索范围主要是海外网站，包括了我们没法打开的 Anthropic 官网。

然后逐篇文章查看，并且边看边总结发现，并进行进一步的深入搜索。

这个流程跟我之前“人肉”做行业研究的流程已经几乎完全一样了：关键词 —> 搜索 —> 阅读 —> 发现新关键词 —> 搜索新关键词 —> ……

(吐个槽：观察 Kimi 对它打开的每一篇文章的分析，大概有个悲哀的结论：国内的文章全是泛泛而谈的行业趋势吹水，国外的博文则都是“发现了新的技术关键词，我需要进一步研究它”)

从前端显示的研究过程看，Kimi 采用的是“隧道视野式”工作方法，找到新词就会深度研究，一直往下挖，全然忘了整体的任务。

以至于进行了几十步“搜索-阅读-总结”后，主线任务还没完成就被终止了……

估计是超出了 50 次工具调用限制（这个任务经过了 8 次搜索 + 42 次使用浏览器），结果就是只能使用这些仅有的资料撰写最终报告。

可能因为前期广泛搜索时有大量关于趋势、商业化的内容，导致最终生成报告时无可奈何的偏离了最初的要求。

对比 Gemini 的深度研究，它的研究策略则是“金字塔”式：先给出整体的计划，然后分步执行每个子任务，最后确保每个子任务执行完。

这样的好处是可能得到的信息不完善，但是不会偏离研究主题要求。

再说 Kimi 研究模式最卷的地方：文字报告不满足，非要写一个可视化网页！

打开前面那个链接，查看源代码就是 Kimi 一个字一个字抠出来的全部代码，一共 7.5 万个字符。

光输出这些 Token，就花了至少 5 分钟……

但是Kimi站起来了

虽然这波研究低于预期，但是比国内更早出现的其他“深度”研究好了不止一个档次。

下面这个是国内成名已久的另一个AI搜索工具的过程内容，满嘴跑火车：

标红的部分全是不相关或者胡说八道的，看到它给出的这个过程内容，我直接把窗口关掉了。

从 Kimi 的任务过程看，他背后是模型在任务理解、过程约束引导、结果筛选几个场景下的能力提升。

别小看这几个能力，说实话，国内的大模型没几个能做到……

下面是某大厂的 Agent 工具完成相同任务时的流程，基本只能做到简单的关键词拆分、组合、搜索、总结

全程没有对检索结果的审视和挖掘，简单归简单，好歹完成了主线任务。

另一个大厂的模型在完成这项任务时，消耗了大概 2000 个 Token 在一个学术论坛上，然后消耗了 3000 多 Token 分析 Github 上的小众项目，整个研究过程的步骤完全脱离研究规划

在全部深入研究过程的步骤都与研究主题不相关的情况下，强行写出了一篇一万两千字的报告，我研究需求里提到的团队，在报告里只有 Anthropic 和 OpenAI 出现了，还是完全不相关的行业趋势……

DeepSeek 就不说了，在深度研究领域里，高智商幻觉最可怕。

DeepSeek 编出来的“研究结果”能让你帮它数钱……

这篇不是尬吹 Kimi，只是一个简单的横向对比。

从 Kimi 深度研究任务的表现来看，它给了我们一点信心：国内 Agent 赛道也可以卷一卷了。

之前搞不动的根本原因是模型不行，Agent 的 RaAct 循环中，环境感知、任务规划和反馈迭代三个步骤，都严重依赖模型是不是“细节控”。

• • 能不能捕捉到任务指令中用户的核心意图，确保任务方向正确

• • 能不能把任务拆解成可控的原子单元，低耦合的执行和监控

• • 对子任务的执行结构具不具备审视能力，能不能纠偏

这几个能力点，从 Kimi 深度研究这个功能的执行流程看，及格已经完全没问题。

（上面任务不达预期，个人感觉主要原因是工具调用超量了，Cursor 也经常这样但是可以“续杯”）

  这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

一、大模型风口已至：月薪30K+的AI岗正在批量诞生

2025年大模型应用呈现爆发式增长，根据工信部最新数据：

国内大模型相关岗位缺口达47万

初级工程师平均薪资28K

70%企业存在"能用模型不会调优"的痛点

真实案例：某二本机械专业学员，通过4个月系统学习，成功拿到某AI医疗公司大模型优化岗offer，薪资直接翻3倍！

二、如何学习大模型 AI ？

🔥AI取代的不是人类，而是不会用AI的人！麦肯锡最新报告显示：掌握AI工具的从业者生产效率提升47%，薪资溢价达34%！🚀

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

1️⃣ 提示词工程：把ChatGPT从玩具变成生产工具
2️⃣ RAG系统：让大模型精准输出行业知识
3️⃣ 智能体开发：用AutoGPT打造24小时数字员工

📦熬了三个大夜整理的《AI进化工具包》送你：
✔️ 大厂内部LLM落地手册（含58个真实案例）
✔️ 提示词设计模板库（覆盖12大应用场景）
✔️ 私藏学习路径图（0基础到项目实战仅需90天）

 

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

*   大模型 AI 能干什么？
*   大模型是怎样获得「智能」的？
*   用好 AI 的核心心法
*   大模型应用业务架构
*   大模型应用技术架构
*   代码示例：向 GPT-3.5 灌入新知识
*   提示工程的意义和核心思想
*   Prompt 典型构成
*   指令调优方法论
*   思维链和思维树
*   Prompt 攻击和防范
*   …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

*   为什么要做 RAG
*   搭建一个简单的 ChatPDF
*   检索的基础概念
*   什么是向量表示（Embeddings）
*   向量数据库与向量检索
*   基于向量检索的 RAG
*   搭建 RAG 系统的扩展知识
*   混合检索与 RAG-Fusion 简介
*   向量模型本地部署
*   …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

*   为什么要做 RAG
*   什么是模型
*   什么是模型训练
*   求解器 & 损失函数简介
*   小实验2：手写一个简单的神经网络并训练它
*   什么是训练/预训练/微调/轻量化微调
*   Transformer结构简介
*   轻量化微调
*   实验数据集的构建
*   …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

*   硬件选型
*   带你了解全球大模型
*   使用国产大模型服务
*   搭建 OpenAI 代理
*   热身：基于阿里云 PAI 部署 Stable Diffusion
*   在本地计算机运行大模型
*   大模型的私有化部署
*   基于 vLLM 部署大模型
*   案例：如何优雅地在阿里云私有部署开源大模型
*   部署一套开源 LLM 项目
*   内容安全
*   互联网信息服务算法备案
*   …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】