Deep Research：信息聚合型 Agent

一句话定义

Deep Research 类 Agent 接收一个开放研究问题，自主进行"规划 → 多路并行检索 → 逐源阅读与交叉验证 → 迭代式细化搜索 → 综合成带引用的报告"的完整研究流程（分钟级、几十次工具调用），是编排模式 + RAG + 反思的集大成产品形态。

为什么重要

它是 2025 年最先被规模化付费的 Agent 形态之一（OpenAI、Google、Anthropic、Perplexity 均已产品化），原因在于它命中的是知识工作的时间瓶颈：分析师 8 小时的文献扫描，它 8 分钟跑完初稿。对学习者的价值：它把前文所有核心件放在了一个可见的管线里——你能在其行为里直接观察到 kp-013 的动态规划、kp-019 的并行子 Agent、kp-016 的迭代检索、kp-014 的交叉验证。Anthropic 公开的多 Agent 研究系统复盘（token 涨 15 倍换研究质量大幅提升）是本篇主要依据。

前置知识

kp-019（编排）、kp-016（RAG）、kp-013（规划）。

核心概念

管线解剖（各家产品共有的骨架）

用户问题（模糊、开放）
→ ① 澄清与范围界定（反问或自行假设声明）
→ ② 查询规划：分解为 3-8 个可检索的子问题（kp-013）
→ ③ 并行探索：子 Agent 各自 搜索→抓取→读→摘要（kp-019）
     每路带回：结论 + 引用 + 待查缺口
→ ④ 迭代细化：发现新线索 → 动态追加搜索轮（agentic RAG）
→ ⑤ 交叉验证：冲突信息互查来源（kp-014 的多源版）
→ ⑥ 综合：结构化报告 + 全链路引用 + 置信度标注

三个设计决策（产品差异所在）

广度参数：并行子 Agent 数量可调（3~10+）——广度换 token（kp-027 的显式权衡）
中间过程可见：进度流（"正在查第 4 路：监管文件"）——长任务的体感延迟管理（kp-027）+ 用户可中途纠偏
引用密度：每条结论可溯源到来源——研究类产品的可信底线（kp-016 的引用机制产品化）

失败模式（用产品时的体验清单）

源覆盖偏斜：检索到的生态位决定了结论边界（英文源主导 → 视角偏移）
权威性不分级：论坛帖与白皮书等权重的风险
过度综合：把弱证据缝合出"看起来确定"的结论——报告的流畅度与证据强度不匹配

原理与机制

为什么必须多 Agent 并行而不是单 Agent 串行搜索？Anthropic 复盘的量化结论：并行编排使研究质量与延迟同时显著改善——机制上，单 Agent 串行检索时每一路的上下文污染下一路（前一路的结论悄悄变成后一路的先入之见），且总时长是各路之和；隔离的并行子 Agent（各带独立窗口，kp-019）互相不污染、时长取最长路。

为什么检索必须迭代（agentic）而非一次成？因为好的搜索词依赖你还没读到的信息：只有读了第一轮结果才知道"原来这个指标叫 TSAT，应该再查一轮"。迭代轮数与质量的曲线在 3-5 轮后趋平——这也是预算上限的常用设置点（kp-027 熔断）。

引用机制的质量杠杆：要求"每条事实性结论必须带来源编号"不只是可审计性——它在生成侧约束了模型只能写检索到的东西，变相压幻觉（kp-016 机制的复用）。无来源支撑的表述会自然暴露为空引用，评测可程序化抓（kp-024 的断言：报告引用率）。

直观类比

像一个带项目经理的研究外包团队：PM（orchestrator）听完你的需求先划范围（规划），然后把选题拆给几位研究员（子 Agent）各自泡图书馆（并行检索），每人交回一页带出处的纪要（返回契约）；PM 发现纪要里有矛盾就派专项核查（交叉验证），最后自己执笔综述——他自己的桌面（主上下文）从始至终只有纪要与提纲（隔离），所以写到第 20 页时依然记得你开头要什么（kp-022/003）。

实例与案例

一次真实任务的轨迹骨架（问题："对比三家云厂商 2026 年 Serverless 定价模型"）：

规划: ①官方定价页 ②计费粒度对比 ③隐性成本(流量/并发) ④社区实测
并行: 4 个子 Agent，各 3-6 次搜索+抓取
细化: 路③发现"冷启动计费差异"是新线索 → 追加 1 轮专项检索
验证: 两路对 GCP 单价数据冲突 → 溯源到官方 changelog 确认
综合: 表格 + 每格带引用 + "数据截至日期"标注 + 低置信项显式声明

总耗时约 6-10 分钟，token 消耗为普通对话的百倍量级——这是"用 token 买时间"最直观的产品。

常见误区

误区一：把 Deep Research 当数据库查询。它产出的是"基于公开检索的综述"，不是全知答案；问"内部数据"与"实时机密"是场景错配。
误区二：不读引用直接用结论。引用密度再高也要抽查——模型选源的质量决定上限（kp-016 的检索 miss 问题在研究域同样存在）。
误区三：自建时盲目上多 Agent。Anthropic 的 15 倍 token 换质量的前提是"研究型任务价值高"；简单问答场景照抄此架构是烧钱（kp-019/027）。
误区四：报告流畅 = 结论可靠。警惕"过度综合"——训练自己看置信标注与引用质量，而不是看文笔。

自测题

为什么并行子 Agent 比单 Agent 串行搜索质量更高？
检索为什么必须迭代？迭代轮数的常用上限依据什么？
引用机制如何在生成侧压制幻觉？

（参考答案：1. 串行时各路上下文互相污染（先入之见），并行隔离且延迟取最长路；2. 好数的搜索词依赖第一轮结果里才知道的信息；质量曲线 3-5 轮趋平 + 预算熔断；3. "必须带来源"约束模型只能写检索到的内容，空引用可被程序化检测。）

与其他知识点的关系

架构母体 → kp-019（编排）/016（RAG）/013（规划）/014（验证）
成本权衡 → kp-027；其作为评测榜（Researcher bench 类）→ kp-024
产品的姊妹形态 → kp-028（写代码）/029（点鼠标）