DeepResearch Agent：系统考察与发展路径综述
仅用于站内搜索，没有排版格式，具体信息请跳转上方微信公众号内链接
点击“蓝字”关注我们
大型语言模型（LLMs）的突破性进展催生了\“深度研究智能体（DeepResearchAgents,DRAgents）\“这一全新AI范式。这类系统通过整合动态推理、自适应长周期规划、多跳信息检索、迭代工具调用及结构化报告生成等核心能力，实现了对复杂研究任务的端到端自主处理。从OpenAIDR、GeminiDR等工业级方案，到Agent-R1、ReSearch等学术探索，DR智能体正突破传统检索增强生成（RAG）与工具使用（TU）系统的局限，展现出处理动态知识密集型任务的独特优势。本文将系统剖析DR智能体的技术架构、工业应用与评估体系，揭示其发展现状与未来挑战。
DR智能体构建了API检索与浏览器探索互补的信息获取体系。基于API的检索方式以结构化数据为核心，如GeminiDR通过GoogleSearchAPI与arXivAPI实现规模化信息抓取，GrokDeepSearch利用新闻源、维基百科API维持知识库实时更新，这种模式具有高效性与可扩展性优势，适合处理明确的结构化查询。而浏览器模拟技术则通过Chromium沙盒环境实现动态内容提取，ManusAI的浏览智能体可自动化完成页面滚动、JavaScript执行等复杂交互，OpenAIDR与GeminiDR虽未公开细节，但已展现出处理交互式组件的能力。混合架构成为主流，如Search-o1结合BingSearchAPI与JinaReaderAPI，在生物医学任务中实现检索精度优化。
DR智能体通过三大工具模块扩展能力边界：代码解释器支持Python/Java脚本执行，实现数据处理与算法验证，除CoSearchAgent外，多数系统已集成该功能；数据分析模块将原始数据转化为可视化洞察，AutoGLM可直接从网页表格提取结构化数据，Search-o1通过\“Reason-in-Documents\“组件精炼文本；多模态处理能力在Manus、OWL等系统中得到验证，支持图像、音频等异构数据整合，但受限于计算成本尚未普及。模型上下文协议（MCP）与Agent-to-Agent（A2A）协议的引入，解决了工具接口不一致问题，Anthropic的MCP提供标准化服务访问层，Google的A2A协议则支持多智能体协作任务分解。
DR系统呈现静态与动态两种工作流范式。静态工作流如AIScientist将科研流程预定义为\“构思-实验-报告\“阶段，AgentLaboratory通过固定研究阶段实现文献综述自动化，但缺乏泛化能力。动态工作流则支持自适应规划，根据OpenAIDR的\“意图澄清-任务分解\“模式，GeminiDR的\“计划生成-用户确认\“机制，以及GrokDeepSearch的直接规划策略，形成三类典型规划策略。在智能体组成上，单智能体架构如Agent-R1将推理、工具调用集成于单一模型，适合端到端强化学习优化；多智能体系统如OpenManus通过中央管理器协调检索、分析等专用智能体，提升复杂任务处理灵活性，但面临协作效率挑战。
OpenAIDR采用单智能体架构，基于RL微调的o3模型实现动态策略优化，其核心优势在于交互式意图澄清、多模态检索与编程工具集成，可生成带精确引用的结构化报告。GoogleGeminiDR依托Gemini2. 0Flash模型，支持百万token上下文窗口，通过异步任务管理与高速自适应检索，在专业研究场景中实现多源数据融合。xAI的GrokDeepSearch构建了\“可信度评估-多源验证-迭代优化\“的处理流水线，其稀疏注意力机制支持3D可视化等高级输出。
微软365Copilot的Researcher组件整合企业数据与外部信息，支持市场策略制定与季度报告生成；Analyst则通过链状思维推理实现数据洞察自动化。阿里巴巴QwenDeepResearch依托Qwen3-235B模型，通过RL优化任务调度，实现研究蓝图动态规划与并行任务编排。医疗领域的AgentRxiv构建了科研成果共享平台，模拟arXiv实现研究经验跨智能体复用。这些应用展现了DR技术从通用研究向行业定制的演进趋势。
问答基准中，HotpotQA、2WikiMultiHopQA等多跳推理任务暴露了DR智能体的证据整合能力不足，DeepResearcher在NQ基准上达到85. 0的分数，但Humanity’sLastExam（HLE）等专家级测试仍显著低于人类表现。任务执行基准如GAIA评估显示，H2O. aiDR在Level-1任务中达到89. 25分，但复杂场景下的工具协调能力仍待提升。代码相关基准如SWE-bench揭示了DR智能体在真实软件开发场景中的短板。
当前评估存在\“记忆依赖\“问题，大量基准数据已被LLM参数存储，导致DR智能体绕过检索直接回答，BrowseComp通过过滤可参数解答的问题部分缓解这一现象。更根本的缺陷在于缺乏对\“研究报告生成\“这一核心能力的评估，现有指标过度聚焦信息检索，忽略了跨模态综合、证据组织等高阶能力。开发包含长文本叙事、图表整合、引用规范的端到端评估基准，成为DR领域的紧迫需求。
DR智能体需突破\“公开网页限制\“，通过MCP集成企业API、专业数据库等私有数据源，如AutoGLMRumination已实现对CNKI、小红书等平台的认证访问。AI原生浏览器如Browserbase、Comet通过结构化DOM接口、异步执行引擎提升交互效率，嵌入的视觉-语言模型可自动处理验证码等反爬机制。这种\“深度浏览\“技术将推动DR从信息收集向操作执行进化。
事实核查方面，GrokDeepSearch的七层可信度验证、ZhipuRumination的结论回溯机制，展示了多源交叉验证与自我反思的价值。工具集成推理（TIR）通过细粒度奖励设计，如GRPO算法将工具选择适当性纳入优化目标，使基准表现提升15-17%。异步并行执行通过有向无环图（DAG）任务建模与RL调度智能体，可将多步骤研究的时间成本降低40%以上。
多智能体优化方面，分层强化学习（HRL）通过内部奖励机制促进智能体协作，如Alita系统可根据任务动态配置MCP服务器。自我进化机制如CycleResearcher的\“研究-评估-优化\“闭环，AgentRxiv的科研经验共享平台，正在构建DR智能体的群体学习能力。这些探索指向一个\“自迭代研究生态\“的未来图景。
深度研究智能体通过技术整合与范式创新，正在重塑知识生产方式。从信息获取的动态双轨制，到推理决策的多模态融合；从工业应用的场景落地，到评估体系的不断完善，DR技术已超越传统工具范畴，成为智能研究的基础设施。尽管面临数据获取壁垒、推理深度不足、评估体系滞后等挑战，但随着AI原生浏览器、自我进化架构等技术突破，DR智能体终将实现从\“辅助研究\“到\“协同发现\“的跨越，为科学探索与产业创新注入新的动力。
paper:https ://www. arxiv.org/pdf/2506. 18096
