DeepSeek+DeepResearch——让科研像聊天一样简单

北京航空航天大学 高研院 助理教授 清华大学新闻学院与人工智能学院双聘教授 沈阳团队博士后何静 DeepResearch：软件免费公测 通过百度网盘分享的文件：AI学术工具公测版.exe链接: https://pan.baidu.com/s/1kPrFGhpWuwB2eiGuP33Qjg?pwd=0417提取码: 0417 能做什么？ 本质：以多agent实现从数据采集到可视全流程 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。 模型特点 Open AIo3mini Kimik1.5 DeepSeekR1 Claude3.5sonnet 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。 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。 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。 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。 爬虫数据采集 提示词 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” 任务 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。 DeepSeek R1 Open AI o3mini 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。 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。 爬虫数据采集 Kimi k1.5 Claude 3.5sonnet 可以提取所有网址，调整后可输出正确代码，运行代码能生成本地文件，但提取数据结果为空。 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 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。 文件数据读取 提示词 任务 所上传的“2025春运数据（1月14-2月8日）.txt”包含了从2025年1月14日至2025年2月8日每天各种交通方式的春运客运量信息，请从中读取每一天的信息，并整理成一张表格，要求包括以下几项信息：1.当天日期；2.当天的铁路客运量、比2024年同期多或者少的百分比、环比的百分比。3.当天的公路客运量、比2024年同期多或者少的百分比、环比的百分比。4.当天的民航客运量、比2024年同期多或者少的百分比、环比的百分比。 1、读取文件；2、根据指定内容整理成表格。 DeepSeek R1 Open AI o3mini 能够详细全面地提取文件中的数据，并整理成可视化数据表格，逻辑性强、指标清晰。 暂不支持附件上传，响应速度快，能够快速读取粘贴数据，输出结果格式工整、简洁。 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。 文件数据读取 Kimik1.5 Claude3.5sonnet 能够快速读取文件数据，并整理成可视化数据表格，但填入数据有所缺失。 很好地完成了数据读取及提取任务，没有漏数据指标，数据逻辑性很好 结论 DeepSeekR1与Claude3.5sonnet均能很好的完成文件数据读取任务，生成的表格逻辑性强、数据指标清晰，Claude3.5sonnet一次性完成表格生成后支持直接复制和表格文件下载。OpenAIo3mini能够更加高效地完成数据提取任务，输出表格准确，但暂不支持附件上传，文件读取依靠粘贴稍显不便；Kimik1.5文件数据提取有明显空缺。 文本数据集成 提示词 任务 1、分别阅读约7000token和15000token的文本内容，测试模型对中、长文本处理效果2、整理集成可视化的数据表格3、按照日期规范排序 【所需阅读文本】请根据以上文本完成以下三个任务：1、阅读文本内容；2、整理集成可视化的数据表格；3、按照日期规范排序（直接分析并输出结果，不使用python） DeepSeek R1 Open AI o3mini 一般文本（7000token）：能详细全面地提取文本数据，并集成可视化表格，但受大样本或模型稳定性影响，输出表格末尾缺失，需要重复尝试生成。 一般文本（7000token）：能够高效提取文本中的数据，并整理成可视化数据表格，格式工整、简洁，数据准确但数据维度有所缺失。 长文本（15000token）：反应迅速，高效提取文本中数据，输出格式规范的数据表格，但集成数据维度仍然不够全面。 长文本（15000token）：暂时无法给出答复。 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。 文本数据集成 Claude 3.5sonnet Kimi k1.5 一般文本（7000token）：能够准确提取文本数据，并整理成可视化图表，表格文字简洁，没有提及文本中的环比和同比数据。 一般文本（7000token）：能够快速提取文本数据，并整理成可视化数据表格，数据准确，所提取数据维度不够全面。 长文本（15000token）：长文本粘贴后会自动形成文件，能够准确集成文本数据表格，但数据维度有限。 长文本（15000token）：同样能够高效准确地提取文本中数据，较一般长度文本所集成数据维度反而更加全面。 结论 一般文本处理任务中，DeepSeek R1所提取的文本数据维度最为全面，但容易受文本长度或模型稳定性影响出现失误；其他三个模型在文本数据提取过程中，都存在对部分数据的忽略问题，没有完整集成到可视化表格中； 长文本处理任务中，Kimi k1.5相较短文本处理表现更加突出，提取准确的同时数据维度更加全面；由于文本过长DeepSeek R1无法完成任务；综合来看，Open AI o3mini响应最快效率最高，但在数据集成维度上稍显不足，同时与Claude 3.5 sonnet所输出的表格更为工整、简洁。 数据分析 提示词 任务 1、读取titanic遇难者名单excel2、找出其中规律 请读取所上传的titanic遇难者名单数据文件，并分析找出其中规律 DeepSeek R1 Open AI o3mini 详细展示长思维链，精准提取关键指标“幸存率”，分析多个因素特征对幸存率的影响，结合历史背景对数据及规律进行验证，并敏锐察觉数据异常，提出了异常处理建议。 响应速度快，高效输出数据分析结果，分析各因素对关键指标生存率的影响，语言表达自然，重点突出结合历史背景对数据规律进行验证，但没有察觉数据异常。 数据分析 Claude 3.5 Kimi k1.5 sonnet 能 够 精 准 分 析 关 键指 标 生 存 率，但 对特 征 提 取 不 完 整，仅 能 识 别 较 为 浅 层的 数 据 关 联，分 析能力相对较弱。 提供数据分析程序代码，能够提取大部分特征并对其与生存率的关联进行分析，但最终没有形成明确的结论。 结论 DeepSeek R1与Open AI o3mini的数据分析能力相当，且领先其他两个模型，均能够精准抓取数据核心指标并做统计，找到各特征与核心指标的关联，其中R1分析逻辑更加清晰严谨，而o3推理更加高效；Kimi k1.5推理逻辑清晰但分析能力相对较弱，Claude 3.5 sonnet能够提供分析思路但没有明确结论。 数据挖掘 任务 DeepSeek R1 1、读取即将上映的2025年电影数据集2、对数据集进行深入分析和数据挖掘 能够准确对数据进行分类，从多个维度进行梳理和分析，借助可视化图表进行数据挖掘，基于分析结果提供可行建议，但整体数据挖掘深度较浅，缺少对不同类型数据直接关联性的探究。 提示词 第一轮对话： 第二轮对话： （基于初步分析结果，选择其中一部分或某个方向进行深入的数据挖掘） 数据挖掘 Kimi k1.5 Claude 3.5sonnet 基于数据集，在整体数据概括后提供多个深入数据挖掘方向，根据需求输入研究倾向，高效生成多个维度的数据分析，语言简洁，挖掘深度较浅。 提供数据的潜在用途方向，深入分析过程中，从多个维度（如时间、语言、地区）深入挖掘数据意义和关联性，进一步总结趋势结论并提出相关建议。 结论 Kimi k1.5该任务中表现最为出色，对特征进行精准分类，从多维度深入挖掘指定数据的深层内涵和关联性；DeepSeek R1与Claude 3.5 sonnet同样能准确完成数据的分类任务，但数据之间的关联挖掘程度相对较浅；Open AI o3mini受附件上传限制影响，由于数据集较大，暂不能完成该任务。 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。 数据可视化 结论 任务 Open AI o3mini的数据可视化能力突出，能够直接高效地生成多种类型可视化图表，准确度高；DeepSeek R1、Kimi k1.5均能基于分析结果提供多种可视化图表绘制方案，但都需要依靠运行Python代码才能完成绘图任务，部分代码会出现错误 基于titanic遇难者数据分析结果绘制可视化图表 DeepSeek R1 Open AI o3mini Kimi k1.5 结合数据样本和分析结果，提供多种可视化图表绘制方案及对应代码，需采用Python代码完成绘图任务。大样本会省略数据；小样本不省略数据。 能够结合数据样本和分析结果，提供多种可视化图表绘制方案，但暂时不能直接绘制出可视图表，需要将对应的绘图代码复制到本地运行制作图表。 能够直接调用DALLE，根据分析结果和任务需求高效绘制各类可视化图表，部分较为复杂的图表可能出现数据错误或无法生成的情况。 Claud