什么是 Deep Research / Agentic Search Agent?它和 Agentic RAG 有何区别?
题目
什么是 Deep Research / Agentic Search Agent?它和 Agentic RAG 有何区别?
参考答案
点击展开参考答案
Deep Research Agent(深度研究智能体)是一种端到端的"检索—阅读—再检索—综合"型 Agent,它把一个复杂问题转化为多轮、多源的自主调研过程,最终产出一份带引用的结构化长报告。它的工作形态更像一个人类研究员:先拆解问题、制定研究计划,再并行或串行地检索数十乃至上百个来源,逐篇阅读并抽取关键信息,判断已有证据是否充分、是否存在覆盖缺口,必要时补充检索,最后把所有发现综合成一篇连贯的多章节报告。与"给一个问题、返回一段答案"的传统问答不同,Deep Research 的产物是长报告,强调广度、深度和可溯源性。
与 Agentic RAG 的本质区别在于抽象层次不同:Agentic RAG 是一种检索增强模式——Agent 自主决定何时检索、如何改写查询、是否需要多跳,它是嵌在更大系统里的一个组件,输出通常是对当前问题的简短回答;Deep Research 则是一种产品形态——它在 Agentic Search 循环之上,叠加了研究规划、全量阅读抽取、充分性判断、长报告合成、引用管理等能力,把这些组装成一个面向"长尾复杂调研"场景的完整产品。一句话概括:Agentic RAG 是"检索的自主化",Deep Research 是"检索自主化之上的报告生成产品化"。
理解这道题的关键,是抓住 Deep Research 的三个独有要素:显式的研究计划(plan-first)、基于证据充分性的迭代终止(sufficiency-aware loop)、面向长报告的综合与引用管理(synthesis + citation)。这三个要素也是它在面试中与 Agentic RAG 区分的核心论据。
Deep Research 的核心循环
Deep Research 的内核是一个充分性感知的多轮检索循环。主流产品(OpenAI Deep Research、Perplexity Deep Research、Gemini Deep Research)的实现细节各有差异,但都遵循同一个高层骨架:
Deep Research 的内核是充分性感知的多轮检索循环:证据不足就改写补检,充分才进入带引用的长报告合成。
这个循环的每一个环节都值得展开,因为它们正是 Deep Research 区别于普通检索增强的关键。
1. 查询规划与分解(Query Planning)
传统搜索把用户的原始问题直接扔给搜索引擎;Deep Research 的第一步是先把问题拆解成可检索的子问题和搜索意图。一个复杂研究问题(如"对比 2025 年三大云厂商的 Agent 托管方案")会被拆成若干独立的搜索任务,每个任务对应一个聚焦的搜索查询。Gemini Deep Research 会把生成的研究计划显式呈现给用户审阅和修改,用户认可后才真正开始检索——这种"plan-first, search-second"的模式是其可解释性和可控性的来源。
查询改写/分解的常见手段包括:子问题拆分(把多跳问题拆成单跳)、视角枚举(同一主题从正/反、不同利益方展开)、时间限定补全(补上"最新""2026"等时效约束)、去歧义改写(消解指代和模糊表述)。
2. 并行 / 串行检索(Parallel / Serial Retrieval)
拆解后的子查询会被分发到检索层执行。Deep Research 的检索源通常是开放 Web 搜索(而非私有知识库),这与以企业文档为检索语料的 RAG 形成对照。为了提升效率,相互独立的子查询会并行检索;存在依赖关系的(后一个搜索依赖前一个的结果)则串行执行。这种"并行 fan-out + 串行 chain"的混合调度,本质上是 Anthropic 所说的 Orchestrator-Worker 模式:一个 Orchestrator 负责规划与综合,多个 Worker 并行执行检索与抽取。
3. 阅读 + 抽取(Read & Extract)
这是 Deep Research 与普通搜索结果摘要的关键分水岭。传统搜索只看摘要片段(snippet);Deep Research 会点进链接、读取网页/PDF 全文,再由 LLM 抽取与子问题相关的关键信息(事实、数据、观点、引用)。这一步往往消耗大量上下文和算力,但也是它能产出深度内容的原因——它不满足于搜索引擎给的"摘要的摘要"。
4. 充分性判断(Sufficiency Check)
循环每跑一轮,Agent 都要回答一个问题:"我现在掌握的证据,足以回答用户的研究问题吗?" 这是 Deep Research 的"停止条件"。判断充分性既要看覆盖广度(研究计划的子问题是否都有证据支撑),也要看证据质量(来源是否权威、是否互相印证、是否存在矛盾)。若发现某个子问题证据薄弱或缺失,Agent 会触发补充检索——可能是改写查询、换关键词、或针对缺口发起新一轮搜索。充分性判断避免了两种失败:证据不足就草草收场,或无意义地无限检索。
5. 综合报告合成 + 引用管理(Synthesis & Citation)
当证据被判定为充分,Agent 进入综合阶段:把散落在数十个来源中的信息,组织成一篇有结构、有逻辑、带内联引用的长报告。这要求 LLM 完成跨源信息融合、去重、矛盾调和、观点归纳,并为每一条论断标注来源。引用管理(哪些论断对应哪个来源、如何去重同一事实的多个出处)是工程上很容易出错的一环,也是"幻觉引用"的高发区。
核心循环伪代码
下面用一个简化的 Python 伪代码刻画这个循环,帮助在面试中讲清结构(省略错误处理与并发细节):
from dataclasses import dataclass
@dataclass
class Evidence:
"""单条证据:来自某个来源的、与某子问题相关的抽取结果"""
sub_question: str # 对应哪个子问题
content: str # 抽取出的关键信息
source_url: str # 来源链接
credibility: float # 可信度评分 0-1
cited: bool = False # 是否已用于最终报告
class DeepResearchAgent:
"""Deep Research 核心循环的骨架实现"""
def __init__(self, llm, web_search, max_rounds: int = 10):
self.llm = llm
self.web_search = web_search
self.max_rounds = max_rounds
def run(self, question: str) -> str:
# 1. 查询规划:把复杂问题拆成子问题 + 搜索意图
plan = self._plan_research(question) # -> list[str] 子问题
evidence_pool: list[Evidence] = []
pending_queries = plan[:]
# 2-4. 充分性感知的多轮检索循环
for round_idx in range(self.max_rounds):
# 2. 并行检索:独立子查询 fan-out
raw_results = self.web_search.batch(pending_queries)
# 3. 阅读全文 + 抽取关键信息
for query, docs in zip(pending_queries, raw_results):
for doc in docs:
extracted = self._read_and_extract(doc, query)
credibility = self._assess_credibility(doc)
evidence_pool.append(Evidence(
sub_question=query,
content=extracted,
source_url=doc.url,
credibility=credibility,
))
# 4. 去重 + 覆盖度分析
evidence_pool = self._deduplicate(evidence_pool)
coverage = self._analyze_coverage(plan, evidence_pool)
# 充分性判断:所有子问题都有足够高质量证据?
gaps = self._find_gaps(coverage) # 证据不足的子问题
if not gaps:
break # 证据充分,退出循环
# 5. 针对缺口改写查询、补充检索
pending_queries = self._rewrite_for_gaps(gaps, evidence_pool)
else:
# 达到最大轮次仍未充分,降级处理
pass
# 6. 综合报告合成:多章节 + 内联引用
report = self._synthesize_report(question, plan, evidence_pool)
return report
这段伪代码揭示了 Deep Research 的三个灵魂要素:_plan_research(显式规划)、_find_gaps + _rewrite_for_gaps(充分性感知的迭代)、_synthesize_report(带引用的长报告合成)。三者缺一,就退化成普通的 Agentic RAG。
Deep Research vs Agentic RAG vs 传统搜索
这道面试题的核心是边界划分。用一张表把三者放在同一坐标系下:
| 维度 | 传统搜索(Search) | Agentic RAG | Deep Research |
|---|---|---|---|
| 抽象层次 | 工具 / 功能 | 检索增强模式(组件) | 端到端产品形态 |
| 检索源 | 开放 Web | 私有知识库 / 文档库为主 | 开放 Web 为主 |
| 检索轮数 | 1 次 | 通常 1-3 轮 | 数十轮,可读上百来源 |
| 是否读全文 | 否,只看 snippet | 通常检索 chunk 片段 | 是,读取并抽取全文 |
| 停止条件 | 单次返回 | 找到答案即停 | 显式的充分性判断 |
| 典型输出 | 链接列表 | 针对问题的简短回答 | 多章节、带引用的长报告 |
| 是否显式规划 | 否 | 可选(ReAct 式) | 是,plan-first |
| 引用管理 | 无 | 弱(标注来源即可) | 强(内联引用 + 去重 + 溯源) |
| 延迟 / 成本 | 秒级、低 | 秒-分钟级、中 | 分钟-数十分钟级、高 |
| 适用场景 | 事实查询、导航 | 问答、知识库对话 | 长尾调研、行业分析、文献综述 |
| 类比 | 图书馆检索目录 | 带参考书的答题助手 | 一位能写报告的研究助理 |
最容易混淆的是中间两列。可以这样记忆边界:
- Agentic RAG 落点在"检索的自主性"——它解决的是"Agent 能不能自己决定何时检索、怎么改写、要不要多跳"。它的输出还是"答问题"。
- Deep Research 落点在"调研的产品化"——它在自主检索之上,额外解决了"如何把数十个来源的证据组织成一篇可信报告"。它的输出是"交报告"。
一个实用的判断口径:如果用户要的是"答案",用 Agentic RAG;如果用户要的是"报告",用 Deep Research。 很多团队踩的坑就是用 Agentic RAG 去硬扛"出报告"的需求,结果要么检索不够深、要么合成不出结构化长文。
主流产品对比
2025 年 2 月,三家厂商先后推出 Deep Research 产品,标志着这一形态成为行业共识:
| 产品 | 底层模型 | 典型行为 | 特色 |
|---|---|---|---|
| OpenAI Deep Research | o3 系列的 deep research 专版(API 提供 o3-deep-research / o4-mini-deep-research) | 自主浏览 5-30 分钟,综合上百来源生成带引用报告 | 与 ChatGPT 深度集成,支持文本/PDF/图片输入 |
| Perplexity Deep Research | 自研模型 + 检索管线 | 单次查询执行数十轮搜索,迭代式规划-搜索-综合 | 引擎型产品,免费用户每日 5 次,强可溯源性 |
| Gemini Deep Research | Gemini | 先生成多步研究计划供用户审阅/修改,再自主检索综合 | plan-first 可控,可导出 Google Docs,企业级 Agent 平台集成 |
三家都体现了上文的核心循环,差异主要在计划的可干预性(Gemini 显式呈现计划让用户改)、底层模型(OpenAI 用 o3 推理专版)、检索管线归属(Perplexity 以搜索引擎为核心竞争力)。
> 注意:产品能力会持续迭代,具体型号与额度以官方文档为准。面试中谈论产品时,重点是讲清"它们共享同一个 Agent 循环骨架",而非背诵某一刻的参数细节。
关键挑战
把 Deep Research 从 demo 推向可用,有四类硬骨头:
-
多轮调用成本。一次研究可能涉及几十次 Web 搜索 + 上百次全文阅读 + LLM 抽取 + 最终长文合成,token 消耗与延迟显著高于普通 RAG。成本控制是产品化的第一道门槛。
-
时效性。开放 Web 信息更新频繁,检索结果依赖搜索引擎的索引新鲜度;对"最新进展"类问题,可能需要专门的时效性策略(如优先检索新闻源、限定时间窗)。
-
幻觉引用(Hallucinated Citation)。这是 Deep Research 最致命的失败模式:报告里写了一个带引用的论断,但点开链接根本找不到对应内容,甚至链接本身就是模型编造的。根因在于综合阶段 LLM 可能"脑补"证据而非忠实回指抽取到的原文。
-
来源偏见与可信度。开放 Web 上信源质量参差,热门话题容易被 SEO 内容、营销稿、片面报道主导。若不做可信度评估与多源交叉印证,报告会被低质来源带偏。