企业官网建设流程全解析

简介：清华大学DeepSeek+Research系列第四弹的PDF资料，面向希望借助大模型简化科研数据流程的高校师生、科研人员及数据挖掘与自然语言处理学习者。内容以多agent协作实现从数据采集、清洗、集成、变换、特征工程到分析、应用与可视化的全流程为主线，并结合问题定位、需求预测、推荐系统、异常检测、客户细分、信用评分等场景说明工具能做什么、怎么做、效果如何。资料还梳理DeepSeek系列模型在高效推理、长文本处理、多模态支持、自定义训练与微调、输出可解释性等方面的特点，并记录DeepSeek R1、OpenAI o3mini、Claude 3.5 Sonnet、Kimi k1.5在网页爬虫采集、文件数据读取与文本集成任务中的实测表现和差异结论，便于读者理解不同模型在科研数据任务中的适用边界。资源包为1个PDF文件，约5.43MB，已有211人学习，适合用作工具选型、方法对照和科研流程设计的参考。

1. 四个模型跑完六类任务，没有一个能通吃

DeepSeek 这套科研 Agent 工具最容易被误解的地方，是把它当成“聊天框里问一句就出结果”的玩具。真拿六类任务——爬虫采集、文件读取、文本集成、数据分析、数据挖掘、可视化——跑一遍，结论很直接：没有全能选手。R1 把爬虫数据抓得最全，o3-mini 响应最快还能直出图表，k1.5 在数据挖掘的维度上挖得最深，3.5 sonnet 在文本集成的稳定性上最让人放心。谁跟你说一个模型能通吃科研全流程，多半只跑过演示数据。

多 agent 的价值不在“单点最强”，而在把数据采集、清洗集成、统计分析、模式挖掘、可视化串成一条能复现的链。这篇写给三种人：正在选工具、想知道哪个模型配哪一段的；要做数据流水线、需要照着搭的；以及被“模型很强”宣传语坑过、想看清楚边界在哪的。下面全是跑任务跑出来的判断依据，不是参数表复读。

2. 先定尺子：多 agent 科研工具的五道关口

选这类工具，我一般不看模型榜单，看它在具体环节上会不会断。榜单测的是通用能力，科研流水线测的是“能不能把上一环的输出接住”。用同一批数据、同一套提示词模板，把五道关口各过一遍，强弱就出来了。

2.1 关口一：采集端能否落地成本地文件

采集这一环最容易被高估。能读网页、能列网址、能写脚本，是三个不同层级的能力。真正合格的表现在于脚本跑完以后，本地多出一个内容非空、字段对齐的文件；能在对话框里贴出一段“看起来能跑”的代码并不够。

检验方法我固定用那两个任务：先让模型读网页源码，把所有符合特定模式的链接筛出来、去重、合并成列表；再基于这个列表写脚本抓正文并写入文件。第一层看链接是否罗列全，第二层看脚本运行后产出是否为空。这一关的失败方式特别典型——代码语法没错，运行也不报错，就是抓不到东西。

2.2 关口二：读取端对附件和长文本的容忍度

文件读取这一关，很多人只测短文件，结果一上真实数据就翻车。我一般分三档压：几千 token 的一般文本、一万五千 token 左右的长文本、带多列指标的表格文件。

评判点有两个：一是附件能不能直接上传，还是只能复制粘贴；二是提取出来的数据维度全不全。粘贴这一步看着是小事，实际上是隐形杀手——表格结构在粘贴过程中会塌，列对齐一乱，后面所有分析都建在歪地基上。所以“支持附件上传”在我的评分表里权重很高，它不是便利性问题，是数据完整性问题。

2.3 关口三：分析端的结论明确度

分析任务最能拉开差距。我常用的检验数据是一份乘客名单类数据集，字段包含舱位、年龄、票价、是否幸存，任务是找出规律并解释哪些特征影响关键指标。

这一关分三档：能给出明确结论并用多个特征交叉验证的，算过关；只给分析思路、最后落不到结论上的，算半过；把关键指标算对但特征提取残缺的，也算半过。还有一个隐藏加分项——能不能自己发现数据异常并给出处理建议。多数模型会把幸存率算得很漂亮，但对明显的异常分布视而不见，那就是没真正读懂数据。

2.4 关口四：挖掘端的维度深度

挖掘比分析更虚，也更容易糊弄。任务是给一份影片清单类数据集，要求做分类梳理并挖掘深层关联。

我的判据是：能不能从多个维度切开，比如时间、类型、地区、档期，然后指出维度之间的关联，而不是把每个维度单独统计一遍就叫挖掘。能把数据分类清楚、给出可行建议，是及格；能说出“哪一类在什么条件下表现更好”这种交叉结论，才算真的挖到了。

2.5 关口五：呈现端是直出图表还是给方案

可视化有两种能力，价值完全不同：一种是直接生成图片，另一种是给绘图方案加 Python 代码。

直出的好处是快，缺点是复杂图容易出错或者干脆生成失败，而且图表里的数值对不对你没法逐项核对。给代码的好处是可复现、可改参数，缺点是得自己有环境。我的判断是：探索阶段用直出，正式出图用代码。所以这一关我不评“谁更强”，只评“谁在哪个场景更顺手”。

五道关口定完，评判标准就清楚了。下面这张表是我实际打分时用的检验清单，你可以直接抄去测自己手上的工具。

提示：这五关的顺序不要改。采集错了，后面四关都在验证错误数据；读取塌了，分析和挖掘全是空中楼阁。

3. 逐项对比：六类任务跑下来，谁稳谁虚

尺子定好了，接下来是逐项对比。这一章按任务类型拆，每一类都给出具体表现和我的判断依据。测试结果本身会受数据样本、测试环境、模型输出随机性、提示词模板影响，所以下面写的是“这一轮里谁更稳”，不是绝对排名。

3.1 爬虫采集：网址筛选与脚本可运行性

第一层筛链接，四个模型全部过关——都能根据上传的网页代码，把符合指令要求的多个网址提取出来、去重、合并成列表。这一层不难，是文本匹配加结构化输出。

分层出现在第二层：写脚本抓正文。R1 和 o3-mini 生成的代码都能正常执行，产出本地文件，数据采集到位。差别在细节上——o3-mini 响应更快，出代码几乎不用等；R1 慢一些，但抓回来的数据更完整准确，漏项少。这个差别在数据量大的时候会放大，快但不全，等于要重跑。

3.5 sonnet 和 k1.5 在这一层都出现了“多次调试仍跑不通”的情况，典型表现是代码里罗列的 URL 不全，或者输出文本里提取的数据为空。空文件是最让人抓狂的失败形态，因为脚本不报错，你还以为跑成功了。

还有一个容易被忽略的点：联网查询的支持情况。R1、o3-mini、k1.5 支持联网查询网址，3.5 sonnet 在这一环上不支持。这意味着涉及实时页面内容的任务，它天然少一条腿。

3.2 文件读取：附件支持决定了一半胜负

表格文件的读取任务，我要求输出包含日期、各类指标、同比、环比的结构化表格。

R1 表现最好：详细全面，指标清晰，逻辑性强，输出的是可用的可视化表格而不是一堆文字。3.5 sonnet 同样完成得很好，没有漏指标，而且一次性生成表格后支持直接复制和表格文件下载——这一点在实操中价值极高，省掉二次搬运。

o3-mini 的问题是附件上传不支持，只能靠粘贴。它读取粘贴数据的速度很快，输出格式工整简洁，准确度也够，但粘贴这条路在宽表上会丢结构。k1.5 能快速读取文件，也整理成了可视化表格，但数据有明显空缺，逻辑性尚可，完整性不够。

我的判断很直接：涉及宽表、多指标、需要反复核对的场景，优先用支持附件上传且一次性出表的；只做快速预览，粘贴路线可以接受。

3.3 文本集成：7000 与 15000 token 的分水岭

这一类任务最能看出稳定性差异。我压两档：约 7000 token 的一般文本，约 15000 token 的长文本，要求整理成可视化表格并按日期排序。

一般文本档，R1 提取的维度最全，但受文本长度和模型稳定性影响，输出表格末尾可能缺失，需要重复尝试生成。o3-mini 提取高效、格式工整、数据准确，但维度有缺失。3.5 sonnet 准确度高、表格文字简洁，但会漏掉文本里的环比和同比数据。k1.5 快、准确，维度不够全面。

长文本档，格局变了。R1 直接无法给出答复。k1.5 反而表现更突出，提取准确的同时维度比短文本时更全面，这是个反直觉结果——长文本粘贴后会自动形成文件，等于给了它更好的输入形态。o3-mini 依然高效，输出格式规范，但集成维度仍不够全。3.5 sonnet 在长文本上反而比一般文本更全面。

这里的经验是：别用短文本的表现去推断长文本。同一模型在两档上的相对位置可能完全反过来，R1 属于短文本强、长文本崩的典型。

3.4 数据分析：谁能从幸存率里看出异常

分析任务的差距最明显。任务是读乘客名单数据，找出规律。

R1 和 o3-mini 属于第一梯队，都能精准抓取关键指标，分析多个特征对它的影响，并结合背景做验证。两者的差异在风格：R1 会详细展示长思维链，逻辑严谨，而且敏锐察觉到数据异常并提出了处理建议；o3-mini 推理更高效，语言表达自然，重点突出，但没有察觉异常。

3.5 sonnet 能提供分析思路，最终没有形成明确结论。k1.5 能精准分析关键指标，但特征提取不完整，只识别出较浅层的数据关联，分析能力相对较弱。

我对这一关的权重给得很高，因为分析是科研流水线里唯一“错了你不知道”的环节。一个没有结论的分析，比没有分析更耗时间——你会以为自己在等结果。

3.5 数据挖掘与可视化：深度与直出能力的错位

挖掘任务用的是影片清单类数据集，要求分类梳理并挖掘关联。

k1.5 在这一环表现最出色，能精准分类特征，从多个维度挖深层内涵和关联性，语言简洁。R1 和 3.5 sonnet 都能准确完成分类，基于分析结果给出可行建议，但数据之间的关联挖掘偏浅，缺少不同类型数据之间直接关联性的探究。o3-mini 因为附件限制，数据集一大就完不成任务。

可视化是另一套逻辑。o3-mini 能力最突出，能直接生成多种类型的图表，准确度高，复杂图表可能出现数据错误或生成失败。R1 和 k1.5 能基于分析结果给出多种绘图方案，但需要把 Python 代码复制到本地运行；R1 在大样本上会省略数据，小样本不省略。3.5 sonnet 同样需要本地跑代码。

把六类任务的结果压成一张表，强弱位置一目了然：

注意：这张表是单轮测试的相对位置，不是能力上限。模型会更新，提示词会变，换一批数据结果可能位移，判断方法比结论更耐用。

4. 组合拳：把强项拼接成一条完整流水线

单模型跑全流程必然有断点，所以这套工具真正的用法是分段配模型。原料里给了四种互补思路，我按自己的实操习惯重排了一遍顺序，因为它跟数据流的走向更贴合。

4.1 采集段：R1 主打，o3-mini 补漏

采集要的是“全”和“快”两个属性，而这两个属性在两个模型身上是分开的。我的做法是让 R1 负责精准爬取和筛选，把符合条件的目标链接抓全、去重、写成结构化列表；再用 o3-mini 做一轮补充采集，专攻 R1 漏掉的边角页面。

这么排的理由很实在：R1 慢但漏得少，适合做主干；o3-mini 快，适合在主干之外扫一遍。反过来的话，主干漏了，补漏的再快也补不齐。这一段的产出必须落到两个文件——目标链接清单和原始正文，不落文件就不算完成。

4.2 预处理与清洗：3.5 sonnet 稳文本，R1 保完整

拿到原始数据后，第一件事是清洗、纠错、格式统一、特征提取。这一段我用 3.5 sonnet 处理文本类数据，它在文本提取上比较稳定，不容易出现整段丢失；用 R1 兜底做数据完整性校验，把两份结果比对，缺的补回来。

校验这一步不能省。我一般会让 R1 输出一份字段清单，逐条比对源数据的表头，缺列立刻能看出来。这一步花十分钟，能省掉后面两小时的返工。

4.3 分析与挖掘：R1 定框架，k1.5 挖深层

分析段的分工是：R1 负责深入分析和异常检测，把核心指标定下来、把主要影响因素排出来；k1.5 负责深度挖掘，从多个维度找关联、给研究方向的建议。

R1 的长思维链在这里是优势，它会把推理过程摊开给你看，你能判断哪一步跳了；k1.5 的强项是维度展开，它更愿意从时间、类型、地区这些角度切进去。一个定框架，一个填血肉，比让一个模型硬扛到底靠谱。

4.4 呈现：o3-mini 直出，k1.5 出代码兜底

出图阶段我分两次。第一轮用 o3-mini 直出图表，快速看数据长什么样，探索阶段要的就是速度；第二轮让 k1.5 输出 Python 绘图代码，本地跑出正式图，参数可改、数值可核、图可复现。

下面这段是我常用的清洗与整合骨架，作用是把采集回来的多份文件合并、补齐字段、统一格式，再交给模型做分析。它不是通用脚本，需要按你的字段名改。

import pandas as pd from pathlib import Path # 采集结果目录：每个文件对应一天的抓取结果 RAW_DIR = Path("./raw") # 统一后的字段，缺列会自动补 NaN，避免合并错位 FIELDS = ["date", "rail", "road", "water", "air", "total"] frames = [] for f in sorted(RAW_DIR.glob("*.csv")): df = pd.read_csv(f, dtype=str) # 只保留目标字段，多余的列丢掉，少了的列补齐 df = df.reindex(columns=FIELDS) df["source_file"] = f.name # 留痕，方便回溯是哪一天出的问题 frames.append(df) merged = pd.concat(frames, ignore_index=True) # 日期标准化，排序错乱会让后续按日期聚合全错 merged["date"] = pd.to_datetime(merged["date"], errors="coerce") merged = merged.dropna(subset=["date"]).sort_values("date") # 数值列转数字，转不动的置空，而不是让整行消失 for c in FIELDS[1:]: merged[c] = pd.to_numeric(merged[c], errors="coerce") merged.to_csv("./merged_clean.csv", index=False) print(merged.shape, merged["date"].min(), merged["date"].max())

关键点有三个：reindex保证不同来源的文件字段对齐，不会因为某天多一列就整表错位；errors="coerce"让脏数据变成空值而不是让整行消失，缺失可见比缺失隐形好；source_file留痕，出问题能一路追回原始文件。最后那行打印是自检，看一眼行数和日期范围对不对，比事后核对省事。

5. 避坑与排查：我在这条链路上翻过的五次车

这一段是血泪经验合集。坑不在于模型不够强，而在于失败方式太安静——不报错、不提示、界面看着一切正常，等你发现时已经跑完了三轮。

5.1 坑一：长文本一贴就“无法答复”

现象：一万五千 token 左右的文本贴进去，模型直接说无法回答，连错误原因都不给。

原因：上下文长度触顶。R1 在长文本任务上明确出现过无法给出答复的情况，而短文本时它是四个里维度最全的。这不是能力问题，是输入形态问题。

解决：先切分再集成。按段落或按日期切成三段以内，分段提取字段，最后用本地脚本合并。别指望一份长文本一次性灌进去，尤其是段落结构松散的原始数据。切分的边界按语义走，不要按字数硬切，硬切会把一条完整记录劈成两半。

5.2 坑二：代码跑通但结果为空

现象：脚本执行没报错，本地也生成了文件，打开一看是空的。

原因：链接列表不全或者页面结构没匹配上。3.5 sonnet 和 k1.5 在爬虫任务上都出现过多次调试仍跑不通的情况，典型表现就是输出文本里提取的数据为空。

解决：分两步排。先查链接列表本身全不全，把列表打印出来数一遍；再查选择器有没有写错，用最小样本单页跑一次。单页通了再上批量，别一上来就跑全量。

5.3 坑三：表格看着工整，指标少了两列

现象：输出的表格排版漂亮、逻辑清晰，仔细一核对，环比、同比这类衍生指标整列没有。

原因：模型在做结构化输出时会做取舍，衍生指标需要计算，容易被省略。3.5 sonnet 在一般文本集成任务里就漏过同环比数据。

解决：把字段要求写成硬约束，逐条列在提示词里，并明确要求“缺列必须标注”。拿到表格后做一次表头比对，字段数不对直接重跑，别拿残缺表往下走。

5.4 坑四：直出图表的数据对不上

现象：图很漂亮，但柱子的数值跟分析结果对不上，或者复杂图表直接生成失败。

原因：直出图表是生成式的，不是从你的数据表里读数，复杂图表容易出现数据错误或无法生成。

解决：探索阶段用直出，正式出图一律走代码。把分析结果存成 CSV，用脚本读表画图，图上的每个数字都能追回源文件。这一条我吃过亏以后就没再改过。

5.5 坑五：附件传不上去，粘贴把结构贴没了

现象：宽表粘贴进去，列全挤在一起，或者干脆提示不支持附件上传。

原因：部分模型不支持附件上传，只能靠粘贴，而粘贴会破坏表格结构，粘贴后的数据在模型眼里就是一串文本。

解决：能用附件的一律用附件；不能用的，先把表格转成 CSV 文本块再粘，或者直接描述字段让模型按字段输出。宽表千万别整张粘，先拆成两三个窄表分次处理，准确率会明显上升。

6. 落到自己课题上：一套六步执行顺序

把上面的东西收成一条能直接照做的顺序，我一般这么排：

这套顺序里有两个容易被砍掉、但我觉得不能砍的环节。第一个是第 1 步，字段清单必须在采集之前定死，否则后面每一步都在补字段，补到最后表结构一团乱。第二个是第 3 步的完整性校验，用两份结果比对表头，缺列当场暴露。

有几个具体技巧值得单独拎出来。提示词模板只写任务，不写寒暄，每个任务拆成编号步骤，模型执行的稳定性会明显提升；同一任务至少跑两轮看结果是否收敛，单轮结果受输出随机性影响很大，跑两轮能区分“偶发缺失”和“能力不足”；每次跑完把提示词、输出、产出文件一起归档，出问题时能倒查是哪一环偏的，这相当于给自己留一颗后悔药。

回过头看，我最大的教训是把模型当黑匣子用——只看输出对不对，不看它是怎么得出这个输出的。R1 的长思维链其实是最好的排查工具，它把推理过程摊开了，你能一眼看到它在哪一步偷懒、在哪一步漏了字段。那次我盯着它把某个维度的统计跳过去，才意识到问题出在自己的提示词没把维度写全，不是模型不行。

从那以后我每次开新任务，都强制走一遍“字段清单 → 小样本单页验证 → 全量跑 → 表头比对”这四步，一步不省。慢是慢了点，但返工次数下来了。

这套多 agent 科研工具的公测版本，把采集、处理、分析、挖掘、可视化串成了一条链，配上上面这套分工，大部分日常科研数据处理任务能省掉大量重复劳动。工具本身是入口，真正决定结果的是你给它的字段约束和验证习惯。希望帮到你。

本文还有配套的精品资源，点击获取