继续更新 Deep Research Agent 从0到1实战系列。接下来这个系列我们会一起把一个完整的 Deep Research Agent 从零搭出来每篇都带可以直接跑的代码每读完一篇你手里那套系统就多一个能用的功能。今天先把最底层的框架跑通。上周有个学员面字节大模型基础设施岗简历上写了 RAG检索增强生成Retrieval-Augmented Generation系统上线经历还附了一段 Agent 开发实战。面试官扫了一眼问“你做的 Agent和一个带搜索插件的 ChatGPT本质上差在哪”他答“我的 Agent 能多轮调工具搜到中间结果之后还能接着搜最后把所有信息综合起来回答。”面试官点了点头往下追“搜到第10轮第11轮的搜索词是谁定的根据什么定的”他说“模型根据前面的结果推理……上下文里有完整的历史记录它自己决定下一步搜什么。”面试官停了一下“上下文里塞着完整历史。那10轮搜索大概多少 token你测过模型在三四万 token 的上下文里对第一轮找到的那条信息还剩多少注意力吗”他没说话。这个问题他从来没想过更没量过。面试官说了句话“你做的不是 Deep Research是’带记忆的关键词搜索’。Deep Research 最难的地方从来不是循环转几次是在记忆有限的情况下还能把下一步决策做对。”这道题难的不是概念是你有没有真的把系统跑到出问题的那个点然后蹲下来想过它为什么出问题。今天就把 Deep Research Agent 的底层逻辑连同第一个能运行的框架一起拆开讲清楚。一、同样是搜索RAG 和 Deep Research Agent 差在哪RAG 处理的是这样一类问题用户问一句系统检索一次命中相关片段拼进 prompt 让模型回答结束。问重疾险等待期是多少天它翻到那一条念出来对这种问题完全够用。但全球前五大新能源车企在固态电池方向的研发投入和技术路线各有什么差异就不是检索一次能搞定的。你得先确认前五大是哪五家再分别查每家的投入、查每家的路线查到一半发现某家拆了两条技术线又得回头补搜最后把这些散落各处的信息对齐成一份能横向比的表。我们做的第一版系统就栽在这。当时有个客户问了一个跨市场新能源政策的比较问题我们的 RAG 检索一次返回三篇相关文章生成了一段回答。客户看完只说了一句“这不就是搜索引擎加了个总结吗”他说得对。那个版本根本不是 Agent是个 RAG。差距可以用一张表说清楚。问题类型典型例子需要几轮检索普通 RAG 能做吗单跳问答“等待期是多少天”1 轮完全够用两跳推理“A 公司 CEO 毕业于哪所大学”2-3 轮勉强应付研究型问题“五大车企固态电池路线对比”10-20 轮无法处理复杂分析“某政策对三个行业的差异化影响”20 轮完全失效研究型问题有一个绕不开的特征后面搜什么取决于前面搜到了什么。你没法在第一步就规划好第二步的关键词得看见第一步的结果才知道。这种走一步看一步的动态决策RAG 那一次性的检索接不住。所以 Deep Research Agent深度研究 Agent说白了就干三件事动态决定下一步搜什么、把多轮检索来的信息整合到一起、判断什么时候够了可以停。听着简单每一件单拎出来做好都不容易。动手之前先想清楚一件事你手上的问题是一次检索能答还是得查很多轮才能答。前者用 RAG 就够没必要背上 Agent 这一身复杂度。只有确认了要多轮动态检索才值得引入今天这套框架。RAG 与 Deep Research Agent 的处理路径对比图RAG 与 Deep Research Agent 的处理路径对比二、Deep Research Agent 能干什么更要先想清楚它不能干什么在搭框架之前先把这套系统的能力边界钉死。这一步很多人跳过去结果是把一堆它天生做不好的活儿硬塞给它然后怪模型不行。它擅长的是这几类多轮迭代检索、多源信息聚合、交叉验证事实、把 A→B→C 的多跳链路一步步推下去、根据中间结果识别我还缺哪块信息并调整搜索路径最后综合成一份结构化报告。这些是它真正值钱的地方。但下面这四条边界比上面那串能力更该先记住它不是知识库。它本身不存事实每次回答都要实时去检索。你指望它像背了一肚子答案那样张口就来方向就错了。它不保证 100% 准确。它的天花板被信息源质量和自身推理能力死死压着源里是错的它大概率也跟着错。它不适合时效性极强的任务。搜索引擎的索引本身有延迟刚发生半小时的事它经常搜不到。它不适合需要专业工具才能完成的任务。比如要跑一段真实数据分析、要执行一段代码你不给它接上对应的工具光靠搜是搜不出来的。我把这四条放在这么靠前的位置是因为线上最常见的事故根源都不在框架而在一开始就把任务派错了。承认边界不丢人它恰恰是判断这活儿该不该用 Deep Research Agent 来干的第一道闸门。三、撑起一个 Deep Research Agent 的四根柱子边界划清楚了再看全景。不是为了背概念是因为后面真出了问题你得能立刻定位到是哪根柱子塌了。第一根柱子是训练数据。模型没法凭空学会做复杂研究它得看大量有人真做过这件事的轨迹样本从一个问题出发一步步搜索、判断、调整直到拿到答案的完整过程。这种数据现成的没有得专门构造。这个系列后面会拿好几篇专门讲怎么造。第二根柱子是 Agent 框架。这是模型的行动逻辑它按什么格式输出思考、用什么方式调工具、结果回来之后怎么接着往下推。最基础的框架叫 ReAct推理与行动Reasoning and Acting今天就从它开刀。第三根柱子是训练系统。有了数据和框架还得先用 SFT监督微调Supervised Fine-Tuning让模型学会基本格式再用 RL强化学习Reinforcement Learning让它在不同情况下学会选更优的策略。这两步是把数据真正变成模型参数里的能力的环节。第四根柱子是工具集。Agent 靠工具和外部世界打交道核心四件套是 Search搜索引擎、Visit网页内容提取、Scholar学术文献检索、Python代码执行。工具设计的好坏直接卡死了 Agent 能力的上限。工具这块有四条设计原则是我后来踩了坑才补上的一个工具只做一件事简单性每个工具自带重试和降级可靠性相同输入尽量给相同输出否则训练阶段模型学不到稳定模式确定性每次调用都要有日志能回溯可观测性。这四条你现在记不住没关系等系列讲到工具那几篇会一条条还回来。四根柱子是这么串起来的训练数据决定模型能学到什么训练系统把数据熬成参数里的能力Agent 框架决定这些能力怎么被激活和组织工具集是它伸向真实世界的那只手。今天我们只动第二根柱子里最基础的那一截让 ReAct 先转起来。Deep Research Agent 四组件全景图Deep Research Agent 四组件全景四、ReAct把想和做拧在一根绳上ReAct 的核心就三步把这三步吃透代码自然就懂了①Thought思考模型看着当前手上所有信息先想一遍我现在知道什么、还缺什么、下一步该干什么。 ②Action行动照着思考的结果调一个工具搜一个词或者打开一个网址。 ③Observation观察工具跑完把结果读回来追加进对话历史然后回到第①步。关键全在第③步那个回到第①步。这一轮的 Observation 进了历史下一轮的 Thought 就是站在新信息上重新判断的所以第二个搜索词能比第一个更准。这个循环能转几十次每转一次模型对问题的掌握就厚一层。下面是一个能直接跑的 ReAct 最小实现每个关键决定我都注在代码里了import json def react_loop( user_query: str, llm, tools: dict, max_steps: int 10 ) - str: 最小 ReAct 执行循环。 接任意支持 function calling 的 LLMOpenAI/DeepSeek/Qwen 都行。 # 初始化对话历史包含系统提示和用户问题 # 为什么要保留完整历史而不只留最后几轮 # 因为 ReAct 要求模型每次都能看到完整推理链 # 切掉早期搜索结果模型就不知道这个信息我已经找到了 # 会重复搜完全相同的内容白白浪费步数和 token messages [ {role: system, content: SYSTEM_PROMPT}, {role: user, content: user_query} ] for step in range(max_steps): # 调用 LLM让它在生成最终答案和调用工具之间自己选 # tool_choiceauto你自己判断信息够了就直接答 # 还要查就调工具不强制它必须调 response llm.chat( messagesmessages, toolslist(tools.values()), # 把工具定义传进去让模型知道有什么可用 tool_choiceauto ) # 模型选择调用工具说明它认为信息还不够 if response.tool_calls: tool_call response.tool_calls[0] tool_name tool_call.function.name tool_args json.loads(tool_call.function.arguments) print(f[步骤 {step 1}] {tool_name}({tool_args})) # 执行工具拿到 Observation # 为什么要 try/except 而不是直接调 # 搜索超时、网页 404、网络抖动这些在生产里每天都在发生。 # 不捕获的话一个工具失败就能把整个 Agent 拖崩 # 用户的问题只因为一次网络抖动就没了答案体验很差 try: observation tools[tool_name](**tool_args) except Exception as e: # 工具失败时把发生了什么告诉模型让它自己决定下一步 # 而不是直接抛错模型可能换个策略就接着走了 observation f工具调用失败{type(e).__name__}{e}。请尝试换一种方式。 # 把这一步的结果追加进对话历史 # 为什么要严格按assistant 消息 → tool 消息的顺序追加 # 这是 OpenAI 格式的硬性要求tool 消息必须紧跟触发它的 assistant 消息 # 靠 tool_call_id 配对。顺序错了 API 直接报错 messages.append(response.to_message()) # Thought Action messages.append({ role: tool, tool_call_id: tool_call.id, content: str(observation) # Observation }) # 模型没调工具说明它判断信息够了给出最终答案 else: print(f[完成] 执行了 {step 1} 步) return response.content # 走到这说明跑满 max_steps 还没结束 # 为什么不直接返回 None 或报错 # 用户等了这么久哪怕是不完整的答案也比什么都没有强 # 返回模型当前最后一条输出至少让用户知道系统卡在哪了 last_content next( (m[content] for m in reversed(messages) if m[role] assistant), 已达到最大步数未能生成完整答案。 ) return f[已达 {max_steps} 步上限] {last_content}这段代码今天就能接上 OpenAI 或 DeepSeek 的 API 跑起来。我们内测的第一版结构基本就长这样当时还没加 try/except第一次给客户演示搜索工具超时直接崩在屏幕上很尴尬。补上错误捕获之后工具失败时多了一条换策略继续的活路那一类问题的最终成功率从 78% 抬到了 91%。工具调用的错误处理是 ReAct 框架里第一个必须做对的地方。不是因为工具多爱失败而是一旦失败、整个 Agent 跟着崩掉的代价远比多写那几行 try/except 高得多。五、第一个 Agent 跑起来了但它很快会撞上一面墙把上面的代码跑起来处理简单问题没毛病搜个三四次给出答案上下文不到一万 token模型表现挺好。任务一复杂问题就来了。我们内测时有个用户问了一个跨市场新能源补贴政策的比较问题“欧盟、美国、中国三个市场的新能源补贴2024 年各做了哪些调整对不同车企的影响有什么差异” Agent 跑了 8 步最后那份报告里欧盟的补贴额度被安到了美国的政策头上。我们排查了将近两小时最后在日志里挖出来到第 7 步时messages 的 token 数已经过了 28000。搜索结果里欧盟、美国的数据其实都在但模型对第一步找到的欧盟数据注意力明显塌了生成报告时把两个来源搅在了一起。这件事让我们看清ReAct 这个设计本身就带着一个躲不掉的结构性上限。长任务里 messages 随轮次线性膨胀。假设每步平均产生 2500 token跑 10 步就是 25000跑 15 步就是 37500。一旦冲出大部分模型的舒适区注意力开始稀释靠后的内容权重更高靠前找到的关键信息越来越容易被晾在一边。很多人以为上下文越长模型越聪明。实际过了某个阈值结果反而变差。这不是模型的 bug是注意力机制的物理特性你改不掉它。上下文膨胀之外还有第二个更阴的问题策略停滞。模型每生成一次 Thought都得从几万 token 的历史里推出我还缺什么。这步推理本身极易出错你会看到模型拿着几乎一样的关键词反复搜或者在同一个子问题上原地绕圈因为它看不见前几步其实早就找到答案了。这两个问题ReAct 框架自己解不了。解法是引一个固定大小的研究摘要进来每轮执行完不把原始结果一股脑堆进上下文而是更新一份结构化的摘要只记目前已知什么和还有哪些子问题没解决。这个设计叫 IterResearch迭代研究框架下一篇专门来把它实现出来。顺带一提IterResearch 和上下文膨胀是面试里咬得很紧的一对追问官网题库里 Agent 这块的高频追问题 按公司和难度排过可以对着自查一遍。今天先把眼前这个跑通同时在你的系统里加一个监控每次 Agent 执行完打印一下 messages 的 token 总数。等你看到某类问题搜到第 5 步就已经过两万 token你心里就有数了知道该上下一篇那套方案了。上下文膨胀导致早期信息被稀释的前后对比图上下文膨胀导致早期关键信息被稀释六、系统提示让 ReAct 真正能工作的那块隐藏拼图上面代码里有个SYSTEM_PROMPT我一直没展开。这里补上因为系统提示写得行不行直接决定 ReAct 能不能按你预期那样跑。很多人觉得系统提示就是自我介绍一下你是谁。在 Agent 里它要干的是三件硬活定义角色、规定输出格式、设死行为边界。SYSTEM_PROMPT 你是一个专业的研究型 AI 助手擅长通过多轮工具调用完成复杂信息检索任务。 工作方式 - 遇到问题先分析需要找哪些信息再逐步检索 - 每次调工具前先想清楚调它是为了补哪个具体的信息缺口 - 拿到结果后判断够不够用不够就继续搜够了就综合作答 - 同一个搜索词搜了两次没新信息换个角度重搜别重复无效操作 输出格式 - 调工具前先用一两句话说明你要做什么Thought - 结果回来后先评估质量再决定下一步 - 最终作答时标注每条关键信息的来源 边界 - 信息来源之间有矛盾明确指出不要自己融合互相打架的信息 - 某个问题在现有检索结果里找不到答案直接说找不到不许编 最后两条边界盯的就是前面把欧盟当成美国那类事故。在系统提示里把矛盾信息要指出、不许融合写死能压下一截信息混淆的概率。效果是实打实的加了这两条之后我们测试集上的信息混淆率从 13% 降到了 6%。好的系统提示不是写得越长越好是每一条都对着你在测试里真见过的问题写。先让 Agent 跑起来、让它真实地出错再有针对性地往里加约束。一上来就堆一大段通常没用模型会读不进去。面试怎么答 Deep Research Agent 相关问题面试官抛这类问题多半不是考你能不能背定义是看你有没有真把系统跑到出过事的地方然后想过它为什么出事。先把 RAG 和 Deep Research Agent 的差距讲透用一个具体对比别讲抽象30秒别上来就甩技术细节先讲你见过的真实失败“我们第一版用的是 RAG有个客户问了个跨市场政策比较系统返回一段摘要客户直接说’这不就是搜索引擎’。我们这才反应过来需要多轮动态检索的任务RAG 那一次性检索根本接不住。”这比干巴巴说RAG 只能单跳、Agent 能多跳有说服力得多。再讲 ReAct 怎么工作重点压在消息历史是怎么攒起来的1分钟“ReAct 每步执行完把 Thought、Action、Observation 追加进 messages下一步的输入就带着完整历史链。我们在这踩过坑10 轮之后 messages 里三四万 token模型对早期信息的注意力开始掉我们内测就因为这个把欧盟数据混进了美国政策的报告里排查了两小时。”带具体失败案例的回答比泛泛说上下文管理很重要可信得多。接着讲你怎么处理工具失败30秒“工具失败在生产里很常见我们的做法是失败不崩而是把错误信息写回 Observation让模型自己决定换策略继续。加了这个之后成功率从 78% 提到了 91%。”报出具体数字说明你测过、量过不是张口就来。最后如果面试官追问上下文溢出的解法加分项我们用了一个叫 IterResearch 的框架不把原始搜索结果堆进上下文而是每轮更新一份固定大小的研究摘要只记’目前已知’和’还缺什么’。这样上下文大小保持常量跑多少轮都不溢出。能说到这一层的候选人很少直接拉开差距。写在最后Deep Research Agent 这个系列从今天起会一路写到能完整部署的系统。我不打算按文档顺序把概念铺一遍而是每篇都从我们真踩过的坑出发先说清楚为什么要这么设计、坑长什么样再给出能跑的代码。今天这个最小 ReAct 框架是起点。下一篇我们让它结实起来加上重复检测防模型原地打转、更细的错误处理、还有 token 监控。跑完下一篇你手里会是一个能接生产流量的 ReAct 执行器。这些细节我都整理在了官网项目案例里有 Deep Research Agent 从架构、数据到训练评估的完整文档配可运行代码和逐步推导题库里有 Agent 这块的高频追问题按公司和难度分好了。学AI大模型的正确顺序千万不要搞错了2026年AI风口已来各行各业的AI渗透肉眼可见超多公司要么转型做AI相关产品要么高薪挖AI技术人才机遇直接摆在眼前有往AI方向发展或者本身有后端编程基础的朋友直接冲AI大模型应用开发转岗超合适就算暂时不打算转岗了解大模型、RAG、Prompt、Agent这些热门概念能上手做简单项目也绝对是求职加分王给大家整理了超全最新的AI大模型应用开发学习清单和资料手把手帮你快速入门学习路线:✅大模型基础认知—大模型核心原理、发展历程、主流模型GPT、文心一言等特点解析✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑✅开发基础能力—Python进阶、API接口调用、大模型开发框架LangChain等实操✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经以上6大模块看似清晰好上手实则每个部分都有扎实的核心内容需要吃透我把大模型的学习全流程已经整理好了抓住AI时代风口轻松解锁职业新可能希望大家都能把握机遇实现薪资/职业跃迁这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】