SHCHEGRIKOVICH
2025 年 8 月 4 日
新的焦点：深度研究智能体
在众多 AI 智能体中，深度研究智能体（DRA）正成为新的焦点。
其核心使命在于自主完成复杂的信息研究任务，涵盖了从在线搜索、深度分析到最终报告撰写的全过程。
例如，它能独立应对诸如 GitHub 上最热门的代码仓库是哪些，或 就聚变能源的最新突破撰写一篇文章 这样的深度探究。
核心构建模块
剖析深度研究智能体的架构，其核心构建模块包括搜索器、任务执行器、工作流编排器、报告生成器及调优器。
尽管有论文提出了如搜索引擎、工具使用、工作流、调优与非参数化持续学习等不同命名，但其底层逻辑与核心功能是相通的。
模块深度解析
搜索器作为信息入口，负责在线搜集或从本地数据库中检索资料。其搜索方式主要有两种：API 调用和模拟浏览器访问。
API 方案直接对接谷歌或 arXiv 等学术平台，效率高；而浏览器方案则能加载动态网页内容，但需处理 JavaScript 渲染。一个有趣的观察是，移动版网页有时比桌面版更简洁，易于解析。
任务执行器是 DRA 能力的延伸，通过工具调用来执行代码、分析数据、处理多模态信息，甚至操作计算机。这使得 DRA 能够胜任多样化的任务，如生成图表或验证算法。
报告生成器负责将研究成果整合，呈现给用户。例如，字节跳动的 DeerFlow 项目便是通过 LangChain 调用大语言模型，根据预设的风格和用户意图，自动生成结构化报告。
工作流编排器堪称系统的大脑，它澄清用户意图，制定研究计划，并管理记忆上下文。其运行模式分为静态和动态两种。
静态模式按预设流程执行，而动态模式则更为复杂，能够即时规划，甚至引入其他智能体协同工作。Manus 博客提出的广度研究理念，正是这种动态协作的体现，即主智能体可将子任务分派给其他 DRA。
工作流背后的认知模式
值得一提的是，工作流的设计本身，就蕴含了某种解决问题的认知模式或心智模型。
最简单的模式是线性的：基于用户输入生成查询、获取结果、撰写报告。这是一种基础的研究直觉。
谷歌的论文则展示了一种更为精妙的认知模式，它模仿了人类学者的研究习惯：先形成草稿，再通过一轮轮的研究迭代来逐步精炼。
在这个模型中，每一个研究步骤，例如提出问题并利用搜索 API 寻找答案，都是对最终报告的一次打磨和深化。
其实现机制更为复杂，引入了自我进化理念，通过生成多个备选答案，并利用 LLM 即法官的模型进行裁决，选出最优解。
自我进化的关键：调优器
最后，调优器赋予了 DRA 自我完善和进化的能力。它让智能体能够从过往的经验中学习，不断提升自身性能。
实现路径有两条：一是参数化方法，如对模型进行微调或重新训练；二是非参数化方法，即通过非参数化持续学习，复用历史案例以实现快速适应与优化。
参考文献
论文：Deep Research Agents: A Systematic Examination And Roadmap - https://arxiv.org/abs/2506.18096 论文：Deep Researcher with Test-Time Diffusion - https://www.arxiv.org/abs/2507.16075 博客：Introducing Wide Research - https://manus.im/blog/introducing-wide-research Github：Deep Research assistant by ByteDance - https://github.com/bytedance/deer-flow
一键三连「点赞」「转发」「小心心」
欢迎在评论区留下你的想法！
