是否了解 Deep Research，它是什么？

核心回答

Deep Research通常指一种围绕开放问题，持续规划、检索、阅读、交叉核验并生成有出处报告的Agent能力或产品形态。它不是某个唯一框架，也不等同于“把搜索结果摘要写长一点”。若面试官指具体产品或开源项目，应先确认名称，再谈对应实现。

它的核心是中间发现能改变后续研究路线：查到争议就补查原始资料，发现缺少某个维度就重写查询，资料充分后再综合，而不是固定检索一次就开始回答。

典型链路

先明确研究对象、时间范围、输出用途和问题边界，将大问题拆成若干可调查的子问题。再进行多源检索，读取候选正文，提取结论、证据、日期与来源；发现信息缺口时补充检索，遇到冲突则核对口径与原始出处。

随后将证据按主题综合，区分事实、推断和未解决问题，生成带引用的报告，并检查引用是否真实支持相应断言。仅有一个URL或标题，不能说明资料已经被读过或支持结论。

例如“比较某类数据库方案”，不只是列产品功能，还要统一版本、负载和测试条件，辨认厂商宣传与独立实验的差异。研究质量来自证据与比较口径，不能用来源数量或报告长度替代。

与RAG、搜索和DeepAgents的关系

搜索提供候选来源；RAG将检索内容用于生成，既可以是固定两步，也可以由Agent动态调用。Deep Research在此基础上组织更长的研究过程，但不是所有任务都必须增加多Agent或复杂规划。

DeepAgents是可用于构建这类长任务系统的一种框架选择，二者名称相似却不相等。可以自己组合规划、工具、状态与验证，也可以复用现有框架；选择应看所需能力、可控性和维护成本，不能仅以“自己做过”作为重复造基础设施的理由。

主要工程难点

长任务要管理计划、证据和中间产物，避免全文不断堆进上下文；保留摘要与原文引用以便回读。多Agent适合可独立调查的方向，但需要明确任务边界、输出契约和引用，减少重复搜索与冲突结论。

停止条件应结合核心问题覆盖、证据充分性、未解决冲突和新检索的信息增益，再加时间与成本预算。预算耗尽可以交付当前结果及缺口，不能包装成已经穷尽所有资料。

检索失败、站点变化和模型错误都需要观测与恢复；外部文档是待分析数据，其文字不能任意改变任务或触发动作。

如何评价

看事实与引用准确、问题覆盖、来源质量、冲突处理及结论有用性，同时衡量时延、成本和重复探索。相同问题可能有多条有效研究路径，因此终点质量与过程合理性应结合检查。技术亮点是让研究路线随证据调整，并将最终结论连回实际阅读的来源。

对应教程

参考资料