在 2025 年春节短短几天内，Deep(Re)Search 迅速从一个学术概念走向了生产实践，迅速成为 25 年 AI 搜索的新范式。Deep(Re)Search 并非简单的 RAG，而是基于“搜索、阅读、推理”循环，利用长上下文模型的能力，以解决复杂查询，并提供高质量拿走即用的搜索结果。

继北京、上海站的沙龙广受好评之后，Jina AI 与 Google Cloud 将 DeepSearch 技术沙龙带到了深圳！

<<<北京场 & 上海场回顾：左右滑动见更多 >>>

本次沙龙将 聚焦于 Jina AI DeepSearch 的具体实现，深入探讨 DeepSearch 的工程实践。我们拒绝空谈概念，致力于分享第一线的实战经验：

核心机制拆解： 剖析 DeepSearch 的迭代循环、状态机设计，以及如何通过约束引导 Agent 行为。

模型与工具选型： 长上下文 LLM (gemini-2.0-flash) 的实际运用，查询重写任务里为何 SLM(小型语言模型) 可能不够用？，分享 Jina Reader 在网页处理中的关键角色，以及 jina-embeddings 在去重任务上出人意料的高效表现。

架构与内存管理： 探讨我们为何以及如何选择放弃传统的向量数据库，转而拥抱上下文记忆（Context Memory）。

关键环节的实践与反思： 分享答案评估与预算控制（包括独特的“野兽模式”）背后的设计逻辑；并深入反思 Reranker 和特定 Agent 框架在 DeepSearch 场景下的真正必要性。

我们还将坦诚分享构建过程中的 一手经验、技术选型背后的考量、实际遇到的挑战，甚至是那些我们曾认为是“伪需求”和过程中的“意外发现”。

我们面向的是 一线 AI 工程师、搜索/RAG 系统开发者、关注工程实践的技术、产品负责人。如果你关心如何将 DeepSearch 理念落地，想了解实际开发中的具体问题和解决方案，欢迎加入我们，共同探讨和交流。

你将获得

对 Jina AI DeepSearch 项目实现的深入理解。
构建 DeepSearch 类系统时，关于技术选型的具体依据与权衡。
关于长上下文 LLM、推理模型、Embeddings 在实际应用中的性能表现与局限性的真实洞察。
Jina AI 在开发过程中积累的真实踩坑经验与优化思路。
与 Jina AI、Google Cloud 及同行工程师直接交流的机会。

欢迎在报名时注明你当前在相关领域遇到的技术挑战，或希望在沙龙中深入探讨的问题，我们将尽力在活动中进行交流。