当前位置：首页 > news >正文

自动化深度研究智能体-deep research实战

news 2025/11/6 9:05:08

文章目录

- - 14.1 项目概述与架构设计
  - - 14.1.1 为什么需要深度研究助手
    - 14.1.2 技术架构概览
    - 14.1.3 快速体验：5 分钟运行项目
  - 14.2 TODO 驱动的研究范式
  - - 14.2.1 什么是 TODO 驱动的研究
    - 14.2.2 三阶段研究流程
  - 14.3 智能体系统设计
  - - 14.3.1 Agent 职责划分
    - 14.3.2 ToolAwareSimpleAgent 的设计
    - 14.3.3 Agent 协作模式
  - 14.4 工具系统集成
  - - 14.4.1 SearchTool 扩展
    - 14.4.2 NoteTool 使用
    - 14.4.3 ToolRegistry 工具管理
  - 14.5 服务层实现
  - - 14.5.1 任务规划服务
    - 14.5.2 总结服务
    - 14.5.3 报告生成服务
    - 14.5.4 搜索调度服务
  - 14.6 前端交互设计
  - - 14.6.1 全屏模态对话框 UI 设计
    - 14.6.2 实时进度展示
    - 14.6.3 研究结果可视化
  - 14.7 本章小结

本章我们继续向前，聚焦「知识密集型应用」：构建一个能够自动化执行深度研究任务的智能体助手。

相比旅行规划，深度研究的难点在于信息的不断发散、事实的快速更新以及用户对引用来源的高要求。为了交付可信的研究报告，我们需要让智能体具备三个核心能力：

（1）问题剖析：将用户的开放主题拆解为可检索的查询语句。

（2）多轮信息采集：结合不同搜索 API 持续挖掘资料，并去重整合。

（3）反思与总结：依据阶段结果识别知识空白，决定是否继续检索，并生成结构化总结。

14.1 项目概述与架构设计

14.1.1 为什么需要深度研究助手

在信息爆炸的时代，我们每天都需要快速了解新的技术、概念或事件。传统的研究方式有几个痛点。首先是信息过载。搜索引擎返回成千上万的结果，你需要逐个点开链接，阅读大量内容，才能找到有用的信息。其次是缺少结构。即使找到了相关信息，这些信息往往是碎片化的，缺少系统性的组织。最后是重复劳动。每次研究新主题时，都需要重复"搜索→阅读→总结→整理"的过程。

这就是深度研究助手需要解决的问题。它不仅仅是一个搜索工具，而是一个能够自主规划、执行和总结的研究助手。

深度研究助手的核心价值：