要启动 DeepResearch 查询，您首先需要进行身份验证并构建您的请求。大多数系统要求使用 API 密钥或令牌进行访问，您需要将其包含在请求头中。接下来，您需要构建查询载荷，通常采用 JSON 格式，指定搜索主题、过滤器（例如，日期范围、领域）和输出偏好（例如，结果数量、排序）等参数。例如，查询可能针对“机器学习优化技术”，并过滤出 2020 年之后发表的论文。开发人员通常使用 Postman 等工具或 Python 的 requests 等库向服务的端点发送 HTTP POST 请求。正确的错误处理在此至关重要——在提交前检查无效参数或身份验证问题。
提交查询后，系统会对其进行验证和处理。验证确保必需字段存在且参数在允许的范围内（例如，日期范围不超过系统限制）。如果验证失败，将返回包含详细信息的错误响应。验证通过后，查询进入处理队列。根据系统的架构，这可能涉及分布式工作器或无服务器函数来并行化任务。例如，查询可能被拆分为针对数据库、学术存储库或外部 API 的子查询。然后，系统使用相关性算法（例如，用于关键词加权的 TF-IDF 或用于语义相似性的神经网络模型）对结果进行聚合和排名，以优先显示高质量的来源。在此阶段，通常会收集日志和指标（例如，延迟、资源使用情况）用于监控。
处理完成后，系统会返回结构化响应。这通常包括状态码（成功/错误）、元数据（例如，总结果数、处理时间）以及结果本身——通常是以文档列表的形式，包含标题、URL、摘要和相关性评分。开发人员随后解析此输出，如果结果分页，则处理分页。例如，响应可能包含 100 个结果以及一个 next_page_token 用于获取更多结果。此阶段的错误（例如，超时、部分数据）需要重试或回退逻辑。一些系统还为长时间运行的查询提供 webhooks 或异步回调，让您可以避免阻塞应用程序。后期处理时，您可能会缓存结果或将其馈送到分析管道或可视化库等下游工具。