定义目标与约束
识别真正要解决的业务问题，并明确时间、成本、品牌、合规与成功标准。
返回技术总览
核心模型 · Creative Reasoning Model
发散推理模型
为复杂商业问题，探索不止一条答案。
将开放式目标拆解为多条可行路径，结合业务约束、价值与风险持续评估，再把更优路径交给智能体执行。
运行机制
从发散探索，到可执行决策。
模型不急于生成唯一答案，而是先扩大可能性空间，再以企业 Context、约束与反馈逐步收敛。
生成平行路径
从不同假设、视角与策略出发，形成彼此差异足够大的候选方案。
比较、反驳与迭代
让方案在证据、业务约束与潜在风险中相互竞争，而不是依赖一次生成。
编排执行与反馈
把更优路径转化为计划、Agent Skills 与工具调用，并用结果继续修正判断。
技术工件 · Creative Trajectory
不只保留答案，也保留答案如何被展开与选择。
Creative Trajectory 记录子问题、候选路径、扩展过程、剪枝依据与最终选择，使发散过程可以训练、比较和复盘。
Decompose
将开放问题拆为可以分别探索、相互影响的子问题。
Explore
从不同假设和参照出发，保留差异足够大的平行候选。
Prune
记录候选因何被约束、证据或风险淘汰，而不是静默消失。
Decide
保留选择依据与人工判断，让结果能够进入评测和下一次训练。
生产中的作用
在真实任务中，它负责什么。
更早发现被忽略的机会
在产品、内容与增长方向被锁定之前，系统性展开不同假设，降低团队只优化熟悉答案的风险。
让复杂选择有共同依据
把价值、成本、品牌、时机与风险放进同一比较过程，让跨职能团队围绕依据而不是偏好讨论。
让策略随新证据继续演进
当研究、市场与执行结果发生变化时，保留候选路径并重新评估，不必每次从空白开始。
验证与边界
让推理过程可比较、可解释、可改进。
发散探索并不意味着失去控制。目标、约束、候选路径与选择依据需要共同被记录，并接受人的判断与结果反馈。
衡量方式
01
有效候选簇数
02
候选簇间距离
03
业务约束通过率
04
人工选择一致性
边界与护栏
显式业务约束
把不可违反的规则与可优化的目标分开表达，让发散始终围绕真实问题。
可追溯选择路径
保留候选方案、比较维度与收敛依据，为复盘和评测提供证据。
人工判断与结果反馈
在关键决策点引入人工判断，并以业务结果持续修正模型与 Context。
协同技术
每一项技术，都在同一套系统中工作。
模型、Context、运行时与企业级基础彼此连接，才让智能体从理解走向可靠行动。
技术问题
理解它的机制、边界与生产要求。
01
发散推理与普通头脑风暴有什么区别？
头脑风暴强调产生想法，发散推理还保留每条路径的假设、证据、约束与剪枝依据，并在新信息出现后重新比较，因此既扩展可能性，也支持可追溯的收敛。
02
它与通用大模型的单次生成有什么区别？
重点不只在生成更多答案，而在保留多条推理路径、比较不同可能性，并让新证据和业务约束持续影响收敛过程。
03
哪些任务适合使用发散推理？
适合需要探索空间和专业判断的任务，例如机会识别、复杂决策、产品策略与增长路径。确定性强、规则固定的步骤通常更适合传统计算或工作流。