重新定义工作流：R1推理模型在百度文库中的应用

1. 为什么关注推理模型？

1.1 普通模型与推理模型的区别是什么？

你可能已经发现了，现在联网搜索几乎成了R1这类推理模型的标配。但实际上，R1的潜力远不止于此。对比其他模型，例如：

• GPT：虽然有 Canvas、语音模式、视频通话等功能，但核心仍是基于大量数据训练的生成能力。
• Claude：以 Artifacts 为特色，侧重于内容创作和协作。
• Gemini：Deep Search 展现了强大的搜索能力。

推理模型，例如R1，真正的优势在于其推理能力，能够更好地理解和组织信息，从而支持更高级的应用。

1.2 我对R1的期待是什么？

我个人对R1在PPT和长文写作方面的能力充满信心。之前的传统工作流程是先用 R1 生成 Markdown 格式的大纲，然后再用 AI PPT 工具转换成 PPT。现在，我认为可以重新定义工作流了，希望它能够：

• 突破GPTs的局限：不应局限于 GPTs 形式，需要更加自由地组合各种工具。
• 打破单一应用：不能仅仅是联网搜索，更要能结合思考能力的优势。
• 实现多工具协同：或许普通大模型难以实现的多工具协同，R1有望做到。

2. 百度文库R1的应用：如何提升效率？

2.1 R1如何一次性生成PPT？

在百度文库里，R1可以直接生成PPT，这大大简化了流程。你只需要输入一句话，例如：“帮我写一篇 PPT，主题为 DeepSeek R1”，就可以得到一份初步的 PPT。

关键改进：文库很明显考虑到了元素级调整的重要性。在生成的 PPT 中，你可以任意点击文本框，并使用 R1 进行重写，从而提升 PPT 的质量。

二次修改：AI 联网搜索的结构是可以二次修改的，甚至是你将修改后的文本复制的 PPT 里后，还需再挑、再通过R1改语气、扩写、缩写。

优势：之前的 AI PPT 工具主要用于排版，内容需要自己反复校验。而 R1 生成的 PPT，由于支持联网搜索，可以保证文本质量，并且可以进行元素级别的精细调整。

2.2 如何使用R1进行文档合成？

文档合成是另一个我非常喜欢的功能。当有新产品发布时（例如 GPT4.5），会涌现大量信息：官方技术报告、媒体报道等等。

传统方法：我之前的做法是将所有文档上传给模型，输出汇总版本。但这种方法存在上下文窗口限制，导致信息丢失。

R1的优势：在文库里使用 R1 合并文档，可以保留原文档的内容和结构，不做过多修改，实现真正意义上的文档合并。

2.3 如何在自由画布中使用R1？

自由画布是一个强大的工具，它允许你在一个空间内完成信息搜索和文章编写。

新功能：现在，在画布中可以同步生成文档、图片、PPT，并进行联网搜索。

工作流变革：

1. 先用 R1 搜索相关信息。
2. 将信息以三种形式导入到后续的写作中：逻辑结构、语言风格、主要观点。
3. 参考文本 A 的风格，通过文本 B 的逻辑，生成一篇你喜欢的文本 C 风格的文章。

联动效应：生成的 PPT、合并后的文本都可以直接在自由画布上使用。

入口：🔗：wenku.baidu.Com (上面提到的三个功能在首页都可以直接用起来)

3. 我的感悟与期待

推理模型的思考方式正在改变我的工作习惯。如果说 GPT4.5 的能力倒退意味着大模型的 Scaling Law 已经走到头了，那么接下来就是推理模型的时代。

我认为：

我希望推理模型能够拥有普通模型各种各样的工具和表现形式，而不只是局限于 GPTs 形式或单一的联网搜索应用。它应该能够自由组合各种工具，结合思考能力的优势，或许这样才能实现普通大模型未能实现的多工具协同。而百度文库的 R1 应用，已经在这方面迈出了重要一步。

我认为：这R1之于文库，恰如那燧石之于钻木，看似寻常，实则暗藏变革之机。彼 scaling law 之说，不过是空中楼阁，而推理模型，方是脚踏实地之举。吾辈当拭目以待，看这文库，如何借 R1 之力，搅动一池春水，革新天下文章之格局！