本地部署 / 实战长文
Deep Discover 研究工作流：从论文核验到 RTX 5090 本地部署
一次研究型 AI 的完整体验：上传材料、专业分工、草稿综合与独立复核，再把同类流程接到本地模型。
21,233原帖浏览
113喜欢
145转帖
22书签
2026-09-08 采集的公开页面数据，非实时统计。
01研究为什么需要明确分工
我用论文与 CSV 作为输入，观察 Deep Discover 如何安排资料读取、外部搜索和分析，再由协调者整合，交给独立复核者检查。文章记录了药物名称混淆被纠正的过程，核心是证据核验，而非医疗结论。
02从网页产品走到单卡部署
后半篇记录 Apodex 1.1 mini 的 Int4 版本、SGLang 与 FrontierAgent 在 RTX 5090 32GB 上的组合。我先固定 32K 上下文和单请求，依次验证普通对话、工具调用、搜索与抓取，再运行多角色研究。
03多角色不等于推理吞吐翻倍
本次后端只允许一个生成请求。多个研究者可以交错进行搜索和文件读取，但模型推理仍要排队。文章强调的收益是任务隔离、上下文分工与错误检查，不能把它解释为单卡获得数倍生成速度。
04质量来自最后一道复核
本地研究案例中，独立复核者找出了数值矛盾和一条无法验证的说法，随后修正报告。部署版本与性能均属于我当次记录；完整命令和环境背景请结合原文阅读。