智東西
作者 ZeR0
編輯 漠影

智東西2月11日?qǐng)?bào)道，今天，美團(tuán)龍貓LongCat發(fā)布原生“深度研究”智能體了，還是發(fā)揮美團(tuán)的傳統(tǒng)藝能，主打“AI+本地生活”。

這個(gè)“LongCat深度研究”新功能，目標(biāo)是成為一個(gè)專(zhuān)業(yè)且更懂用戶(hù)的吃喝玩樂(lè)全攻略AI助手。

它能通過(guò)調(diào)用真實(shí)工具鏈，完成復(fù)雜的生活服務(wù)搜索與規(guī)劃任務(wù)，生成詳盡報(bào)告。

比如對(duì)比餐廳、做美食攻略、規(guī)劃路線、避坑預(yù)警，乃至制定一份超詳細(xì)的自駕游行程。

我體驗(yàn)后最直接的感受，就生成報(bào)告速度快、對(duì)比直觀，而且比我自己拍腦袋想的周全多了。

一些我自己做計(jì)劃時(shí)可能忽略的細(xì)節(jié)，AI都能考慮到位。比如下面這張表，就是“LongCat深度研究”花幾分鐘生成的報(bào)告里自主涵蓋的。

這背后的底層優(yōu)勢(shì)，是美團(tuán)在本地生活領(lǐng)域長(zhǎng)期沉淀的數(shù)據(jù)與行業(yè)積累。

推薦的餐廳，參考美團(tuán)真實(shí)的消費(fèi)熱度和口碑；推薦的酒店，源自真實(shí)的入住評(píng)價(jià)；景區(qū)路線規(guī)劃，有真實(shí)票務(wù)數(shù)據(jù)、實(shí)時(shí)客流監(jiān)測(cè)和官方信息做支撐；連充電樁都直連美團(tuán)接入的實(shí)時(shí)樁源。

所以，“LongCat深度研究”通過(guò)多源真實(shí)信息進(jìn)行分析，生成的結(jié)果要更加靠譜。

檢驗(yàn)也非常便利。報(bào)告底部的餐廳、酒店、景點(diǎn)鏈接都能點(diǎn)擊，點(diǎn)開(kāi)就是對(duì)應(yīng)的大眾點(diǎn)評(píng)頁(yè)面或參考攻略頁(yè)面，可以感受到整個(gè)設(shè)計(jì)完全是從用戶(hù)體驗(yàn)出發(fā)。

每次研究都會(huì)告知大概需要的時(shí)長(zhǎng)，我每次都只等了幾分鐘。

除了吃喝玩樂(lè)外，“LongCat深度研究”也可以用來(lái)做學(xué)習(xí)和工作相關(guān)的分析研究，既能分析互聯(lián)網(wǎng)大廠Agent產(chǎn)品，又能整理春節(jié)AI紅包和機(jī)器人登春晚戰(zhàn)況。

“LongCat深度研究”功能在LongCat網(wǎng)頁(yè)端已上線，目前一天能用10次。

Web端指路：longcat.ai/

LongCat App安卓版本已上線“探索本地生活”功能，iOS版本即將上線該功能。

同時(shí)，LongCat團(tuán)隊(duì)披露了使其深度研究功能更靠譜、更好用、更專(zhuān)業(yè)的三大核心技術(shù)。其中在權(quán)威評(píng)測(cè)BrowseComp（加上下文管理）中，“LongCat深度研究”的性能已逼近頂級(jí)閉源模型。

我體驗(yàn)了挑選餐廳、旅游規(guī)劃、自駕攻略、嚴(yán)肅研究等幾種不同日常需求，供參考：

一、挑選餐廳：核心訴求拉表分析，關(guān)鍵信息劃重點(diǎn)

跟多數(shù)深度功能一樣，“LongCat深度研究”在收到指令后，不會(huì)立即開(kāi)始執(zhí)行任務(wù)，而是先通過(guò)幾個(gè)問(wèn)題，再次確認(rèn)用戶(hù)需求，然后才開(kāi)始推理。

我提出的要求是：

過(guò)年留在北京，想要和父母吃一頓清淡又豐盛的跨年晚飯，幫我精選幾家餐廳并詳細(xì)對(duì)比 好吃為主，優(yōu)先海淀，性?xún)r(jià)比高，飲食偏好健康，傾向于交通便利、對(duì)菜品的好評(píng)度高

它會(huì)一次性生成文件和網(wǎng)頁(yè)形式的兩份報(bào)告。

兩種形式均可下載。文件版暫時(shí)只支持下載Markdown格式，下載Word和PDF格式還未開(kāi)放。

網(wǎng)頁(yè)形式的交互頁(yè)面非常直觀好用，右側(cè)可以在目錄導(dǎo)航上點(diǎn)選感興趣的內(nèi)容，而且有大量直觀清晰的表格。

在給我生成的報(bào)告中，內(nèi)容既有一目了然的6家推薦餐廳省流版總結(jié)，又有對(duì)不同菜系多家餐廳地理位置、環(huán)境特色、人均消費(fèi)、環(huán)境特色、營(yíng)業(yè)時(shí)間、推薦菜品的劃重點(diǎn)，并且貼心地附上預(yù)訂指南和注意事項(xiàng)。

每一章節(jié)都放上了推薦餐廳橫向?qū)Ρ瓤偨Y(jié)：

各類(lèi)菜系分析完后，還有個(gè)整體的推薦餐廳對(duì)比：

它還準(zhǔn)備了停車(chē)建議和交通特別提示，并提供了預(yù)訂策略和對(duì)長(zhǎng)輩健康飲食的建議。

最后一頁(yè)又是一份直觀的快速?zèng)Q策指南。

做出這么一份完整的報(bào)告，總共只花了幾分鐘，效率驚人。

報(bào)告最后有攻略參考列表，每一條都能點(diǎn)開(kāi)跳轉(zhuǎn)到對(duì)應(yīng)的大眾點(diǎn)評(píng)頁(yè)面。

不過(guò)隨后出現(xiàn)了一個(gè)bug。當(dāng)我在同一個(gè)對(duì)話框提出新的要求時(shí)，“LongCat深度研究”受前面的上下文影響，規(guī)劃出現(xiàn)了混亂。

我讓它生成一家老少春節(jié)去東北玩的旅游行程規(guī)劃，結(jié)果它生成的報(bào)告主題還是《北京海淀區(qū)跨年晚餐餐廳精選》。

重新打開(kāi)一個(gè)對(duì)話窗口，問(wèn)題就解決了。

好的地方是，新報(bào)告做的更加細(xì)致和豐富，餐廳關(guān)鍵信息的呈現(xiàn)更突出。

還有單獨(dú)的性?xún)r(jià)比分析、適老性評(píng)估、停車(chē)建議對(duì)比。

二、旅游規(guī)劃：行程時(shí)間線清晰，還有消費(fèi)避坑指南

我打開(kāi)了一個(gè)新的對(duì)話窗口，提出旅游規(guī)劃要求：

一家老少計(jì)劃過(guò)年去東北玩一周，預(yù)算3萬(wàn)，飛機(jī)和或策劃都考慮，想要住對(duì)老人小孩都方便的酒店，想要把東北特色景點(diǎn)或者風(fēng)土人情都體驗(yàn)了 成人4位，包括2位老人，小孩2個(gè)，春節(jié)期間出發(fā)，只要是當(dāng)?shù)靥厣几信d趣，就是普通老人和小孩的需求和身體狀況

生成的報(bào)告也像模像樣，有種白嫖專(zhuān)業(yè)旅游公司的既視感。

和挑選餐廳一樣，報(bào)告上來(lái)就先給省流版建議，包括目的地、核心景點(diǎn)、推薦活動(dòng)、特色美食、交通方式和最佳季節(jié)。

接著就是針對(duì)旅行策略、預(yù)算分析、穿衣建議、行程規(guī)劃、住宿交通解決方案、特色美食地圖的詳細(xì)分析，還有貼心的消費(fèi)避坑指南與應(yīng)急預(yù)案。

不僅有一張完整形成規(guī)劃圖：

還細(xì)化到每天的行程規(guī)劃：

經(jīng)搜官網(wǎng)核查，冰雪大世界的門(mén)票價(jià)是對(duì)的。

酒店推薦、美食地圖也非常清晰地標(biāo)出價(jià)位。

從穿衣建議、電子設(shè)備防寒、消費(fèi)避坑提醒到應(yīng)急預(yù)案信息，都考慮得很周全。

三、自駕攻略：周密考慮天氣和加油站分布，連怎么做決策都手把手教

針對(duì)自駕場(chǎng)景，我提出的要求是：

下周一和朋友自駕游去北京郊區(qū)自然景點(diǎn)游玩，幫我規(guī)劃三天的游玩路線，景點(diǎn)要各有各的特色，每條路線上要有加油站、餐廳、超市，每日往返開(kāi)車(chē)時(shí)間不超過(guò)3小時(shí) 北京郊區(qū)，住宿地點(diǎn)兩種方案都考慮，只要是自然景點(diǎn)都行，要有方便停車(chē)的地方

報(bào)告上來(lái)先總結(jié)了三天天氣預(yù)報(bào)，不過(guò)把日期搞錯(cuò)了，下周一是2月16日，它寫(xiě)成了2月17日。

同樣先給出一個(gè)路線總覽，然后再詳細(xì)規(guī)劃每日行程，包括核心景點(diǎn)的各類(lèi)門(mén)票費(fèi)用和建議時(shí)長(zhǎng)、自駕路況和預(yù)計(jì)通勤時(shí)長(zhǎng)、美食推薦，有的行程還提供多種方案選擇。

連如何做選擇，都手把手教學(xué)。

最后還給出多條路線的沿途加油站分布及建議，并附上車(chē)輛準(zhǔn)備、旅行裝備的清單。

四、嚴(yán)肅研究：專(zhuān)業(yè)分析信息豐富，聯(lián)網(wǎng)搜索時(shí)效性強(qiáng)

我還讓“LongCat深度研究”研究現(xiàn)有互聯(lián)網(wǎng)大廠Agent產(chǎn)品/功能及營(yíng)銷(xiāo)方式的共性與區(qū)別，分析這些打法預(yù)計(jì)帶來(lái)的收益、成本等影響，要求越全面越好。

它生成的報(bào)告覆蓋戰(zhàn)略布局、營(yíng)銷(xiāo)戰(zhàn)局、商業(yè)影響、未來(lái)展望等章節(jié)。

報(bào)告挑了美團(tuán)、字節(jié)跳動(dòng)、阿里巴巴、騰訊、百度、快手做對(duì)比，并毫不客氣地把美團(tuán)放在最前面。

營(yíng)銷(xiāo)戰(zhàn)局分析中，數(shù)據(jù)很新，涵蓋了近期的春節(jié)紅包大戰(zhàn)。

不過(guò)在后面分析商業(yè)影響和影響展望時(shí)，就完全放在宏觀行業(yè)層面，沒(méi)有聚焦這幾家互聯(lián)網(wǎng)大廠去做分析。

最后，報(bào)告列出5條結(jié)論，中國(guó)互聯(lián)網(wǎng)巨頭的AI Agent之戰(zhàn)上價(jià)值。

五、吃喝玩樂(lè)攻略靠譜性，超過(guò)其它主流AI產(chǎn)品

LongCat組織了來(lái)自全國(guó)數(shù)十個(gè)城市的眾多用戶(hù)參與吃喝玩樂(lè)攻略的橫向盲測(cè)。

題目覆蓋從國(guó)內(nèi)外熱門(mén)旅游城市到四五線城市，讓各地用戶(hù)對(duì)熟悉的城市攻略進(jìn)行評(píng)價(jià)，以獲得真實(shí)判斷。

調(diào)查結(jié)果顯示，在衡量攻略有用性的“保存分享率”指標(biāo)中，LongCat占比達(dá)到31.1%，位居第一，超過(guò)ChatGPT的16.7%。

在判斷攻略可用程度的“整體可用率”指標(biāo)中，LongCat占比更是高達(dá)61.1%，高于ChatGPT（42.8%）等其他主流AI產(chǎn)品。

六、怎么做到的？背后三大核心技術(shù)揭秘

“LongCat深度研究”背后有三大核心成果的支撐：

（1）智能體搜索能力卓越：在權(quán)威評(píng)測(cè)BrowseComp（加上下文管理）中達(dá)到73.1分，性能已逼近頂級(jí)閉源模型，具備行業(yè)領(lǐng)先的復(fù)雜任務(wù)決策與推理能力。

（2）超長(zhǎng)程、高并發(fā)任務(wù)處理能力：支持最多400輪交互與256K上下文，能持續(xù)理解并拆解極端復(fù)雜的個(gè)性化需求與長(zhǎng)文檔研究。

（3）多智能體專(zhuān)業(yè)化分工閉環(huán)：實(shí)現(xiàn)從“信息收集（Search Agent）→ 研究分析（Report Agent）→ 可視化呈現(xiàn)（Render Agent）”的全程自動(dòng)化工作流，交付即用型專(zhuān)業(yè)報(bào)告。

1、真實(shí)場(chǎng)景+科學(xué)訓(xùn)練，讓AI更懂生活

（1）真實(shí)原生的本地生活訓(xùn)練環(huán)境：依托美團(tuán)在本地生活領(lǐng)域的原生能力，搭建了一套覆蓋POI搜索、地圖路線規(guī)劃、評(píng)論/筆記檢索的真實(shí)工具集，讓Agent在與真實(shí)環(huán)境的交互中完成訓(xùn)練。

這一方式確保了訓(xùn)推環(huán)境的一致性，使Agent在訓(xùn)練階段即可感知真實(shí)場(chǎng)景的復(fù)雜性與多變性，從而有效提升其在線上處理實(shí)際任務(wù)時(shí)的表現(xiàn)。

（2）基于Rubrics的高質(zhì)量數(shù)據(jù)合成：由專(zhuān)家依據(jù)美團(tuán)本地生活真實(shí)業(yè)務(wù)數(shù)據(jù)提煉餐廳推薦、旅行規(guī)劃等場(chǎng)景及需求點(diǎn)，整合為系統(tǒng)的Rubrics（評(píng)價(jià)準(zhǔn)則）體系，再通過(guò)LLM生成具體Rubrics組合，反向合成高質(zhì)量Query與Trajectory，最終以Rubrics-as-Reward篩選Trajectory用于SFT與強(qiáng)化訓(xùn)練。

這一方式將美團(tuán)本地生活經(jīng)驗(yàn)注入模型訓(xùn)練，更好地對(duì)齊用戶(hù)偏好，讓Agent更懂用戶(hù)。

2、智能生成+自適應(yīng)渲染，交付清晰好用的專(zhuān)業(yè)報(bào)告

（1）“全局規(guī)劃-遞歸生成”的長(zhǎng)文構(gòu)建機(jī)制：采用multi-stage漸進(jìn)式生成架構(gòu)，先基于全網(wǎng)搜索摘要生成全局“報(bào)告大綱”，確保邏輯框架的嚴(yán)密性；隨后通過(guò)“遞歸生成”（Recursive Generation）策略，將當(dāng)前章節(jié)大綱、相關(guān)搜索文檔與前序章節(jié)上下文聯(lián)合輸入，逐章撰寫(xiě)。

這一機(jī)制有效解決了長(zhǎng)文本生成中的邏輯斷層與上下文遺忘問(wèn)題，既保證了報(bào)告的全局連貫性和低幻覺(jué)率，又實(shí)現(xiàn)了針對(duì)特定子話題的深度信息挖掘。

（2）端到端自適應(yīng)網(wǎng)頁(yè)渲染：摒棄傳統(tǒng)的模板填充模式，采用端到端生成技術(shù)直接輸出渲染結(jié)果。Render Agent能夠理解報(bào)告內(nèi)容的語(yǔ)義結(jié)構(gòu)，動(dòng)態(tài)決定最佳的視覺(jué)呈現(xiàn)形式（如自動(dòng)生成對(duì)比表格，決策流程圖或數(shù)據(jù)可視化圖表），讓本地生活信息的呈現(xiàn)從“靜態(tài)文本”進(jìn)化為“可視化界面”，大幅提升了用戶(hù)獲取探店、旅行規(guī)劃等生活決策信息的效率與體驗(yàn)。

3、多維校驗(yàn)+跨域融合，確保精準(zhǔn)可信的解析與規(guī)劃能力

（1）Rubrics-as-Reward的多維價(jià)值對(duì)齊：在數(shù)據(jù)清洗與強(qiáng)化學(xué)習(xí)階段，引入Rubrics-as-Reward機(jī)制，建立了包含引用準(zhǔn)確率、信息召回率、報(bào)告深度、指令遵循度及可讀性在內(nèi)的多維評(píng)分體系，對(duì)訓(xùn)練數(shù)據(jù)進(jìn)行極高標(biāo)準(zhǔn)的清洗與篩選。

這一機(jī)制解決了AI搜索產(chǎn)品常見(jiàn)的“幻覺(jué)”問(wèn)題，特別強(qiáng)調(diào)引用準(zhǔn)確率，確保每一條本地生活建議（如營(yíng)業(yè)時(shí)間、價(jià)格、地址）都有據(jù)可查。

（2）跨域知識(shí)融合的合版訓(xùn)練策略：采用混合訓(xùn)練策略，將Report與Render的垂直領(lǐng)域數(shù)據(jù)，與通用語(yǔ)料、數(shù)學(xué)、代碼等數(shù)據(jù)進(jìn)行聯(lián)合訓(xùn)練，利用代碼和數(shù)學(xué)數(shù)據(jù)的嚴(yán)謹(jǐn)邏輯特征，反向增強(qiáng)生活類(lèi)報(bào)告生成的條理性與任務(wù)規(guī)劃能力。

通過(guò)“通專(zhuān)結(jié)合”，該策略將理工科的強(qiáng)大邏輯推理能力注入到生活決策場(chǎng)景中，使Agent能像分析師一樣 “拆解復(fù)雜需求”。

結(jié)語(yǔ)：專(zhuān)業(yè)的AI深度研究功能，正逐漸走入尋常百姓家

多家互聯(lián)網(wǎng)大廠正在探索結(jié)合自身優(yōu)勢(shì)的Agent產(chǎn)品。今天上線的“LongCat深度研究”功能，聚焦于如何讓AI真正理解并解決現(xiàn)實(shí)世界的問(wèn)題，發(fā)揮出美團(tuán)在生活場(chǎng)景中的專(zhuān)長(zhǎng)。

隨著越來(lái)越多貼近生活、準(zhǔn)確度高的Agent應(yīng)用上線，AI深度研究的能力將普惠到更多人群，讓工作效率更高，也讓生活更加便利和美好。