本文是 AI 术语扫盲系列第二篇，面向小白读者讲解日常使用 AI 工具时常见的功能名词。文章系统介绍了提示词工程、系统提示词、自定义指令、推理、思维链、深度思考与推理强度、问答/执行模式、计划模式、目标模式、权限与审批、上下文压缩、知识截止日期、联网搜索、深度研究和引用来源等 15 个概念。作者结合实际使用场景，用通俗语言解释每个术语的含义与作用，并分享了实用技巧，如按结果判断是否开启深度思考、利用计划模式细化需求、保存原始问答以应对上下文压缩等。
作者金融汪发布了一份深度研究报告，从9月美国非农就业数据出发，对未来10年美国的职业发展前景进行预测分析。报告于10月4日通过其Substack（jinrongwang.substack.com）发布，作者在推特上分享了部分摘录内容和配图，供关注者参考，并欢迎读者订阅查看完整报告。
作者以 Moderna/Merck 个体化 mRNA 癌症疫苗 Phase 3 进展为案例，体验了 Apodex 的 Deep Discover 多 Agent 研究产品。产品通过 Task Board、分工的 Sub-agent（临床数据读取、肿瘤研究、估值分析）与 Verifier 复核，实现可视、可中途干预的研究流程，并在测试中自行纠正了药物实体混淆。文章后半部分详细记录在单张 RTX 5090 上用 SGLang 部署 Apodex 1.1 mini（36B MoE GPTQ Int4）及开源 FrontierAgent 的过程，包括网络代理与 SSRF 防护冲突的排查、Agent Team 宏观研究实测，以及单卡下并行的本质是任务与上下文并行而非吞吐并行的性能分析。
作者关注 AI 泡沫话题但缺乏系统分析思路，遂使用主打多智能体协同的 Apodex 1.1 模型进行实测。在 deep discover 模式下提出“AI 是否有泡沫、何时破裂”的问题，模型自主拆解任务，组建 4 个子代理并行取证（市场数据、专家观点、历史泡沫类比、反向验证），另有最终汇总核验代理。作者中途追加黄仁勋“AI 五层蛋糕”分析需求，系统保留有效中间成果、仅重规划受影响子任务。最终得出“AI 有一定泡沫，集中在回款慢、融资依赖高、同质化层级”的结论。作者总结了 Apodex 全流程执行、异步 Agent Team、可中途干预三大特性，并附开源链接。
作者针对“程序员还能干多久”的热议，使用深度研究模型 Apodex 调研了历史上29个被技术显著改变的职业，按被消灭、萎缩、转型、增长四种结局归纳规律。结论显示外包交付最危险、运维和算法相对安全，后端/全栈约还有6年窗口。文章总结了职业存亡的关键因素、从业者自测表，并附上可复用的四步职业咨询提示词，帮助读者推演自身职业的未来走向并制定行动方案。
文章介绍了如何利用斯坦福大学的 STORM 研究方法，通过 4 条 prompt 在 Claude 中模拟多视角专家分析、构建矛盾地图、综合生成报告并进行同行评审。这套 5 分钟的工作流能帮助用户快速深度理解任何话题，效率远超传统搜索。
文章介绍了如何构建一个完全开源、可本地部署的深度研究系统。该系统由 Onyx（检索层）、CrewAI（编排层）和 Voxtral（语音层）组成。通过三阶段执行流程、自适应策略和六阶段检索管道，Onyx 在 DeepResearch Bench 排名第一，超越了 OpenAI 和 Gemini。文章强调了数据隐私的重要性，并详细拆解了实现高质量自我托管研究的架构细节。
