跳至主要内容

什么是 Deep Research / Agentic Search Agent？它和 Agentic RAG 有何区别？

pax大约 15 分钟

什么是 Deep Research / Agentic Search Agent？它和 Agentic RAG 有何区别？

来源：Agent Interview 100 #114

难度：中级
分类：Agent 架构

简短回答

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。

详细解析

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 RAGDeep 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 Researcho3 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 ResearchGemini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：

  1. 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。

  2. 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）。

  3. 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。

  4. 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。

常见误区 / 面试追问

  1. 误区："Deep Research 就是多跑几轮的 Agentic RAG" — 这是最常见的降级理解。多轮检索只是表象，Deep Research 的实质是叠加了三个 Agentic RAG 通常不具备的能力：显式研究计划、充分性感知的迭代终止、面向长报告的综合与引用管理。判断一个系统是不是 Deep Research，看它有没有"出报告"的综合阶段和显式的充分性判断，而不是看它检索了几轮。

  2. 误区："有了 Deep Research 就不需要 RAG 了" — 二者检索的语料性质不同。Deep Research 主要检索开放 Web，回答的是"公开信息世界里的调研"；RAG 检索的是私有知识库 / 企业文档，回答的是"我自己数据里的问答"。企业内部场景（查合同、查内部规范、查客户档案）Web 搜不到，仍必须用 RAG。正确的架构往往是两者并存：开放调研用 Deep Research，内部问答用 RAG。

  3. 追问："如何评估 Deep Research 报告的质量？" — 可从四个维度：(1) 事实准确性——报告论断是否与来源一致，引用是否真实可溯源（可直接对抗幻觉引用）；(2) 覆盖度——是否覆盖了问题的各个子主题，有无明显遗漏；(3) 引用质量——来源是否权威、是否多源交叉印证；(4) 连贯性与可读性——长报告是否结构清晰、逻辑自洽。学术界对多跳检索问答有专门基准（如需对比多步检索与事实一致性），生产中常用人工抽检 + LLM-as-Judge 组合评估。

  4. 追问："多轮检索的成本怎么控制？" — 常用手段：(1) 预算上限——设最大检索轮数与最大来源数，达到即降级合成（上文伪代码的 max_rounds）；(2) 早停 + 充分性判断——用轻量模型快速判断证据是否已充分，避免无意义检索；(3) 分级阅读——先用 snippet 快速筛选高相关来源，只对入选来源读全文，减少昂贵的全文抽取；(4) 缓存与去重——同一查询结果缓存、跨子问题去重，避免重复抓取同一页面；(5) 并发——独立子查询并行检索，压缩墙钟延迟（不省 token，但省时间）。

  5. 追问："如何缓解幻觉引用？" — 核心思路是让引用可回溯：综合阶段强制 LLM 只能引用"阅读阶段已抽取并登记"的证据，每条论断必须绑定一个已登记的 evidence id，而非让模型自由生成 URL；对最终报告做引用校验（抓取链接核对内容是否匹配）；用可信度评分过滤低质来源，要求关键论断至少有两个独立来源印证。

  6. 追问："什么场景该用 / 不该用 Deep Research？" — 该用：长尾调研、行业/竞品分析、文献综述、多角度对比、需要可溯源报告的决策支持。不该用：简单事实查询（直接搜索更快）、私有数据问答（Web 搜不到，用 RAG）、实时性要求极高的场景（几分钟到几十分钟的延迟难以接受）、成本敏感的大规模批量任务（单次成本远高于普通 RAG）。

参考资料

延伸思考 / 交叉引用

Pax 技术文档 · 工程面试与技术笔记
Copyright © 2026 pax