杨俊-小布智能助手.pdf

1、从多智能体到AgenticModel小布智能助手的个性化深度研究实践演讲人：杨俊目录目录0102030405深度研究简介深度研究方案选型思路深度研究实践自适应任务规划深度研究实践个性化深度研究实践工具扩展01深度研究简介深度研究简介小布深度研究是什么小布深度研究是什么自主完成任务拆解，信息搜集和分析整理，输出报告5小布深度研究运行过程小布深度研究运行过程6拆解大纲拆解大纲反思修正反思修正刷新大纲刷新大纲生成报告生成报告搜集信息搜集信息Step 1Step 2Step 3Step 4深度研究技术上关注的重点深度研究技术上关注的重点7自适应自适应任务规划任务规划：根据任务难度拆解对应的子任务数量个

2、性化能力个性化能力：学习记忆、偏好，让执行过程和报告更有针对性工具扩展工具扩展：执行过程中，工具数从十到千，效果如何保证02深度研究方案选型思路深度研究方案选型思路从从AgentAgent 的能力组成看问题的能力组成看问题Agentic Modelweb_search()web_fetch()get_weather()map_search()code_interpreter()mobile_use()short-term memorylong-term memorytask decompositonReActreflectionMemoryToolsPlanning个性化如何引入？自适应快慢思

3、考？工具扩展能力？从多智能体到从多智能体到AgenticModelAgenticModel 的演进思考的演进思考多智能体方案：分治，MCP聚合为Agent建设，每个智能体擅长少数能力，提升开发效率我们认为的AgenticModel：在大规模工具环境训练，更强的工具感知和调度03深度研究实践深度研究实践03深度研究实践深度研究实践自适应任务规划任务规划趋势：自适应、自主快慢思考13参数维度自适应：美团LongCat，Context-aware MoERouter-based自适应：GPT5，基于多特征路由决策工具调用次数自适应：Manus，自主决策是否完成任务自适应：给定Context，最低成本

4、得到答案Token维度：简单问题，更短推理过程参数维度：简单问题，激活参数少ReAct：“思考-行动”循环自带自适应自适应任务规划的目标：帕累托最优自适应任务规划的目标：帕累托最优突破帕累托最优分流场景深度研究场景任务规划理想的结构？任务规划理想的结构？15TaskPlanner/AgenticModelContext=GuidingCtx+InformationalCtx+ActionableCtxActivated paramsTotal paramsReasonActionObsActionActionObseasy caseReasonmedium casehard case1.完备的

5、上下文2.模型对上下文内容的遵循能力(泛化性、场景适配能力)3.参数自适应：简单&确定性问题，少参量且快速出结果4.Token自适应：中等难度问题，无需思考且步骤少复杂、多步、长程任务实现自适应：效果提升，耗时下降明显实现自适应：效果提升，耗时下降明显提示词设计，注入“难易”边界(效果升4%，耗时降78%)-难易样本挖掘-自适应拆解范式挖掘-.AgenticModel尝试(效果升23%)-过程监督(MCTS-based)-结果监督自适应能力，训练链路自适应能力，上下文设计例子：“难易”样本挖掘例子：“难易”样本挖掘“难易”是相对模型能力，工具库范围而言的，不是人工定义推理轨迹复杂度，结果多样性

6、，衡量“难易”-单模型，rollout多个轨迹-多模型，对比1+1等于几 结果封闭深圳一日游攻略 需要调用多个工具，结果开放03深度研究实践深度研究实践个性化头部产品均引入个性化头部产品均引入个性化19GensparkChatGPTGemini个性化成为基本能力，但缺乏可信可用的“个性化收益”衡量方式个性化信息注入方式个性化信息注入方式多粒度注入-用户上传的附件/本地文件-用户知识库-.全局使用-任务拆解模块-垂域智能体按需使用任务规划模块注入，提升子任务针对性垂域智能体按需检索，全局个性化构建个性化评测能力构建个