Gemini Deep Research

代理式系统

为了构建 Deep Research 功能，我们开发了一种新的规划系统，让 Gemini 应用学会处理复杂问题。针对 Deep Research，我们训练了 Gemini 模型的以下能力：

• 拆解问题：收到复杂的用户问题后，系统首先会制定一个详细的研究计划，将问题拆分为一系列更小、更容易处理的子任务。掌控权仍在用户手中：你可以修改 Gemini 制定的计划，确保研究方向正确。

• 研究：模型开始监督该计划的执行，并会根据子任务的性质，灵活决定哪些工作可以同时处理，哪些工作需要依序完成。模型可以使用搜索和网络浏览等工具来获取信息并进行推理。在每个步骤中，模型都会根据可用信息进行推理，以决定下一步该怎么执行。我们特别为这项功能新增了一个思考面板，方便用户及时了解模型目前学到的内容，以及预计执行的下一步操作。

• 合成：模型确定已经收集到足够的信息后，就会将手上的结果综合成一份详尽的报告。在生成报告的过程中，Gemini 会批判性地评估信息，识别关键主题和不一致之处，并生成一份逻辑清晰且信息丰富的报告，甚至通过多次自我审查来提升报告的清晰度和细节。

新类别，新问题，新解决方案

我们在构建 Deep Research 时必须克服三个重大技术难题：

多步骤规划

研究任务需要分多个步骤反复规划。模型会在每个步骤中，参考目前收集到的所有信息，找出缺漏和不一致之处，并继续探究，同时还要在报告的全面性与计算资源、用户等待时间之间进行权衡。我们以数据高效的方式训练模型，使其能够有效完成长时间的多步骤规划，从而让 Deep Research 可以利用公开资料处理各种类型的研究主题。

耗时较长的推理

典型的 Deep Research 任务可能需要在几分钟内调用多个模型。这无疑给智能体的构建带来了挑战：开发者务必确保单点故障不会导致任务必须从头开始执行。

为了攻克这个问题，我们开发了一种新颖的异步任务管理器，确保负责规划和执行任务的模型保持状态一致，不必重启整个任务也能从容地完成错误恢复。该系统可以做到真正的非同步：在启动 Deep Research 项目后，你可以切换到其他应用，甚至直接关闭电脑；下次打开 Gemini 时，如果研究已完成，系统会发出提醒。

上下文管理

在一次研究过程中，Gemini 就可能会处理数百页的内容。为了保持连贯性并支持后续提问，我们利用了 Gemini 业界领先的 100 万个 token 上下文窗口，同时辅以 RAG 设置作为补充。因此，系统能有效地“记住”在对话期间学到的所有内容，随着互动次数的提升，它会变得越来越聪明。

现在由 2.0 Flash Thinking（实验版）驱动

Deep Research 于 12 月推出时，是由 Gemini 1.5 Pro 驱动的。而随着 Gemini 2.0 Flash Thinking（实验版）的推出，我们得以显著提升该产品的质量和服务效率。在引入推理模型后，Gemini 在执行每个后续步骤前，都会投入更多时间精心规划方法。这种自我反思和规划的固有特性，使其非常适合这类长时间运行的智能体任务。我们发现，现在 Gemini 在研究的各个环节都实现了全面提升，并且能够生成更为详尽的报告。同时，因为 Flash 模型的计算效率更高，我们能够将 Deep Research 推广给更多用户。Flash 和推理模型的开发让我们倍感振奋，期待 Deep Research 功能变得越来越好。

后续发展

我们希望构建一个多功能系统，因此后续，我们将让用户可以进一步掌控模型能浏览哪些内容，并让模型能够使用开放网络之外的多样化来源，持续拓展系统的功能边界，为你提供更丰富的体验。

我们期待见证大家运用 Deep Research 的各种方式，这些实际使用经验将为我们持续构建和改进 Deep Research 提供宝贵的参考价值。最终，我们的目标是打造一个真正具有代理能力、能为所有人提供帮助的 AI 助理。