简介这份 PDF 围绕清华大学团队推出的 DeepSeekResearch面向科研人员、数据分析初学者及希望提升研究效率的师生讲解如何以接近聊天的方式完成数据采集、清洗、集成、特征工程、分析、应用与可视化的多 agent 全流程。文件共 1 个为 PDF 格式压缩包约 5.43MB便于直接查阅与随取随用。内容结合具体任务展示模型在爬虫网址筛选去重、文件数据读取整理、中长文本集成等场景中的表现并对比 DeepSeek R1、OpenAI o3mini、Claude 3.5 sonnet、Kimi k1.5 的完整性与准确性同时梳理 DeepSeek 系列在高效推理、轻量化、长文本处理、多模态支持与可解释性方面的特点。已有 211 人学习可作为科研数据流程入门、工具选型、提示词设计与模型能力评估的参考。1. 别急着问哪个模型最强这条流水线上没有全能王同一份爬虫指令丢给四个模型跑完那一轮我只盯一件事本地那个 txt 到底有没有内容。两个模型的脚本能跑通一个更快一个更全另外两个改到第三轮文件是生成了打开是 0 字节。可换成“根据分析结果直接出图”排名几乎整个翻过来——刚才最慢的那个成了唯一能不写代码就出图的。这是我在某高校一个交叉团队里跟着做 DeepResearch 相关评测时最直观的感受。多 agent 把数据采集、清洗、集成、数据分析、数据挖掘、可视化串成一条流水线喊的是“科研像聊天一样简单”实际每一步都有各自的坎。这篇不复述功能表只讲两件事四个模型在六道关卡上分别卡在哪以及按任务拆开之后怎么组合着用才不白费时间。做自然语言处理、机器学习方向、天天跟爬虫和表格打交道的人里面的参数和提示词可以直接抄。2. 打分口径先定死一条流水线拆成六道关卡逐关记分同一个工具两个人测出相反结论太常见了。原因往往不是谁不客观而是拿的任务不一样有人只用它写综述有人让它跑爬虫有人拿它当画图工具。所以正式比之前我先把多 agent 的完整流程拆成六道关卡每关一道题、一个交付物、一个明确的失败标准跑完再打分。这样即使某个模型总分不高你也能一眼看出它到底倒在哪一步值不值得为那一步单独留一个位置。2.1 六道关卡考的是六种不同能力流程本身很清楚数据采集写爬虫、连数据库、读文件、调接口→ 数据处理清洗、集成、变换、特征工程→ 数据分析诊断、预测、关联、聚类→ 数据应用与挖掘分类、社交网络分析、时序模式挖掘→ 数据可视化统计图、热力图、网络关系图、词云、树形图。听着顺但每一环的失败方式完全不同——采集环节挂了是“没数据”分析环节挂了是“有数据没结论”可视化环节挂了是“有结论但图画错了”。用总分去评价它们等于把三种病算成一种。关卡对应环节我给的指令不合格的样子一数据采集读网页源码筛出符合固定句式的网址、去重成列表再写脚本提取每日客运量写入 txt脚本跑完文件 0 字节二文件读取上传 txt按日期、铁路/公路/民航客运量及其同比、环比整理成表漏天、漏指标三文本集成读 7000 与 15000 token 文本直接输出可视化表格并按日期排序禁用 python表格末尾缺行、维度不全四数据分析读一份乘客名单数据找出幸存率与各特征的关联只给分析过程不给结论五数据挖掘对一份影片数据集分类、多维梳理并给建议两轮对话深挖深度浅、跨类关联缺失六可视化基于上一步结果出柱状图、年龄分布直方图、票价箱线图图的数据点和表对不上这份表最关键的地方不在题面而在“不合格的样子”那一列。新手容易只看模型说得多流畅老手第一眼看交付物有没有落地文件在不在、行数对不对、结论能不能被引用。顺序也不能乱前一关的输出就是后一关的输入采集的数据脏了后面四关再怎么调提示词都救不回来。2.2 四个模型的设计目标本来就不在一条赛道上选型最容易犯的错是拿“通用能力排名”当唯一依据。这四个模型的公开定位差异其实挺大DeepSeek R1 主打长思维链和中文语义理解适合需要把逻辑摊开给你看的场景o3-mini 主打轻量和低延迟还带多模态出图能力适合实时交互和快速出结果Sonnet 3.5 走的是性能与体量平衡的路子长文本处理和多轮任务比较稳输出也强调可解释k1.5 偏向垂直领域优化和多任务支持长文本是它的强项。模型定位里最关键的一句我的预期DeepSeek R1长思维链、中文理解强中文文本、指标类任务占优o3-mini轻量、响应快、多模态快、图表占优长文和附件吃亏Sonnet 3.5平衡、长文本、可解释长文稳、表格工整k1.5垂直优化、长文本、多任务长文与挖掘方向可能有惊喜预期先写下来再去跑题测试这两者的偏差才是选型真正的依据。比如我原本预期轻量模型在长文上会掉队实际跑完才发现 15000 token 那一档它反而是少数还能给出工整表格的而预期中最稳的那个在超长文本上直接不答复。偏差就是判断依据比任何单一分数都可靠。2.3 四个隐性指标比总分更能决定你留不留它除了六道关卡的通过率我一般还会额外记四个指标它们不进总分但直接影响这套流程能不能天天用。第一是附件能不能传。看起来是个小功能实际决定了“读文件→出表→二次分析”这条链路是否闭环。不支持附件的模型只能靠粘贴几千字以上的表格一粘贴就容易被截断后面所有结论都建立在残缺数据上。第二是能不能联网取网址。爬虫任务里能否自己访问并读取网页直接影响它给的 URL 列表是否完整不能联网的模型只能靠你贴源码一旦页面结构复杂筛出来的链接就会缺。第三是输出能不能搬走。表格能不能直接复制、能不能下载成文件、代码能不能一键运行这些决定了你要不要手工重录一遍。一次重录十分钟一天十次就是灾难。第四是稳定性。同一个提示词连跑三次结果方差有多大。这类评测里有一个绕不开的变量就是俗称的“AI 抽卡”——样本、环境、提示词模板任何一处变动都可能让结论翻转。所以我记分时从不只看单次结果而是看“重复三次里最好和最差差多少”。差得多的就不能放进生产流程只能当灵感工具。3. 采集与读取能不能把数据真的搬回本地这两关在演示里最不起眼实际最费时间。写爬虫、读文件听起来都是体力活但恰恰是这半步决定后面有没有东西可分析。我见过太多场景模型把方案讲得头头是道落到本地一个空文件后面所有漂亮的分析全是空中楼阁。3.1 源码里捞网址四家都能列清单能跑通的只有两家这道题分两段先读网页源码把所有符合“某月某日全社会跨区域人员流动量完成 X 万人次”这类固定句式的网址筛出来、去重、合并成列表再基于列表写 Python 脚本把每天的铁路、公路、水路、民航客运量提取出来写进一个 txt。第一段四家全过——都能从源码里把符合条件的链接完整筛出来并去重成列表。真正拉开差距的是第二段。模型网址筛选去重脚本能否跑通采集结果备注DeepSeek R1完整能数据准确少量遗漏支持联网取网址o3-mini完整能结果为空响应最快Sonnet 3.5完整调整后可运行结果为空不支持联网k1.5完整能生成并运行结果为空支持联网“脚本能跑、结果为空”这个现象特别值得拆开说因为它最容易被误判成“模型不行”。常见的真实原因有三个脚本里把 URL 写成了示例地址跑的是示例页而不是目标页选择器或正则匹配的是源码里的静态结构而正文其实是动态渲染的编码没校准中文全是乱码正则自然一条都匹配不上。这三种情况模型给的代码逻辑都没错错在它没见过你那个页面的真实结构。所以我在采集这关会强制加一步人工核对先只让它输出 URL 列表并落盘数一下条数对不对再让它基于这份列表写脚本。下面这段是我常用的最小可跑骨架参数怎么调都写在注释里。import re import requests from bs4 import BeautifulSoup # 固定句式先编译成正则避免循环里反复编译 PATTERN re.compile(r全社会跨区域人员流动量完成([\d.])万人次) def fetch(url, timeout10): # 不设 UA 容易被直接拒绝timeout 不设则单页卡死会拖垮整批 headers {User-Agent: Mozilla/5.0 (Windows NT 10.0; Win64; x64)} resp requests.get(url, headersheaders, timeouttimeout) # 编码不校准中文变乱码后面的正则必然零命中 resp.encoding resp.apparent_encoding return resp.text def parse(html): soup BeautifulSoup(html, html.parser) text soup.get_text(\n) # 先转纯文本再匹配比直接啃源码稳定 return PATTERN.findall(text) # 列表保序去重比 set 更利于复现和排查 urls list(dict.fromkeys(urls))这段代码真正的作用不是“帮你采集”而是给你一个排障锚点。跑出来是空列表就打印len(html)和前 200 个字符长度接近 0 是请求被拒长度正常但没有匹配是句式或渲染方式变了。把这两种情况分开比反复换模型有效得多。四家模型里R1 和 o3-mini 在复杂爬虫任务上生成的代码都能正常执行o3-mini 响应更快R1 采集结果更完整另外两个多次调试仍不成功问题集中在 URL 罗列不全和输出文本里提取不到数据。3.2 附件上传是一道隐形门槛文件读取那道题指令本身不复杂上传一份按天记录的客运量 txt整理成表字段要包含当天日期、铁路客运量及其同比环比、公路客运量及其同比环比、民航客运量及其同比环比。听起来就是个格式转换实际结果差异不小。模型读取完整度表格质量附件支持备注DeepSeek R1详细全面逻辑强、指标清晰支持完成度最好o3-mini快速准确格式工整简洁不支持靠粘贴长文本不便Sonnet 3.5无漏指标逻辑好可复制、可下载表格文件支持一次成表k1.5有明显空缺完成度一般支持数据缺失这张表里最值得记住的不是谁第一而是“不支持附件”这一列的代价。三十天乘四类指标再乘同比环比纯文本粘贴轻松上千字粘贴过程里被截断一段你根本察觉不到——直到表格某天开始错位。支持附件并且能一次成表、还能直接下载表格文件的模型能把后面二次分析的时间省掉一大半。所以选型时我会把附件支持当成硬性条件而不是加分项。3.3 提示词里必须写死的三件事同一批模型跑出差异提示词占的比重不比模型小。我踩过的坑集中在三处。一是字段必须逐条列全。只说“整理成表格”模型会自己决定要哪些列环比同比这种容易被它判定为“不重要”而砍掉把“必须包含同比、环比两列缺列即视为失败”写进指令缺失率立刻下降。二是排序和禁项要明确。“按日期规范排序”比“排好序”有效“直接分析并输出结果不使用 python”这种禁项也要写否则它可能给你一段代码让你自己跑交付物就从表格变成了脚本。三是长文本要分批。15000 token 那一档有模型直接给不出答复这不是它能力不行而是单轮塞太满了。常见的做法是先让它输出字段骨架、确认口径再按每批十行填数最后自己拼接核对。4. 长文本、指标与出图后四关的横向账过了采集和读取剩下的四关更考验模型的“内功”。这里的差距不在能不能算而在算完之后有没有落点给不给结论、结论能不能被验证、图能不能对上表。这一章的四道题正好把这四个模型的性格照得很清楚。4.1 7000 与 15000 token 是两个世界文本集成那道题要求读一段文本后直接输出可视化表格并按日期排序不许写代码。我把同一份材料准备成 7000 token 和 15000 token 两档分别跑一遍。模型7000 token15000 tokenDeepSeek R1维度最全但输出表格末尾容易缺失需重复尝试暂时无法给出答复o3-mini提取高效、格式工整、数据准确但维度有缺失反应快、格式规范维度仍不够全面Sonnet 3.5提取准确、文字简洁但漏了环比同比依然高效准确维度反而更全面k1.5提取快速、数据准确维度不够全面粘贴后自动成文件集成表格但维度有限一短一长排名几乎换了位置。短文本这一档R1 提取的数据维度最全但受长度和稳定性影响会出现末尾缺行得重复跑其他三家都存在对部分数据的忽略。长文本这一档k1.5 反而表现突出提取准确且维度更全R1 直接给不出答复o3-mini 快归快维度始终差一截Sonnet 在两档之间波动最小是那种“不出彩但不掉链子”的类型。这就是为什么我说 7000 和 15000 是两个世界。选型时只测短文本很容易得出“某模型维度最全”的结论然后一到真实材料就翻车——真实的文献、财报、访谈记录动辄几万字。稳妥的做法是短文本用维度最全的长文本用最稳的中间加一道人工抽查看行数和日期是否连续。4.2 数据分析给结论的和只给过程的数据分析那道题用的是一份公开的乘客名单数据要求找出幸存率与舱位、性别、年龄等特征之间的关系。这道题最能看出差别因为它考的不是算力是“敢不敢下判断”。模型关键指标抓取多因素关联异常察觉结论落点DeepSeek R1精准强逻辑清晰严谨察觉异常并提出处理建议结论明确o3-mini精准强推理高效未察觉结论明确表达自然Sonnet 3.5精准覆盖大部分特征—给分析代码与思路无明确结论k1.5精准仅识别浅层关联—分析能力相对较弱R1 和 o3-mini 在这道题上基本打平都能抓到核心指标、找到各特征与幸存率的关联区别在风格R1 会长篇展示思维链把历史背景也拉进来验证还会主动指出数据里的异常点并给处理建议o3-mini 更干脆结论直接、语言自然但对异常不敏感。Sonnet 给出的是可运行的分析程序代码和清晰思路最后没形成明确结论k1.5 的关键指标抓得准特征提取不完整只识别到浅层关联。这里有个很实用的操作如果我要的是可以直接写进报告的判断就在指令里加一句“先给三条结论每条后面跟一到两条数据证据不要先讲过程”。加这一句之后只给过程的模型也会被迫先落结论。反过来如果我要的是可复现的分析路径就要求它输出代码而不是结论。同一个模型这两种问法出来的东西完全不一样。4.3 数据挖掘深度不够时追问比换模型更划算数据挖掘那道题用的是一份即将上映影片的数据集要求先做分类和多维梳理再基于结果给可行建议形式上设计成两轮对话第一轮做整体分析第二轮挑一个方向继续深挖。模型分类与梳理挖掘深度多维视角备注k1.5分类精准偏浅但方向多时间、语言、地区该轮判定表现最好Sonnet 3.5概括清晰较深时间、语言、地区会主动给多个挖掘方向DeepSeek R1分类准确较浅多维度梳理图表辅助缺跨类关联探究o3-mini———数据集较大受附件限制未完成这里的结论和描述之间其实有点张力判定上 k1.5 最好但从文字看 Sonnet 的挖掘维度更深。我的理解是两者赢的地方不同——k1.5 赢在“顺着你的研究倾向走”你给一个方向它能快速铺开多个维度语言也简洁Sonnet 赢在“主动给方向”它会在整体概括后直接抛几个可深入的角度适合你还没想清楚要挖什么的时候R1 赢在分类和图表辅助梳理得清楚但跨类关联挖得浅。所以碰到“挖得不够深”先别急着换模型。我一般的做法是把第二轮对话写得更具体明确告诉它“只挖 ‘档期’ 这一个维度输出三条可验证的假设每条给出验证所需字段”。指令一具体深度立刻上来比换一个模型重跑一遍省事。4.4 可视化直接出图省事出代码可控可视化那道题要求基于前面的分析结果画出柱状图、年龄分布直方图、票价箱线图。这四家的差别最干脆一家能直接画另外三家给你代码。模型出图方式准确度备注o3-mini直接生成图像部分复杂图表数据错误或生成失败最快省一步DeepSeek R1给方案 Python 代码依赖本地运行大样本会省略数据小样本不省略k1.5给方案 对应代码依赖本地运行需本地跑Sonnet 3.5给绘图代码依赖本地运行暂不能直接出图如果你的目的是快速看一眼趋势直接出图那家最省事一条指令拿到图开会够用。但如果你要把图放进正式材料代码路线更可控——因为你可以改颜色、改分箱、改标注也能确认图上的数据点和表格逐行对得上。这两种路线不是优劣关系是交付标准不同。需要提醒的是“大样本省略数据”这件事。同一份数据样本小的时候图是完整的样本一大某些模型内部会抽样图上点位就少了。所以凡是要出正式图我都会先抽二十行小样本跑一遍验证逻辑再上全量数据跑代码。5. 五个坑空文件、缺行、长文不答全出在同一处这一章是我自己的踩坑记录按“现象 → 原因 → 解决”写。五个坑有个共同点都不是模型能力不够而是流程里少了一道检查。5.1 脚本跑完文件是 0 字节现象模型信誓旦旦说“代码已完整实现”本地一跑txt 生成成功打开是空的。原因脚本里的选择器或正则匹配的是示例结构跟真实页面不一样或者编码没校准中文全是乱码正则零命中也可能是请求被拒压根没拿到页面内容。解决先打印响应长度和前 200 个字符把“没拿到内容”和“拿到了但没匹配上”分开。前者调 UA、加 timeout、看是否被限流后者先人工确认目标句式再把正则改成宽松匹配比如先匹配“流动量完成”四个字再解析后面的数字。R1 和 o3-mini 生成的代码本身没大问题问题几乎都出在这两处。5.2 表格最后几行凭空消失现象7000 token 那一档R1 提取的维度最全但表格末尾几行是空的重跑一次又正常。原因单次输出有长度上限长表格写到后面容易收敛或截断文本越长、字段越多越容易在中后段丢行。解决分批输出。指令里写明“按每批十行输出每批标注批次号最后单独输出总行数”跑完自己对总行数。这一步加上之后缺行率明显下降而且缺在哪一批一目了然。5.3 15000 token 直接不答复现象同一段材料切成 15000 tokenR1 直接给不出结果其他模型却能出表。原因单轮输入过长超出了它在这一次交互里的处理范围这不是模型整体能力问题而是单次负载问题。解决切块。按章节或按日期切成三到五块每块单独出表最后自己纵向拼接。切块之后再用 k1.5 交叉验证一遍——它在长文本这一档表现反而更稳两个结果对不上就说明某一段被漏读了。5.4 出图的数据和表对不上现象表格三十行折线图只有二十几个点箱线图的分布和表里算出来的四分位明显不一致。原因大样本被内部抽样或者图表生成环节只取了部分数据复杂图表本身也更容易出错。解决先小样本验证逻辑十到二十行确认无误再上全量正式交付一律走代码路线本地跑、本地核对行数直出的图只当趋势参考不进报告。5.5 同一个提示词两次结果差一个量级现象第一遍表格齐全第二遍少了三列第一遍结论明确第二遍全是分析过程。原因就是前面说的“AI 抽卡”。样本、环境、提示词模板、上传是否成功、是否联网任何一处变动都会影响输出模型的采样本身也带随机性。解决三件事固定下来——提示词存成模板不手改样本固定同一份文件每个任务连跑三次取最稳的那次并记录波动范围。另外把“附件是否上传成功、联网是否打开”做成前置检查项这一步能排掉相当一部分莫名其妙的差异。6. 组合打法按流水线分工比死磕一个模型划算跑完六道关卡我的结论是别指望选出一个全能冠军按环节分工更现实。数据采集这一段R1 负责精准筛取和脚本生成o3-mini 用来补数据、做交叉核对两边的结果一对缺漏立刻现形数据预处理这一段Sonnet 3.5 在文本提取上比较稳适合做清洗R1 负责最后核对完整性数据分析这一段R1 深入分析并顺带做异常检测k1.5 补挖掘思路用来发现规律里被忽略的角度可视化呈现这一段o3-mini 直接出图应付快速查看k1.5 和 Sonnet 出可复现的绘图代码Sonnet 再把图表逻辑理顺。环节首选备选/交叉验证判断依据数据采集R1o3-mini 补数据脚本能跑通且结果更完整数据清洗Sonnet 3.5R1 核完整性长文本提取稳定、不漏指标数据分析R1o3-mini结论明确还能察觉异常数据挖掘k1.5 / Sonnet 3.5R1 做分类梳理一个顺倾向铺维度一个主动给方向可视化o3-mini 直出k1.5 / Sonnet 出代码快看用直出交付用代码具体技巧只有一个但特别值把每个任务拆成“骨架轮”和“填数轮”。第一轮只让模型输出字段清单、口径确认和总行数不给数据你确认无误之后第二轮再让它按这个骨架填数。听起来多了一步实际省下的是返工——我在这上面吃的亏最多早期图省事一次性把材料和指令全塞进去结果表格缺列、行数对不上光核对就花掉半天。自从把骨架轮固定下来缺行和漏列这两个老毛病基本没再出现过剩下的波动也能靠三次取稳兜住。那套工具包目前是公测版本Windows 下双击 exe 就能跑起多 agent 流程把它和我上面这套六关打分表放在一起用先按关卡跑一遍再决定你自己的工作流怎么分工比直接照抄任何人的结论都靠谱。希望帮到你。本文还有配套的精品资源点击获取