Discovery 引擎是 Microsoft Discovery 的認知支柱。 它作為一個自主的研究夥伴，規劃與組織工作、委派任務給專業代理人、監控進度，並在結果與預期不同時進行調整。 引擎不再是回應聊天視窗中的個別提示，而是在背景持續運行，讓你專注於最重要的科學決策。
傳統的 AI 助理採用問答循環。 你問，他們回答，對話就結束了。 Discovery Engine 的運作方式不同。 你描述一個目標，不論是一句話還是詳細的研究計畫。 引擎負責拆解、執行並回報。 這個過程是在數小時甚至數天內展開，而非秒數或分。
引擎結構
發現引擎圍繞兩個協同運作的元件組織： 認知 與 任務。
認識
認知是引擎運作期間持續運作的推理過程。 它能持續掌握你的整體目標，並決定下一步該做什麼。 它會為每項工作選擇合適的代理人和工具，並在你檢視進度時回應你的回饋。
當你啟動發現引擎時，認知會開始一個連續循環：
- 檢閱共用工作階段中所有工作的目前狀態
- 根據相依關係，辨識哪些任務已準備好開始
- 為每個任務選擇最佳可用代理
- 啟動任務執行並監控結果
- 驗證已完成的工作符合你定義的成功標準
- 當它發現缺口或機會時，會創造新的任務
- 將你的筆記納入持續規劃中
認知不只是執行固定計畫。 它會適應。 如果工具回報出乎意料的結果，認知會重新考慮其方法。 如果你在任務中加上有更多上下文的評論，認知會把這些因素納入下一步決策。 多次失敗後，認知會升級任務以供你審查。
想更深入了解認知的運作方式，請參閱 認知概述。
任務
任務是你定義你希望發現引擎執行的工作的方式。每個任務都記錄了需要完成的事項、為何重要，以及如何衡量成功。 任務提供了認知用來組織和排序工作的結構。
一項任務包括：
- 標題與描述：需要做什麼，並有足夠的背景讓代理人理解目標。
- 驗證要求：定義成功成果的具體標準。 認知利用這些標準來判斷完成的任務是否符合你的期望。 沒有它們，認知就沒有客觀的標準來評估結果。
- 依賴關係：必須先完成的其他任務的關係。 認知利用這些關係來智慧地排序工作。
- 狀態：任務在生命週期中當前的狀態。 完整任務狀態及其意義，請參閱 任務狀態生命週期 。
- 結果：完成任務時產生的輸出。 結果會被依賴的任務所利用。
每個任務至少應該有標題、描述，以及至少一項驗證要求。 標題和描述告訴認知該 怎麼 做。 驗證要求會告訴它 作品是否符合你的標準。 若無驗證要求，認知仍執行任務，但無法客觀評估結果。 缺少需求可能導致任務在沒有有意義的品質檢查下通過，或任務反覆執行。
關於任務結構細節與最佳實務，請參見 「任務與共享會議」。
引擎的實際運作方式
使用 Discovery Engine 遵循一個協作循環。 你設定方向，引擎執行，並定期檢查並重新調整方向。
1. 定義你的目標
首先在共用工作階段中建立一或多個工作。 任務可以是認知進一步分解的高階目標，或是你已經分解過的特定步驟。 例如：
「找出現有治療[疾病]的藥物及其活化途徑。 利用每種活性化合物探索具有較高蛋白質結合親和力且免疫反應預測較低的變異。 對於最有潛力的化合物，規劃實驗室配方的逆合成路徑。
這個單一目標涉及多個知識領域，需要協調多種工具，並產生中介結果，為後續步驟提供參考。 這對於這台引擎來說是天作之合。
2. 啟動發現引擎
這很重要
啟動 Discovery Engine 前，請確保您的工作區已部署聊天模式。 新專案的預設模型為 gpt-5-4 （model： gpt-5.4）。 發現引擎需要此模型來進行任務驗證。 沒有它，引擎就無法啟動。 請參閱 建立聊天模型部署 以了解設定說明。
當你啟動發現引擎時，認知會開始持續的推理迴路，並開始指派任務給代理人。
3. 讓它繼續運作
退後。 幾個小時後再回來看看。 引擎在沒有你持續存在的情況下運作。 Cognitive 負責代理選擇、工具執行、錯誤復原及任務序列。 就像將工作委派給有能力的同事一樣，引擎會代表你尋找並追蹤機會路徑。
4. 審查與重定向
當您回來時，請檢查您的共用工作階段。 你看：
- 完成的任務及其結果與驗證結果
- 目前執行的任務以及哪些代理正在處理這些任務
- 任何因認知無法解決而標記需要您注意的工作
新增備註，引導被標記任務朝新方向前進。 如果結果接近但不正確，請修改驗證要求。
5. 反覆迭代
這個循環會持續，直到達成你的目標。 認知不只是執行固定的序列。 它會回應共享工作階段的演變狀態，包括你的回饋以及你在過程中新增的任何任務。
選擇何時使用引擎
Discovery 引擎專為複雜、開放且長期存在的問題而設計。 不是每個研究問題都需要用到。
非常適合此引擎
與引擎良好合作的問題有幾個共通特徵：
- 多步驟依賴性：工作自然分段，後續步驟依賴先前結果。
- 開放式探索：你知道目標，但不知道確切路徑。 多種方法可能可行，引擎也能探索它們。
- 長時間：工作需要數小時甚至數天，而非幾分鐘。 你從委派中受益，而不是全程親自參與。
- 多元工具與知識領域：工作需要協調資料庫、模擬、分析工具及不同類型的專業知識。
更適合直接互動
有些問題較適合直接與客服聊天或使用提問模式：
- 單一且具體且有已知答案的問題（「化合物X的還原電位是多少？」）
- 需要立即回應的任務
- 隨處工作，互動地控制每一步
- 簡單的查詢或計算，一次交換即可完成
資源編排
當認知執行任務時，它會運用完整的 Microsoft Discovery 平台：
- 代理人：執行特定類型的工作的專業 AI 系統。 認知會選擇最符合各任務能力的代理人。 每位代理人都會與最適合所需工作類型的模型相連結。
- 工具：在 超級電腦 上執行的容器化執行檔，用於計算、資料處理與分析。 工具處理需要專用軟體或大量運算資源的工作。 Microsoft Discovery 應用程式透過不同的本地執行路徑執行工具;比較請參見 Microsoft Discovery 與 Microsoft Discovery 應用程式。
- 書架：由你的文件和科學文獻建立的知識庫。 代理人會查詢書架，以將其推理建立在相關脈絡之上。
你在設定工作區和專案時就要配置這些資源。 認知系統會根據每個任務的需求自動協調這些任務。
協作模式
引擎根據你提供的結構程度，支援不同程度的自主性：
完全委派：你描述一個廣泛的目標，讓認知負責分解與執行。 最適合探索性工作，想看看引擎會發現什麼。 你定期檢視結果並提供策略指導。
結構化委派：您將工作拆分成特定任務，並指派代理、定義相依關係及驗證要求。 認知負責執行和排序，但遵循你定義的結構。 最佳使用時機是當你了解方法並尋求可靠執行時。
平行工作：你負責部分任務，認知負責其他任務。 當你手動完成任務或加入中間結果時，認知會看到你的貢獻並將其納入規劃中。
如需設定每個模式的實用指引，請參閱使用認知功能建置共用工作階段。
最佳做法
Do:
- 從明確的目標開始，描述結果，而非程序。 讓認知自己想辦法達成目標。
- 在你的任務中加入驗證要求。 沒有它們，認知無法判斷工作是否符合你的標準。
- 請定期檢查，對於作用中的共用工作階段，請每隔幾小時檢查一次。 你的回饋能讓工作保持正軌。
- 信任自主探索。 認知可能會嘗試你不會想到的方法。
避免：
- 事先指定每個步驟 ，並 期望引擎依序執行。 即使你知道步驟，引擎仍透過驗證和品質回饋循環增加價值。 你要避免的是把引擎當成簡單的任務執行工具來使用。 它的優勢在於當中間結果不符合驗證要求時，能靈活調整、用不同方法重試，或標記工作供你審查。 如果你的共享工作階段完全是循序進行的，不需要品質關卡或反覆迭代，那麼直接與代理程式互動可能會更快。
- 即時監控任務執行。 該引擎支援非同步協作，而非互動式監控。
- 設定過於寬泛的任務（例如「解決癌症」）或過於狹窄的任務（例如「查詢 PubChem ID 12345」）。 找到一個中間地帶，既能讓任務具體到可以驗證，又足夠廣泛讓認知規劃執行。