阿川 | AI thinking
@AI_jacksaku
马斯克研究所合作伙伴@MuskPapa_x @razzhood
前大厂多面手｜AI 专业搞钱玩家｜3天万粉第一人
关注 AI 产品&工具、AI商业化、AI企业转型
所有的项目经历和思考都发在这里
加入 August 2022
1.1K 正在关注 27.4K 粉丝
Deep Research 的瓶颈早就不是检索，而是任务状态、失败恢复和可验收产物。
论这个叫 working capability的东西，要管环境可执行 + 多 Agent 协同。真正要对比的不是文风，而是：文件能不能改、代码能不能跑、中途断了能不能续。
没这三项，交付只是更长的 Markdown。
显示更多
自从 DeepSeek Harness 开源之后，我便一直在纠结要不要将其接入到自己的产品当中。
于是想调研一下，被我发现了一款非常好用的 AI 产品：Apodex 1.1。
地址：
与传统 Deep Research 工具有所不同，它不光整理资料出报告，还会动手执行任务，一路干到交付。
其配套的 Agent 执行框架 FrontierAgent 是开源的，无需安装 Docker，一条命令即可运行。
GitHub：
他们还开源了 Apodex 1.1 mini（35B）模型，官方评测里，专业、金融、科研几项都能摸到前沿系统同一档的水平。
模型权重：
正想做 Deep Research 产品的朋友，可以本地部署 mini 模型，套上 FrontierAgent 就能自己搭一个。
这次调研，我是直接在它的 Web 端上实测的，效果出乎意料的好。
在发送需求后，它立马拆分任务，创建不同角色的子 Agent，并分配任务开始执行。（如图 1）
右侧显示的任务看板全程可见，每个任务做到哪一步、哪个 Agent 在干活都清清楚楚。
最实用的是，它在执行任务过程中，我们还能随时给它补充信息或者需求。（如图 2）
我补充要求它与其他工具进行横向对比，并调研一下现在 dsh-plugin 插件生态如何。
还留意到在交付报告前，它还会进行数据、内容、来源等 116 项查证，给人增加不少信任。（如图 3）
最后完整的结论（如图 4），一句话总结：目前 DeepSeek Harness 迭代速度非常快，正式接入建议再等等，个人可以先装着玩玩。
显示更多
