Deep Research для бедных поверх Codex

Значимый прорыв формирует отрасль ИИ: mike_melanin 1 час назад Deep Research для бедных поверх Codex Простой 4 мин 2. 1K DIY или Сделай сам Искусственный интеллект Open source * Codex Deep Research SkillОбычный ответ LLM по сложной теме – часто мусор. Не потому что модель тупая.

Просто за один prompt не получаешь полноты ответа. Это быстрый ответ из головы модели: красиво, складно, иногда даже убедительно. Но если нужно реально разобраться в рынке, технологии, конкурентах, вакансиях, конференциях или любом другом you name it кейсе, почти всегда нужен не ответ, а небольшое исследование.

Технические детали

То есть:разложить тему на направления;сходить в источники;сравнить позиции;вытащить цифры, риски и кейсы;собрать нормальный markdown-отчёт со ссылками. Поэтому я всё чаще запускаю Deep Research буквально по поводу и без. Для меня это стал дефолтный режим работы со сложными вопросами.

Проблема вот в чём: встроенный Deep Research в ChatGPT и Claude удобный, но не всегда управляемый. Покупать подписку за $100 только ради более частого Deep Research мне пока банально жалко. Плюсом у ChatGPT нет отображения счётчика оставшихся запусков.

Про “щедрые” лимиты Claude на 20-баксовой подписке я помолчу. Во-вторых, непонятно, что происходит под капотом. Иногда ощущение, что он посмотрел 20 источников по теме.

Отраслевые последствия

Иногда – что перелопатил половину интернета, сжёг миллиард токенов и потратил час на ресёрч. Напрямую управлять шириной и глубиной прогона никак нельзя. В итоге я решил собрать свой локальный Deep Research через API – на тех сервисах, где у меня уже были доступные кредиты.

Так появился Deep Research Codex – локальный wrapper поверх GPT Researcher, который запускается из Codex как skill. Сразу дисклеймер: это не аналог Deep Research внутри ChatGPT или Claude. Там, скорее всего, гораздо более сложная система планирования, поиска, ранжирования и проверки источников.

Я взял open-source базу – GPT Researcher – поменял внутри то, что мешало моему сценарию, и собрал вокруг него удобный runner. Что получилосьWorkflow такой:сырой запрос -> prefilter -> подтверждение -> deep research -> markdown reportЯ пишу в Codex что-то вроде:Сделай research по AI-агентам в клиентской поддержке: ROI, риски, реальные кейсы, что можно показать B2B-клиенту. Дальше skill сначала запускает prefilter.

Событие, по словам экспертов, усилит конкуренцию в сфере ИИ.