利用 DeepSeek 与 MCP 打造自动化研究工作流，成功移除模型护栏
joorklee · reddit · 2026-08-12
一位开发者分享了其构建的自动化深度研究工作流，该系统利用极低成本的 DeepSeek API（1亿输出 token 不到 5 美元）收集复杂信息，并辅助本地模型（如 Qwen 27B）完成超出其能力范围的高难度技术任务。
工作流核心步骤：
- 生成详尽的研究计划，将大问题拆分为关联子问题。
- 调用支持工具的子智能体并发检索信息。
- 将各组信息合成为主报告，并由 Qwen 和 Kimi 担任「评审」校验信息准确性。
- 应用修正并输出本地 Markdown 文件。
实践成果：
作者利用这套基于 Open WebUI 和自定义 MCP 工具的 Pi 框架，成功对 Muse Glimmer 30B 模型进行了去审查/移除安全护栏操作，最终仅保留极低的拒绝率（8/144）和极小的 KL 散度（0.099）。这验证了利用自动化研究工作流突破本地模型知识与技术瓶颈的可行性。
「编程与Agent」频道最新
- 多智能体安全实践：构建零信任的智能体间身份验证框架 — blaizedsouza · 2026-08-12
- 长文综述150+智能体记忆架构：自演进设计提升50%长程记忆 — blaizedsouza · 2026-08-12
- Google Cloud 推出开发者设备平台，支持 Agentic 移动应用开发 — rseroter · 2026-08-12
- AI 时代软件测试的三大成熟度，多数组织仍停留在 L1 辅助阶段 — 4310sy · 2026-08-12
- 斯坦福论文揭示多智能体管线缺陷，引入控制平面提效10倍 — blaizedsouza · 2026-08-12
- 新书《规范驱动开发》：AI Agent 时代，规范应先于代码 — blaizedsouza · 2026-08-12