智能体使用指南 | 深思智能体 — 综述、论文、实证、知识库与通用智能体

深思智能体全家族使用指南:综述、科研论文、实证分析、知识库与通用智能体,涵盖适用场景、使用步骤与提问示例。

通用(知识库)智能体

集文献检索、文档编辑、日报邮件于一身的万能助手。

你的个人知识管家:能回答知识库问题、深度检索在线学术文献、在线精准编辑文档、生成日报并通过邮件推送,还能设置定时任务与执行数据分析。

可以完成什么

  • 知识库语义问答:自动列出引用来源
  • 在线文献深度检索:多渠道联检学术与网页资源
  • 文档在线编辑:上传 Word/PDF 后精准改写与版本管理
  • 学术综述撰写:与综述智能体同等能力,可在对话中直接触发
  • 日报生成与邮件推送:筛选最新论文并发送到邮箱
  • 自然语言定时任务:支持"每天/每周某个时间"自动执行
  • 数据分析:加载 Excel/CSV 做清洗、计算与绘图

适合哪些任务

  • 快速学术调研与文献问答
  • 长期文献追踪(每周自动扫描新论文并发邮件)
  • 论文、报告、合同等文档的在线修改与导出
  • 基于知识库一键写综述
  • 上传 Excel 做数据清洗 / 可视化 / 统计分析
  • 自动化日常任务(定时任务 + 邮件汇报)
  • 多知识库跨域对比与整合

给通用智能体提需求的正确姿势

  1. 首次使用:先在"研究空间"创建或选择一个知识库,上传论文、报告、Excel 等材料,必要时打标签。
  2. 日常问答:直接问"知识库里 XX 主题的论文主要有哪些观点",智能体会检索 + 引用原文。
  3. 文档修改:上传 Word/PDF 后说"把第 2 节改成 Meta 分析",会自动定位、替换并创建新版本。
  4. 文献推送:说"每周一早上 8 点搜索 Agents 相关的新论文,挑 5 篇发到 [email protected]",会自动创建定时任务。
  5. 数据分析:上传 Excel 后说"统计每季度销量并画折线图",智能体会在安全环境里执行分析并回传结果。
  6. 一次性邮件:说"把刚才的总结发到我邮箱"即可。

综述撰写智能体

从论文收集到全文成稿,一站式完成学术综述。

面向需要写文献综述、毕业论文综述章节或发表 Review 论文的研究者,提供"论文总结 → 大纲生成 → 全文撰写 → 版本迭代"的端到端流水线。

可以完成什么

  • 批量阅读上传的 PDF 论文并生成结构化要点与参考文献
  • 根据主题与论文库智能规划综述大纲,自动管理引用编号
  • 按大纲逐章撰写全文,支持中英文与不同引用格式
  • 章节级 AI 重写 + 句子级精准编辑,每次修改自动保存版本
  • 内置在线学术文献检索,可增量补充新论文并自动重排大纲

适合哪些任务

  • 研究生撰写学位论文的文献综述章节
  • 科研人员准备投稿的综述论文(Review / Survey)
  • 快速了解一个陌生领域的研究脉络
  • 已有综述需要纳入新近文献并重新组织
  • 需要同一综述的中英文双版本

给综述智能体提需求的正确姿势

  1. 先把你要用的 PDF 论文上传到当前会话或知识库(可以分批上传,推荐每批 10-20 篇)。
  2. 在首条消息里讲清 4 件事:① 综述主题;② 输出语言;③ 引用格式(如 [1]、APA、GB/T);④ 是否有字数或章节数要求。
  3. 等智能体跑完论文总结后,先审阅大纲 —— 有结构问题此时提出调整,不要等全文写完再改。
  4. 全文完成后按章节或句子迭代修改:大改说"请重写第 3.2 节",小改直接复制原句给修改版。
  5. 对结果满意后要求"导出 Word / PDF"即可下载。

研究智能体

数据分析・建模・代码执行与复现・AI 配图一体的研究助手。

它把数据分析、统计建模、机器学习、数据可视化、生产级代码工程、论文代码复现与 AI 配图统一到一个智能体里。它以"写脚本→执行→读结果→迭代修复"的工程化方式干活:上传数据让它分析建模并出高质量图表,给它一篇论文让它复现方法代码,或交给它一个复杂的多模块项目从头实现。需要查你的知识库时它会按需调用知识库检索能力。

可以完成什么

  • 文件式代码执行:写脚本、跑脚本、读结果、按报错自我修复
  • 全流程数据分析:清洗 → 探索 → 统计/建模 → 可视化 → 报告
  • 高质量图表:统一设计语言,中文字体与网格细节都处理好
  • 论文代码复现:先定复现方案,再分阶段产出模块化可运行仓库
  • 复杂工程:蓝图先行、分文件实现、增量验证地写大型项目
  • AI 配图:为报告生成概念示意图、框架图、封面图

适合哪些任务

  • 上传 CSV/Excel 做数据分析并产出图文报告
  • 回归、假设检验、机器学习建模与评估
  • 复现论文里的方法/模型,并跑通验证
  • 从零实现一个多模块的数据管线或建模工程
  • 为分析结论配上专业的数据图表

给研究智能体提需求的正确姿势

  1. 上传数据/论文文件,并说清你的目标(分析什么、复现什么、实现什么)。
  2. 数据分析类:指明关键变量与想回答的问题,让它清洗→建模→出图→给结论。
  3. 复现类:给出论文,让它先写复现方案再产出代码并跑通。
  4. 工程类:描述项目目标与边界,它会先规划架构再分步实现。
  5. 大任务会分多步推进;过程产物(脚本、图表、报告)会落在会话目录里。