深度解析一种新的自主 AI 系统：Deep Research AI 代理
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
作者：王磊
有一类新的自主AI系统，称为深度研究（DR）代理。这些代理旨在通过利用动态推理、自适应长期规划、多跳信息检索、迭代工具使用和结构化分析报告的生成的组合来处理复杂的多轮次信息研究任务。在一篇论文中，研究人员对构成DeepResearch代理的基础技术和架构组件进行了详细分析。
他们首先回顾信息获取策略，将基于API的检索方法与基于浏览器的探索进行对比。然后，我们研究了模块化工具使用框架，包括代码执行、多模态输入处理和模型上下文协议（MCP）的集成，以支持可扩展性和生态系统开发。为了将现有方法系统化，他们提出了一种区分静态和动态工作流程的分类法，并根据规划策略和代理组合对代理架构进行分类，包括单代理和多代理配置。
它们对当前基准进行了批判性评估，突出了关键限制，例如对外部知识的访问受限、顺序执行效率低下以及评估指标与DR代理的实际目标之间的不一致。最后，他们概述了未来研究的开放挑战和有希望的方向。
基于API的检索是一种快速、高效、结构化且可扩展的方法，它允许DR代理以相对较少的时间和计算成本访问外部知识源。例如，GeminiDR利用多源接口（最著名的是GoogleSearchAPI和arXivAPI）在成百上千个网页上执行大规模检索，从而显著扩大了其信息覆盖范围。GrokDeepSearch声称，通过新闻媒体源、维基百科API和X的本机界面维护连续索引，并按需激活查询驱动代理以生成目标子查询并实时获取相关页面，从而确保其知识库的新鲜度和深度。
基于浏览器的检索通过模拟的类人浏览器交互，为DR代理提供了对多模式和非结构化Web内容的动态、灵活和交互式访问。例如，ManusAI的浏览代理为每个研究会话运行一个沙盒Chromium实例，以编程方式打开新选项卡、发出搜索查询、单击结果链接、滚动页面直到满足内容阈值、必要时填写表单元素、执行页面内JavaScript以显示延迟加载的部分，以及下载文件或PDF进行本地分析。尽管OpenAIDR、GrokDeepSearch和Gemini2. 5DR没有公开披露其浏览功能的实现细节，但它们处理交互式小部件、动态呈现的内容和多步骤导航的能力强烈表明，它们也在幕后使用了类似的无头浏览器框架。
工具使用：为代理提供扩展功能
为了扩展DR代理在复杂研究任务中与外部环境交互的能力，特别是通过主动调用和处理各种工具和数据源，各种DR代理引入了三个核心工具模块：代码解释器、数据分析、多模态处理以及模型上下文协议。
代码解释器。代码解释器功能使DR代理能够在推理期间执行脚本，从而允许它们执行数据处理、算法验证和模型模拟。大多数DR代理（CoSearchAgent除外）都嵌入了脚本执行环境。它们通常依靠Python实用程序（如Aider和Java实用程序）来编排动态脚本、进行文献驱动的分析并执行实时计算推理。
数据分析。通过集成数据分析模块，DR代理通过计算摘要统计数据、生成交互式可视化和进行定量模型评估，将原始检索转化为结构化见解，从而加速假设检验和决策。许多商业DR代理已经在本地或通过远程服务实施了分析功能，例如图表、表格生成和统计分析。但是，这些系统中的大多数尚未公开披露其实现的技术细节。相比之下，学术研究通常提供具体的例子：CoSearchAgent将基于SQL的查询集成到团队通信平台中，以运行汇总分析并生成报告;AutoGLM直接从基于表格的Web界面中提取和分析结构化数据集;Search-o1的Reason-in-Documents组件在提取关键指标进行下游评估之前，会细化冗长的检索文本。
多模态处理和生成。多模态处理和生成工具使DR代理能够在统一的推理管道中集成、分析和生成异构数据，例如文本、图像、音频和视频，从而丰富其上下文理解并扩大其输出范围。只有一部分成熟的商业和开源项目，例如Manus、OWL、AutoAgent、AutoGLM、OpenAI、Gemini、Perplexity和GrokDeepSearch，支持此功能，而大多数学术原型尚未实现它，这通常是由于计算成本高。作为典型的开源研究，OWL和Openmanus扩展了他们的管道，包括与GitHub、Notion和GoogleMaps等平台的交互，并利用Sympy和Excel等数字库进行组合数据分析和多模态媒体处理。
使用计算机的深度研究代理。最近，通过集成计算机辅助任务执行功能（即计算机使用），DR代理的边界逐渐扩大。例如，智普AI引入了AutoGLMRumination，这是一个基于RL的系统，结合了自我反射和迭代细化机制，可显着增强多步推理和高级函数调用能力。具体来说，AutoGLMRumination可以自主地与Web环境交互、执行代码、调用外部API，并有效地完成复杂的任务，包括数据检索、分析和结构化生成综合报告。
与OpenAI的DR比较：OpenAIDR主要关注复杂的推理和信息检索，而AutoGLMRumination在实际执行中表现出卓越的自主性。这种增强的自主性使其能够将抽象的分析见解转化为具体的作任务，例如与Web界面的自动交互和实时数据处理。此外，AutoGLMRumination通过将高级推理功能与基于浏览器的真实交互无缝集成，解决模拟浏览环境中固有的限制。因此，代理可以可靠地访问用户身份验证的资源，包括CNKI、小红书和微信公众号等平台。这种集成显着提高了代理在信息获取和执行实际任务方面的自主性和适应性。
非参数持续学习方法，尤其是基于案例的推理（CBR），目前是LLM驱动的代理系统中的主流方法。基于CBR的方法使代理能够动态地从外部案例库中检索、调整和重用结构化的问题解决轨迹。与依赖于静态数据库的传统基于RAG的方法不同，CBR有助于在线上下文适应和有效的任务级泛化。这种灵活性凸显了它作为具有复杂架构的DR代理的可扩展且实用的优化解决方案的潜力。DS-Agent是一个开创性的LLM驱动代理，它将CBR引入自动化数据科学工作流程，采用从构建的案例库中进行近似在线检索。同样，LAM将CBR技术应用于功能测试生成，在模块化系统设计中将轨迹级检索与LLM规划相结合。
LLM驱动的DR代理系统中的自我进化范式为结构化推理和动态检索提供了巨大的前景，并为高效的知识重用和持续学习开辟了新的途径。尽管这些方法尚未得到广泛关注，但它们解决了基于参数的方法固有的高数据和计算需求，因此代表了未来研究和实际部署的一个有吸引力的方向。
为了充分实现DR代理中自我进化的潜力，未来的研究应该沿着两个互补的方向扩展自我进化方法
（i）全面的基于案例的推理框架。基于案例的推理方法利用分层体验跟踪，包括规划轨迹和结构化工具调用日志，并采用高级检索和选择机制来实现精细的、特定于上下文的适应。
（ii）自主工作流程的演变有望提高效率和灵活性。通过将代理工作流表示为可变结构（如树或图形），研究人员可以应用进化算法或自适应图形优化来动态探索、修改和完善执行计划。同时追求这两个方向将加强框架的稳健性，并减少对数据和计算资源的依赖。
结论
LLM驱动的DeepResearchAgent代表了自动化研究支持的新兴范式，集成了迭代信息检索、长篇内容生成、自主规划和复杂工具利用等先进技术。在这项调查中，我们系统地回顾了DR代理的最新进展，从信息检索和报告生成的角度将现有方法分为基于提示、基于微调和基于强化学习的方法。非参数方法利用LLM和精心设计的提示来实现高效且具有成本效益的部署，使其适用于快速原型设计。相比之下，微调和强化学习方法显式优化了模型参数，显著提高了智能体的推理和决策能力。
阅读最新前沿科技趋势报告，请访问欧米伽研究所的“未来知识库”
https ://wx. zsxq.com/group/454854145828
未来知识库是“欧米伽未来研究所”建立的在线知识库平台，收藏的资料范围包括人工智能、脑科学、互联网、超级智能，数智大脑、能源、军事、经济、人类风险等等领域的前沿进展与未来趋势。目前拥有超过8000篇重要资料。每周更新不少于100篇世界范围最新研究资料。欢迎扫描二维码或访问https ://wx. zsxq.com/group/454854145828进入。
截止到3月31日”未来知识库”精选的百部前沿科技趋势报告
（加入未来知识库，全部资料免费阅读和下载）
牛津未来研究院《将人工智能安全视为全球公共产品的影响、挑战与研究重点》
麦肯锡：超级智能机构：赋能人们释放人工智能的全部潜力
AAAI2025关于人工智能研究未来研究报告
斯坦福：2025斯坦福新兴技术评论：十项关键技术及其政策影响分析报告（191页）
壳牌：2025能源安全远景报告：能源与人工智能（57页）
盖洛普&牛津幸福研究中心：2025年世界幸福报告（260页）
Schwab：2025未来共生：以集体社会创新破解重大社会挑战研究报告（36页）
IMD：2024年全球数字竞争力排名报告：跨越数字鸿沟人才培养与数字法治是关键（214页）
DS系列专题：DeepSeek技术溯源及前沿探索，50页ppt
联合国人居署：2024全球城市负责任人工智能评估报告：利用AI构建以人为本的智慧城市（86页）
TechUK：2025全球复杂多变背景下的英国科技产业：战略韧性与增长路径研究报告（52页）
NAVEXGlobal：2024年十大风险与合规趋势报告（42页）
《具身物理交互在机器人-机器人及机器人-人协作中的应用》122页
2025-2035年人形机器人发展趋势报告53页
EvaluatePharma：2024年全球生物制药行业展望报告：增长驱动力分析（29页）
【AAAI2025教程】基础模型与具身智能体的交汇，350页ppt
Tracxn：2025全球飞行汽车行业市场研究报告（45页）
谷歌：2024人工智能短跑选手（AISprinters）：捕捉新兴市场AI经济机遇报告（39页）
【斯坦福博士论文】构建类人化具身智能体：从人类行为中学习
《基于传感器的机器学习车辆分类》最新170页
美国安全与新兴技术中心：2025CSET对美国人工智能行动计划的建议（18页）
罗兰贝格：2024人形机器人的崛起：从科幻到现实：如何参与潜在变革研究报告（11页）
兰德公司：2025从研究到现实：NHS的研究和创新是实现十年计划的关键报告（209页）
康桥汇世（CambridgeAssociates）：2025年全球经济展望报告（44页）
国际能源署：2025迈向核能新时代
麦肯锡：人工智能现状，组织如何重塑自身以获取价值
威立（Wiley）：2025全球科研人员人工智能研究报告（38页）
牛津经济研究院：2025TikTok对美国就业的量化影响研究报告：470万岗位（14页）
国际能源署（IEA）：能效2024研究报告（127页）
Workday：2025发挥人类潜能：人工智能（AI）技能革命研究报告（20页）
CertiK：Hack3D：2024年Web3. 0安全报告（28页）
世界经济论坛：工业制造中的前沿技术：人工智能代理的崛起》报告
迈向推理时代：大型语言模型的长链推理研究综述
波士顿咨询：2025亚太地区生成式AI的崛起研究报告：从技术追赶者到全球领导者的跨越（15页）
安联（Allianz）：2025新势力崛起：全球芯片战争与半导体产业格局重构研究报告（33页）
IMT：2025具身智能（EmbodiedAI）概念、核心要素及未来进展：趋势与挑战研究报告（25页）
IEEE：2025具身智能（EmbodiedAI）综述：从模拟器到研究任务的调查分析报告（15页）
CCAV：2025当AI接管方向盘：自动驾驶场景下的人机交互认知重构、变革及对策研究报告（124页）
《强化学习自我博弈方法在兵棋推演分析与开发中的应用》最新132页
《面向科学发现的智能体人工智能：进展、挑战与未来方向综述》
全国机器人标准化技术委员会：人形机器人标准化白皮书（2024版）（96页）
美国国家科学委员会（NSB）：2024年研究与发展-美国趋势及国际比较（51页）
艾昆纬（IQVIA）：2025骨科手术机器人技术的崛起白皮书：创新及未来方向（17页）
NPL&Beauhurst：2025英国量子产业洞察报告：私人和公共投资的作用（25页）
IEAPVPS：2024光伏系统经济与技术关键绩效指标（KPI）使用最佳实践指南（65页）
AGI智能时代：2025让DeepSeek更有趣更有深度的思考研究分析报告（24页）
2025军事领域人工智能应用场景、国内外军事人工智能发展现状及未来趋势分析报告（37页）
华为：2025鸿蒙生态应用开发白皮书（133页
《超级智能战略研究报告》
中美技术差距分析报告2025
欧洲量子产业联盟（QuIC）：2024年全球量子技术专利态势分析白皮书（34页）
美国能源部：2021超级高铁技术（Hyperloop）对电网和交通能源的影响研究报告（60页）
罗马大学：2025超级高铁（Hyperloop）：第五种新型交通方式-技术研发进展、优势及局限性研究报告（72页）
兰德公司：2025灾难性网络风险保险研究报告：市场趋势与政策选择（93页）
GTI：2024先进感知技术白皮书（36页）
AAAI：2025人工智能研究的未来报告：17大关键议题（88页）
安联Allianz2025新势力崛起全球芯片战争与半导体产业格局重构研究报告
威达信：2025全球洪水风险研究报告：现状、趋势及应对措施（22页）
兰德公司：迈向人工智能治理研究报告：2024EqualAI峰会洞察及建议（19页）
哈佛商业评论：2025人工智能时代下的现代软件开发实践报告（12页）
德安华：全球航空航天、国防及政府服务研究报告：2024年回顾及2025年展望（27页）
奥雅纳：2024塑造超级高铁（Hyperloop）的未来：监管如何推动发展与创新研究报告（28页）
HSOAC：2025美国新兴技术与风险评估报告：太空领域和关键基础设施（24页）
Dealroom：2025欧洲经济与科技创新发展态势、挑战及策略研究报告（76页）
《无人机辅助的天空地一体化网络：学习算法技术综述》
谷歌云（GoogleCloud）：2025年AI商业趋势白皮书（49页）
《新兴技术与风险分析：太空领域与关键基础设施》最新报告
150页！《DeepSeek大模型生态报告》
军事人工智能行业研究报告：技术奇点驱动应用加速智能化重塑现代战争形态-250309（40页）
真格基金：2024美国独角兽观察报告（56页）
璞跃（PlugandPlay）：2025未来商业研究报告：六大趋势分析（67页）
国际电工委员会（IEC）：2025智能水电技术与市场展望报告（90页）
RWS：2025智驭AI冲击波：人机协作的未来研究报告（39页）
国际电工委员会（IEC）：2025智能水电技术与市场展望报告（90页）
RWS：2025智驭AI冲击波：人机协作的未来研究报告（39页）
未来今日研究所2025年科技趋势报告第18版1000页
模拟真实世界：多模态生成模型的统一综述
中国信息协会低空经济分会：低空经济发展报告（2024-2025）（117页）
浙江大学：2025语言解码双生花：人类经验与AI算法的镜像之旅（42页）
人形机器人行业：由“外”到“内”智能革命-250306（51页）
大成：2025年全球人工智能趋势报告：关键法律问题（28页）
北京大学：2025年DeepSeek原理和落地应用报告（57页）
欧盟委员会人工智能与未来工作研究报告
加州大学伯克利分校：面向科学发现的多模态基础模型：在化学、材料和生物学中的应用
电子行业：从柔性传感到人形机器人触觉革命-250226（35页）
RT轨道交通：2024年中国城市轨道交通市场数据报告（188页）
FastMoss：2024年度TikTok生态发展白皮书（122页）
CheckPoint：2025年网络安全报告-主要威胁、新兴趋势和CISO建议（57页）
【AAAI2025教程】评估大型语言模型：挑战与方法，199页ppt
《21世纪美国的主导地位：核聚变》最新报告
沃尔特基金会（VoltaFoundation）：2024年全球电池行业年度报告（518页）
斯坦福：2025斯坦福新兴技术评论：十项关键技术及其政策影响分析报告（191页）
国际科学理事会：2025为人工智能做好国家研究生态系统的准备-2025年战略与进展报告（英文版）（118页）
光子盒：2025全球量子计算产业发展展望报告（184页）
奥纬论坛：2025塑造未来的城市研究报告：全球1500个城市的商业吸引力指数排名（124页）
FutureMatters：2024新兴技术与经济韧性：日本未来发展路径前瞻报告（17页）
《人类与人工智能协作的科学与艺术》284页博士论文
《论多智能体决策的复杂性：从博弈学习到部分监控》115页
《2025年技术展望》56页slides
大语言模型在多智能体自动驾驶系统中的应用：近期进展综述
【牛津大学博士论文】不确定性量化与因果考量在非策略决策制定中的应用
皮尤研究中心：2024美国民众对气候变化及应对政策的态度调研报告：气候政策对美国经济影响的多元观点审视（28页）
空间计算行业深度：发展趋势、关键技术、行业应用及相关公司深度梳理-250224（33页）
Gartner：2025网络安全中的AI：明确战略方向研究报告（16页）
北京大学：2025年DeepSeek系列报告-提示词工程和落地场景（86页）
北京大学：2025年DeepSeek系列报告-DeepSeek与AIGC应用（99页）
CIC工信安全：2024全球人工智能立法的主要模式、各国实践及发展趋势研究报告（42页）
中科闻歌：2025年人工智能技术发展与应用探索报告（61页）
AGI智能时代：2025年Grok-3大模型：技术突破与未来展望报告（28页）
上下滑动查看更多
