想象一下，您的研究不再受限于冗长的文献梳理和繁琐的数据分析，而是由一个智慧的AI助手自动完成，它不仅能发现知识、规划实验，还能与您协同工作，共同探索未知的领域。这并非科幻，而是“深度研究”系统正在开启的全新时代。但这些系统究竟如何实现如此强大的功能？它们又面临着哪些不为人知的技术与伦理挑战？更重要的是，它们将如何彻底改变我们发现、验证和利用知识的方式？这篇综述将带您一窥究竟，揭示这场人工智能驱动的知识革命的深层奥秘。
摘要&解读
在人工智能飞速发展的今天，传统的、依赖人工的科研方法正在被智能系统所补充，甚至取代，这些系统能够自动化端到端的研究工作流程。这催生了一个新领域，我们称之为“深度研究”，它融合了大语言模型、高级信息检索和自动化推理框架，重新定义了学术探究和实际问题解决的界限。
这项研究的背景在于，现有的AI助手（如ChatGPT）虽然能回答问题，但缺乏自主工作流、专用工具和端到端研究编排的能力。而现有的单一功能研究工具（如引文管理器）则缺乏集成推理和跨功能协调。仅仅封装大语言模型（LLMs）的应用也缺乏与环境交互、工具集成和工作流自动化的能力。深度研究旨在填补这些空白，实现更全面、更自主的研究自动化。
这项研究的意义在于，深度研究展示了在多个领域的变革性潜力。
1. 学术创新：通过自动化文献合成加速假设验证，并帮助研究人员探索更广泛的跨学科联系。这种人机协同工作模式有望从根本上重塑科学发现过程，增强研究人员的能力。 2. 企业转型：通过分析市场趋势、竞争格局和战略机遇，实现大规模数据驱动的决策，效率前所未有。 3. 知识民主化：通过开源实现，降低技术门槛，使个人和组织无论其技术专长或资源限制如何，都能获得复杂的科研能力。
1 引言
人工智能的快速发展引发了知识在学术和工业领域中被发现、验证和利用方式的范式转变。传统的研究方法，依赖于人工文献综述、实验设计和数据分析，正日益被能够自动化端到端研究工作流的智能系统所补充——在某些情况下甚至被取代。这种演变催生了一个我们称之为“深度研究”的新领域，它标志着大型语言模型（LLMs）、高级信息检索系统和自动化推理框架的融合，以重新定义学术探究和实际问题解决的边界。
1.1 深度研究的定义和范围
深度研究是指系统地应用AI技术，通过三个核心维度自动化和增强研究过程：
(1) 智能知识发现：自动化异构数据源的文献搜索、假设生成和模式识别。
(2) 端到端工作流自动化：将实验设计、数据收集、分析和结果解释整合到统一的AI驱动流程中。
(3) 协作智能增强：通过自然语言界面、可视化和动态知识表示促进人机协作。
为了明确划定深度研究的边界，我们将其与相邻的AI系统区分如下：
• 与通用AI助手的区别：虽然像ChatGPT这样的通用AI助手可以回答研究问题，但它们缺乏深度研究系统所定义的自主工作流能力、专业研究工具和端到端研究编排能力。最近的调查强调了专业研究系统与通用AI能力之间的这一关键区别，特别强调了领域特定工具如何根本性地改变研究工作流，而不是通用助手。 • 与单功能研究工具的区别：像引用管理工具、文献搜索引擎或统计分析软件包等专业工具解决了独立的研究功能，但缺乏深度研究系统的集成推理和跨功能编排能力。像scispace和You.com这样的工具代表了早期研究辅助的尝试，但缺乏定义真正深度研究系统的端到端能力。 • 与纯LLM应用的区别：仅将LLMs与面向研究的提示相结合的应用缺乏环境交互、工具集成和工作流自动化能力，而这些是真正深度研究系统的特征。
本调查专门研究至少具有三个核心维度中两个的系统，重点关注那些将大型语言模型作为其基础推理引擎的系统。我们的范围包括商业产品，如OpenAI/DeepResearch、Google的Gemini/DeepResearch 和Perplexity/DeepResearch，以及开源实现，如dzhng/deep-research、HKUDS/Auto-Deep-Research 和其他在后续章节中详细介绍的众多系统。我们排除了纯粹的文献计量工具或缺乏集成认知能力的单阶段自动化系统，例如Elicit、ResearchRabbit、Consensus 或Scite 等研究辅助工具。其他专门工具，如专注于科学文本检索和组织的STORM，虽然有价值，但缺乏本调查范围内的端到端深度研究能力。
1.2 历史背景和技术演进
深度研究的轨迹可以通过三个演进阶段来描绘，这些阶段反映了技术进步和实现方法：
1.2.1 起源和早期探索（2023年 - 2025年2月）。 值得注意的是，工作流自动化框架如n8n、QwenLM/Qwen-Agent 等早在深度研究繁荣之前就已经存在。它们的早期建立表明了相关技术领域已有的基础工作，突出表明发展格局并非仅由深度研究的出现所塑造，而是具有更早、更多样化的起源。深度研究的概念源于AI助手向智能体的转变。2024年12月，Google Gemini率先实现了这一功能，其最初的深度研究实现侧重于基本的多步推理和知识集成。这一阶段为后续的进步奠定了基础，为更复杂的AI驱动研究工具铺平了道路。其中许多进步建立在更早的工作流自动化工具（如n8n）和智能体框架（如AutoGPT 和BabyAGI）之上，这些工具已经为自主任务执行奠定了基础。对这一生态系统的其他早期贡献包括cline2024，它开创了集成研究工作流，以及open_operator，它开发了基于网络研究必不可少的基础浏览器自动化能力。
1.2.2 技术突破和竞争（2025年2月 - 3月）。 DeepSeek开源模型的兴起 以高效推理和经济的解决方案彻底改变了市场。2025年2月，OpenAI发布了深度研究，标志着一个重大的飞跃。它由o3模型驱动，展示了先进的能力，如自主研究规划、跨领域分析和高质量报告生成，在复杂任务中实现了超越以往基准的准确率。同时，Perplexity于2025年2月推出了免费使用的深度研究，强调快速响应和可访问性以占领大众市场。开源项目如nickscamara/open-deep-research、mshumer/OpenDeepResearcher、btahir_open_deep_research 和GPT-researcher 作为商业平台的社区驱动替代方案出现。生态系统继续扩大，包括轻量级实现，如Automated-AI-Web-Researcher-Ollama，专为有限资源的本地执行设计，以及模块化框架，如Langchain-AI/Open_deep_research，为自定义研究工作流提供了可组合的组件。
1.2.3 生态系统扩展和多模态集成（2025年3月 - 至今）。 第三阶段的特点是多样化生态系统的成熟。像Jina-AI/node-DeepResearch 这样的开源项目支持本地部署和定制，而OpenAI和Google的商业闭源版本则继续通过多模态支持和多智能体协作能力推动边界。先进搜索技术和报告生成框架的集成进一步增强了该工具在学术研究、金融分析和其他领域的实用性。与此同时，Manus 和AutoGLM-Research、MGX 和Devin 等平台正在整合先进的AI研究能力，以增强其服务。同时，Anthropic于2025年4月推出了Claude/Research，引入了智能体搜索功能，能够系统地探索查询的多个角度，并提供带有可验证引用的全面答案。像OpenManus、Camel-AI/OWL 和TARS 等智能体框架通过专门的功能和领域特定优化进一步扩展了生态系统。
1.3 意义和实际影响
深度研究在多个领域展现出变革性潜力：
(1) 学术创新：通过自动化文献合成加速假设验证（例如，HotpotQA 性能基准），并使研究员能够探索更广泛的跨学科联系，这些联系在其他情况下可能无法被发现。深度研究的变革潜力超越了单个应用，从根本上重塑了科学发现过程。正如Sourati和Evans 所论证的，以人为本的人工智能可以通过增强研究员的能力，同时适应他们的概念框架和方法论方法，显著加速科学发展。这种人机协同代表着从传统自动化向尊重和增强人类科学直觉的协作智能的根本性转变。Khalili和Bouchachia 的补充工作进一步证明了构建科学发现机器的系统方法如何通过AI驱动的集成研究工作流来改变假设生成、实验设计和理论改进。
(2) 企业转型：通过Agent-RL/ReSearch 和smolagents/open_deep_research 等系统，能够以前所未有的深度和效率分析市场趋势、竞争格局和战略机遇，从而实现大规模数据驱动的决策。
(3) 知识民主化：通过grapeot/deep_research_agent 和OpenManus 等开源实现，降低了准入门槛，使个人和组织无论其技术专长或资源限制如何，都能获得复杂的科研能力。
1.4 研究问题和本调查的贡献
本调查解决了三个基本问题：
(1) 架构选择（系统架构、实现方法、功能能力）如何影响深度研究的有效性？
(2) 在深度研究实现的整个范围内，LLM微调、检索机制和工作流编排方面出现了哪些技术创新？
(3) 现有系统如何在性能、可用性和伦理考虑之间取得平衡，以及从n8n 和OpenAI/AgentsSDK 等方法的比较中出现了哪些模式？
我们的贡献体现在三个维度：
(1) 方法论：提出一种新颖的分类法，根据其技术架构（从基础模型到知识合成能力）对系统进行分类。
(2) 分析：对代表性系统进行比较分析，评估其在评估指标上的表现，突出不同方法的优缺点。
(3) 实践：识别关键挑战并制定未来发展路线图，特别关注新兴架构和集成机会。
本文的其余部分将遵循结构化探索，从概念框架（第2节）开始，接着是技术创新和比较分析（第3-4节）、实现技术（第5节）、评估方法（第6节）、应用和用例（第7节）、伦理考量（第8节）和未来方向（第9节）。
2 深度研究的演变和技术框架
本节提供了一个全面深入的技术分类法，用于理解深度研究系统，围绕定义这些系统的四个基本技术能力进行组织。对于每种能力，我们研究其演进轨迹和技术创新，同时突出代表性的实现，以阐明每种方法。
2.1 基础模型和推理引擎：演变和进展
深度研究系统的基础在于其底层AI模型和推理能力，这些能力已从通用语言模型演变为面向研究的专业架构。
2.1.1 从通用LLM到专业研究模型。 从通用LLM到研究专业模型的演进代表了深度研究能力的根本性转变：
技术演进轨迹。 早期实现依赖于通用LLMs，任务特定优化极少。当前系统通过架构修改、专业训练语料库以及专注于分析和推理能力的微调机制，专门针对研究任务进行了增强。从GPT-4等模型到OpenAI的o3的转变，在抽象、多步推理和知识集成能力方面展现出显著改进，这对于复杂的科研任务至关重要。
代表性系统。 OpenAI/DeepResearch 以其基于o3的模型为例，该模型专门针对网页浏览和数据分析进行了优化。该系统利用思维链和思维树推理技术来导航复杂的信息环境。Google的Gemini/DeepResearch 同样采用Gemini 2.5 Pro，具有增强的推理能力和百万token的上下文窗口，以处理大量信息。这些方法建立在推理增强技术（如思维链提示、自洽性 和人类偏好对齐）的基础工作之上，这些技术已专门适用于研究密集型任务。在开源领域，AutoGLM-Research 展示了如何通过有针对性地增强推理组件，优化现有模型（如ChatGLM）以进行研究密集型任务，从而实现显著的性能提升。
2.1.2 上下文理解和记忆机制。 处理、保留和利用大量上下文信息的能力代表了深度研究系统的一个关键进展：
技术演进轨迹。 早期系统受限于上下文窗口，这阻碍了它们整合多源信息的能力。当前的实现采用复杂的记忆管理技术，包括情景缓冲、分层压缩和基于注意力的检索机制，这些机制将有效上下文扩展到模型限制之外。Grok 3 和Gemini 2.5 Pro 等模型的百万token上下文窗口，以及OpenAI的o3模型 中的上下文优化，极大地扩展了这些系统的信息处理能力。高级系统现在能够区分工作记忆（活跃推理上下文）和长期记忆（知识库），从而实现更像人类的研究过程。
代表性系统。 Perplexity/DeepResearch 通过利用DeepSeek-R1的能力，同时实现专有的结构化信息管理机制，开创了高效上下文处理的先河。该系统能够分析数百个来源，同时保持连贯的推理线程。同样，Camel-AI/OWL 采用创新的开源方法进行内存管理，允许根据信息相关性和任务需求动态分配注意力资源。这两个系统都展示了有效的记忆架构如何显著提升研究性能，即使基础模型能力相当。
2.1.3 推理能力的增强。 先进的推理机制将现代深度研究系统与传统LLM应用程序区分开来：
技术演进轨迹。 早期实现主要依赖于零样本或少样本提示来执行推理任务。当前系统集成了明确的推理框架，包括思维链、思维树和基于图的推理架构。Lang等研究员 最近的工作展示了辩论式推理如何促进弱到强泛化，通过结构化的论证过程，在复杂研究任务上实现更强大的性能。这些方法实现了更接近人类科学论证的推理模式，明确表示替代观点并结构化评估竞争假设。OpenAI的o3等高级实现包含自批判、不确定性估计和递归推理细化。这种演变使得证据评估、假设检验和知识合成的形式日益复杂，这对于高质量的研究输出至关重要。
代表性系统。 QwenLM/Qwen-Agent 通过其专业的工具包集成和模块化推理框架，展现了先进的推理能力。该系统采用多阶段推理过程，包括明确的规划、信息收集、分析和合成阶段，这些阶段都针对研究工作流进行了优化。smolagents/open_deep_research 中也体现了类似的能力，它实现了一种灵活的推理架构，可以适应不同的研究领域和方法。像CycleResearcher 这样的系统展示了将自动化评审流程集成到研究工作流中如何通过结构化的反馈循环来提高准确性。这些方法实现了明确的验证步骤，能够在生成最终研究输出之前识别潜在的错误和不一致性。AI在数学等复杂领域的应用进一步说明了这一进展，其中模型正越来越多地从认知科学的角度进行审视，以增强其推理能力，实现了诸如在解决国际数学奥林匹克问题中达到银牌标准等显著里程碑。这些系统强调了推理能力的增强如何显著提高研究质量，即使不需要最大或计算最密集的基础模型。
2.2 工具利用和环境交互：演变和进展
深度研究系统必须有效地与外部环境交互以收集和处理信息，这代表了超越核心语言模型功能的一项基本能力。
2.2.1 网页交互技术发展。 导航和从网络中提取信息的能力代表了深度研究的一项基础能力：
技术演进轨迹。 初步实现依赖于简单的基于API的搜索查询，交互能力有限。当前系统采用复杂的网页导航，包括动态内容处理、认证管理和交互式元素操作。高级实现具有对网页结构的语义理解，允许自适应信息提取和多页面导航流。这种演变极大地扩展了对基于网络的信息源的访问，以及从复杂网络环境中提取洞察的能力。
代表性系统。 Nanobrowser 代表一个专为AI智能体使用而构建的浏览器环境，为研究任务提供了优化的渲染和交互能力。它实现了对网页导航的精细控制，同时保持了安全性和性能。同样，AutoGLM 展示了跨网页和移动界面的复杂GUI交互能力，使其能够通过为人类使用而设计的界面访问信息。这些系统展示了专门的网页交互技术如何显著扩展深度研究系统的信息收集能力。
2.2.2 内容处理技术进展。 除了基本的导航，处理多样化内容格式的能力对于全面研究至关重要：
技术演进轨迹。 早期系统主要限于从HTML源提取文本。现代实现支持多模态内容处理，包括结构化数据表、嵌入式可视化、PDF文档和交互式应用程序。像OpenAI的o3等高级系统可以从非结构化内容中提取语义结构，从不同格式中识别关键信息，并整合跨模态的洞察。这种演变极大地扩展了可纳入研究过程的信息源范围。
代表性系统。 dzhng/deep-research 项目通过其针对不同文档类型和格式的专业模块，示例了高级内容处理。它为学术论文、技术文档和结构化数据源实现了自定义提取逻辑。同样，nickscamara/open-deep-research 具有复杂的内容标准化流程，将多样化格式转换为适合分析的统一知识表示。这两个系统都展示了专门的内容处理如何显著提升研究输出的质量和全面性。
2.2.3 专业工具集成进展。 与领域特定工具的集成扩展了深度研究的能力，使其超越了一般信息处理：
技术演进轨迹。 最初的系统依赖于通用网页搜索和基本的API集成。工具LLM 等框架极大地推动了各种工具的集成，使大型语言模型能够掌握16,000多个真实世界的API，显著扩展了研究系统的交互能力。同样，AssistGPT 展示了通用多模态助手如何规划、执行、检查和学习跨不同环境，创建统一的研究体验，无缝地整合各种信息源和交互模式。LLaVA-Plus 通过明确的工具学习机制进一步扩展了这些能力，使研究助手能够在多模态工作流中自适应地整合专业工具。当前的实现包括复杂的工具链，包括专业数据库、分析框架和领域特定服务。高级系统根据研究需求动态选择和编排工具，有效地从可用能力中组合自定义研究工作流。一些利用OpenAI Codex 的实现甚至可以生成自定义代码以处理研究数据或按需实现分析模型，进一步扩展了分析能力。这种演变使得日益复杂的分析和领域特定研究应用成为可能。
代表性系统。 Manus 通过其广泛的API集成框架和工具选择机制，展示了复杂的工具编排。该系统可以将领域特定的研究工具和服务整合到统一的工作流中，显著扩展其分析能力。同样，n8n 提供了一个灵活的工作流自动化平台，可以配置用于研究任务，允许与专业数据源和分析服务集成。Steward通过实现自然语言驱动的网站导航和操作来扩展网页交互能力，克服了传统自动化框架的可扩展性限制，同时保持了较低的运营成本。这些系统强调了工具集成如何将深度研究能力扩展到专业领域和复杂分析工作流。
2.3 任务规划和执行控制：演变和进展
有效的研究需要复杂的规划和执行机制来协调复杂的、多阶段的工作流。
2.3.1 研究任务规划发展。 将研究目标分解为可管理任务的能力代表了一项根本性进展：
技术演进轨迹。 早期方法采用简单的任务分解和线性执行流，类似于MetaGPT 和AgentGPT 等早期智能体框架。现代系统实现了分层规划，并根据中间结果和发现进行动态细化。高级规划方法越来越多地纳入结构化探索方法，以有效导航复杂的解决方案空间。AIDE 展示了树搜索算法如何有效地探索机器学习工程中潜在代码解决方案的空间，通过战略性地重用和优化有前景的路径来权衡计算资源以增强性能。高级实现包括资源感知规划，考虑时间限制、计算限制和信息可用性。然而，研究表明，尽管AI工具在自动化代码审查等任务中具有优势，但它们可能会增加拉取请求关闭的持续时间，如Cihan等研究员 的研究所示，这突出了在此类资源感知系统中考虑时间影响的关键需求。这种演变使得日益复杂的研究策略能够适应任务要求和可用资源。
代表性系统。 OpenAI/AgentsSDK 为研究任务规划提供了一个全面的框架，明确支持目标分解、执行跟踪和自适应细化。它支持开发具有复杂规划能力的应用，用于研究工作流。同样，Flowith/OracleMode 实现了专门针对研究任务优化的规划机制，特别强调信息质量评估和来源优先级排序。这些系统展示了先进的规划能力如何显著提高研究效率和有效性。
2.3.2 自主执行和监控进展。 可靠地执行研究计划需要复杂的控制和监控机制：
技术演进轨迹。 初步系统采用基本的顺序执行，错误处理能力有限。当前实现具有并发执行路径、全面的监控和对执行挑战的动态响应。高级系统实现了自监督，具有明确的成功标准、故障检测和自主恢复策略。这种演变极大地提高了深度研究系统在复杂任务中的可靠性和自主性。
代表性系统。 Agent-RL/ReSearch 通过其基于强化学习的研究执行方法，展示了先进的执行控制。该系统从经验中学习有效的执行策略，不断提高其在复杂研究工作流中导航的能力。其自适应执行机制可以从故障中恢复，并根据中间结果调整策略，这突出了复杂的控制机制如何增强研究的可靠性和有效性。
2.3.3 多智能体协作框架发展。 复杂的研究通常受益于专业的智能体角色和协作方法：
技术演进轨迹。 早期系统依赖于能力未分化的大型智能体。现代实现采用具有明确协调机制和信息共享协议的专业智能体角色。高级系统具有动态角色分配、共识建立机制和复杂的冲突解决策略。这种演变使得日益复杂的协作研究工作流成为可能，并提高了在具有挑战性任务上的性能。例如，采用多智能体辩论的框架已被证明可以提高评估的一致性，而对生成式AI投票的研究表明了在集体决策中对模型偏差的抵抗力。
代表性系统。 smolagents/open_deep_research 框架通过其模块化智能体架构和明确的协调机制，展示了有效的多智能体协作。它支持由具有互补能力和共同目标 的专业研究团队组成。同样，TARS 在其桌面环境中实现了一个复杂的智能体协作框架，允许多个专业智能体为统一的研究工作流做出贡献。这些系统强调了多智能体方法如何通过专业化和协作来增强研究能力。
2.4 知识合成和输出生成：演变和进展
深度研究系统的最终价值在于其将分散的信息合成为连贯、可操作的洞察的能力。
2.4.1 信息评估技术发展。 对信息质量进行批判性评估是可靠研究的关键能力：
技术演进轨迹。 早期系统主要依赖于有限内容评估的来源声誉启发式。现代实现采用复杂的评估框架，考虑来源特征、内容特性以及与既定知识的一致性。高级系统实现明确的不确定性建模、矛盾检测和证据推理方法。这种演变极大地提高了研究输出的可靠性和可信度。基于生成式AI的知识检索的进步增强了获取和验证信息的能力。
代表性系统。 grapeot/deep_research_agent 实现了复杂的信息评估机制，对不同来源类型进行明确的质量评分。它能够根据内在内容特征和外在来源特征评估信息可靠性，从而实现更具辨别力的信息利用。这些能力突出表明，先进的评估机制如何显著提高研究质量和可靠性。
2.4.2 报告生成技术进展。 有效地传达研究发现需要复杂的内容组织和呈现：
技术演进轨迹。 初步系统生成简单的文本摘要，结构或连贯性有限。当前实现生成具有分层组织、证据整合和连贯论证的综合报告。高级系统生成根据受众专业知识、信息需求和呈现上下文定制的自适应输出。这种演变极大地提高了深度研究输出的可用性和影响力。
代表性系统。 mshumer/OpenDeepResearcher 项目通过其结构化输出框架和证据集成机制，示例了高级报告生成。它生成具有明确归属、结构化论证和集成支持证据的综合研究报告。这些能力证明了复杂的报告生成如何增强深度研究输出的实用性和可信度。此外，MegaWika数据集 提供了一个由数百万篇文章和参考文献组成的、大规模多语言资源，支持协作式AI报告生成。
2.4.3 交互式呈现技术发展。 除了静态报告，交互式结果探索增强了洞察发现和利用：
技术演进轨迹。 早期系统生成固定文本输出，用户交互最少。现代实现支持动态探索，包括下钻功能、来源验证和替代观点审查。高级系统通过迭代反馈整合和对用户查询的自适应响应，实现协作细化。这种演变极大地增强了深度研究界面的实用性和灵活性。
代表性系统。 HKUDS/Auto-Deep-Research 实现了复杂的交互式呈现功能，允许用户通过动态界面探索研究发现，检查支持证据，并通过迭代交互细化分析。这些功能突出表明，交互式呈现技术如何增强深度研究输出的实用性和可访问性，促进更有效的知识转移和利用。
这个技术框架为理解深度研究系统的能力和演变提供了全面的基础。后续章节将在此框架的基础上，详细分析实现方法、评估系统性能以及探索跨不同领域的应用。
3 深度研究系统的比较分析和评估
在第2节建立的技术框架的基础上，本节对现有深度研究系统在多个维度上进行全面比较分析。我们考察了不同的实现如何平衡技术能力、应用适用性和性能特征，以满足多样化的研究需求。
3.1 跨维度技术比较
深度研究系统在我们框架中确定的四个关键技术维度上展现出不同的优势。本节分析了不同的实现如何平衡这些能力以及由此产生的性能影响。
3.1.1 基础模型和推理效率比较。 深度研究系统底层推理能力显著影响其整体有效性：
表1. 基础模型特性比较
OpenAI和Google的商业系统利用专有模型，具有广泛的上下文窗口和复杂的推理机制，使其能够处理更大容量的信息并保持更高的一致性。OpenAI的o3模型在复杂推理任务中展现出尤其强大的能力，而Gemini 2.5 Pro在整合来自不同来源的信息方面表现出色。相比之下，Perplexity/DeepResearch通过优化实现和聚焦用例，利用开源的DeepSeek-R1模型实现了竞争性性能。
像Camel-AI/OWL 和QwenLM/Qwen-Agent 这样的开源实现表明，通过专业优化，可以使用更易于访问的模型实现有效的深度研究能力。Camel-AI/OWL 的开源方法允许在不同计算环境中灵活部署，而QwenLM/Qwen-Agent 利用模块化推理来弥补基础模型能力的局限性。
3.1.2 工具集成和环境适应性比较。 与不同信息环境交互的能力在不同实现之间差异显著：
表2. 深度研究系统的环境交互能力
注意： 能力根据系统仓库、技术文档和截至2025年4月发布的演示进行记录。
像Nanobrowser 这样的专业工具在网页交互能力方面表现出色，提供为研究工作流优化的复杂导航和内容提取功能。像dzhng/deep-research 和nickscamara/open-deep-research 这样的系统通过先进的文档处理功能来补充这些能力，这些功能可以从不同格式中提取结构化信息。
像Manus 和AutoGLM 这样的综合平台提供了更广泛的环境交互能力，平衡了网页浏览、API集成和文档处理。这些系统可以适应各种研究场景，但在特定领域可能无法与更专注于特定领域的工具的性能相媲美。n8n 的工作流自动化能力为API集成提供了卓越的灵活性，但对网页和文档环境的直接交互能力较为有限。
3.1.3 任务规划和执行稳定性比较。 有效的研究需要可靠的任务规划和执行能力：
表3. 深度研究系统的规划和执行能力
注意： 能力根据系统仓库、技术文档和截至2025年4月发布的实现进行记录。
OpenAI/AgentsSDK 展示了复杂的规划能力，包括分层任务分解和自适应执行，从而能够实现复杂的、完成率可靠的研究工作流。同样，Flowith/OracleMode 提供了针对研究任务优化的先进规划机制，尽管错误恢复能力相对有限。
Agent-RL/ReSearch 采用强化学习技术开发强大的执行策略，实现了卓越的错误恢复能力，能够适应研究工作流中意想不到的挑战。相比之下，smolagents/open_deep_research 和TARS 专注于多智能体协作，将复杂任务分配给专业智能体，以提高整体研究效率。
像grapeot/deep_research_agent 这样更简单的实现提供了更有限的规划和执行能力，但对于不太复杂的研究任务可能提供足够的可靠性，展示了生态系统中可用的复杂性范围。
3.1.4 知识合成和输出质量比较。 将研究结果合成为连贯、可靠的输出的能力差异显著：
表4. 深度研究系统的知识合成能力
注意： 特性根据系统技术文档、发布演示、仓库分析和截至2025年4月的官方描述进行记录。特定功能实现可能因系统版本而异。
像OpenAI/DeepResearch 和Perplexity/DeepResearch 这样的商业平台展示了复杂的信息评估能力，有效地评估来源可信度和内容可靠性以生成高质量的合成。OpenAI的实现报告结构和组织方面表现出色，而Perplexity在来源归属和验证方面提供了特别强大的引用实践。
像mshumer/OpenDeepResearcher 这样的开源实现专注于报告结构和组织，生成格式良好的输出，有效地传达研究发现。HKUDS/Auto-Deep-Research 强调交互式探索，允许用户通过迭代交互审查证据和细化分析。像grapeot/deep_research_agent 这样的专业工具优先考虑信息评估而非呈现，专注于可靠的内容评估而非复杂的输出格式。
3.2 基于应用的系统适用性分析
除了技术能力，深度研究系统在不同应用场景中也展现出不同的适用性。本节探讨系统特性如何与关键应用领域相匹配。
3.2.1 学术研究场景适应性评估。 学术研究特别强调全面的文献综述、方法论严谨性和引用质量。像OpenAI/DeepResearch 这样的系统通过其访问学术数据库、全面分析研究方法和生成格式正确的引用的能力，在这一领域表现出色。其他专业学术研究工具，如PaperQA 和Scite，提供了专门针对科学文献处理的补充功能，而Google的NotebookLm 为学术探索提供了结构化的知识工作空间。
OpenAI/DeepResearch 通过其全面的文献覆盖、方法论严谨性和高质量的引用实践，在学术研究方面展现出卓越的适用性。该系统能够有效导航学术数据库，理解研究方法，并生成结构良好 的文献综述，并进行适当的归属。Perplexity/DeepResearch 在文献覆盖和引用质量方面表现同样出色，尽管在方法论复杂性方面稍逊一筹。
像Camel-AI/OWL 这样的开源替代方案为特定学术领域提供了具有竞争力的能力，尤其在特定领域的方法论理解方面表现出色。像dzhng/deep-research、mshumer/OpenDeepResearcher 和HKUDS/Auto-Deep-Research 这样的系统在所有维度上都提供了中等能力，使其适用于要求较低的学术研究应用或初步文献探索。
表5. 深度研究系统在学术研究应用中的功能
注意： 功能根据系统仓库、技术文档和截至2025年4月发布的用例进行记录。
3.2.2 企业决策场景适应性评估。 商业智能和战略决策强调信息的时效性、分析深度和可操作的洞察：
表6. 深度研究系统在企业决策应用中的功能
注意： 功能根据系统仓库、技术文档和截至2025年4月发布的用例进行记录。
Gemini/DeepResearch 通过其强大的信息时效性、分析能力和可操作的输出格式，在企业决策方面展现出卓越的适用性。该系统能够有效导航商业信息来源，分析市场趋势，并生成与决策过程直接相关的洞察。Manus 在信息获取和分析方面表现出同样强大的性能，尽管在可操作的推荐格式化方面稍逊一筹。Microsoft Copilot 赋能组织强大的生成式AI，企业级安全和隐私，并受到全球公司的信任。同样，Adobe Experience Platform AI Assistant 采用知识图谱增强的检索增强生成，以准确响应私人企业文档，显著提高响应相关性，同时保持出处跟踪。
像n8n 这样的工作流自动化平台通过其与企业数据源和商业智能工具的集成，在信息时效性和可操作性方面表现出特别的优势。像Agent-RL/ReSearch 和Flowith/OracleMode 这样的研究导向系统提供具有竞争力的分析能力，但可能需要额外的处理才能将研究结果转化为可操作的商业建议。
3.2.3 个人知识管理适应性评估。 个人知识管理强调可访问性、个性化以及与现有工作流的集成：
表7. 深度研究系统的个人知识管理功能
注意： 功能根据系统仓库、技术文档和截至2025年4月发布的实现进行记录。
Perplexity/DeepResearch 通过其用户友好的界面和免费访问层，为个人知识管理提供了强大的可访问性，尽管个性化能力较为有限。像nickscamara/open-deep-research 和OpenManus 这样的开源实现通过本地部署和定制提供了更大的个性化可能性，从而能够适应个人信息管理偏好。
像Nanobrowser 和Jina-AI/node-DeepResearch 这样的基础设施工具在工作流集成方面表现出特别的优势，允许无缝地整合到现有的个人知识管理系统和流程中。像smolagents/open_deep_research 这样更复杂的框架提供了复杂的功能，但对于非技术用户可能存在可访问性挑战。
3.3 性能指标和基准测试
除了定性比较，定量性能指标提供了深度研究系统能力的客观评估。
3.3.1 定量评估指标。 标准基准能够对核心研究能力进行比较评估：
表8. 标准评估基准性能
OpenAI/DeepResearch 在各项基准测试中表现出色，尤其在衡量高级研究和推理能力的人类最后一场考试（HLE） 中表现卓越。Gemini/DeepResearch 表现相当。根据Google Deep Research与Gemini 2.5 Pro Experimental的介绍，新模型在四个关键指标上显示出优于OpenAI/DeepResearch的用户偏好：指令遵循（60.6% vs. 39.4%）、全面性（76.9% vs. 23.1%）、完整性（73.3% vs. 26.7%）和写作质量（58.2% vs. 41.8%）。这些结果表明Gemini 2.5 Pro在合成结构化、高保真研究输出方面的增强能力。这种能力在全栈应用中得到进一步增强，其中Gemini模型与LangGraph等框架的集成促进了研究增强型对话式AI，用于全面查询处理，如Google-Gemini/Gemini-Fullstack-Langgraph-Quickstart 所示。Perplexity/DeepResearch 尽管使用开源的DeepSeek-R1模型，仍取得了具有竞争力的结果，突出了实现质量超越原始模型能力的重要性。
开源实现显示出逐渐降低的基准分数，尽管许多仍然达到适用于实际应用的令人满意的性能。像AutoGLM-Research、HKUDS/Auto-Deep-Research 和Camel-AI/OWL 这样的系统表明，可以通过更易于访问的模型和框架实现有效的研究能力，尽管与领先的商业实现相比存在一些性能权衡。
最近的基准发展已将评估扩展到研究辅助的更专业方面。AAAR-1.0基准 专门通过150个多领域任务评估AI辅助研究的潜力，旨在测试检索和推理能力。领域特定方法包括DSBench，它评估数据科学智能体在20个真实世界任务中的能力，SciCode 用于科学代码生成，MASSW 用于科学工作流辅助，以及MMSci 用于研究生级别材料的多模态科学理解。ScienceQA 提供了一个全面的多模态科学基准，带有思维链解释，用于评估推理能力。像TPBench （针对理论物理）和AAAR-1.0 （针对研究辅助能力）等领域特定基准为专业研究应用提供了额外的有针对性的评估方法。像DomainCodeBench 这样的多领域代码生成基准旨在系统地评估大型语言模型在12个软件应用领域和15种编程语言中的表现。像LatEval 这样的交互式评估框架专门评估系统在不确定和模糊情况下的研究能力，通过横向思维谜题处理不完整信息的能力。像Mask-DPO 这样的补充方法则专注于可泛化的细粒度事实性对齐，解决了可靠研究输出的关键要求。像GMAI-MMBench 这样的领域特定基准提供了专门为医疗AI应用设计的全面的多模态评估框架，而AutoBench 则提供了科学发现能力的自动化评估，为核心研究功能提供了标准化评估。其他广泛的评估框架，包括HELM、BIG-bench 和AGIEval，提供了补充评估维度。像INQUIRE 这样的专业多模态基准将这一领域扩展到生态挑战，严格评估专家级的文本到图像检索任务，这对于加速生物多样性研究至关重要。
表9. 深度研究系统记录的性能指标
注意： 分数反映了在引用出版物中报告的特定基准上的性能。直接比较需要考虑评估方法和任务规范。
表10. 专业深度研究基准
注意： 这些基准代表了专业研究能力的领域特定评估框架。
3.3.2 定性评估框架。 除了数字基准，定性评估提供了对实际有效性的深入了解：
表11. 深度研究系统记录的输出特性
注意： 特性根据系统技术文档、发布演示、仓库分析和截至2025年4月的官方描述进行记录。特定功能实现可能因系统版本而异。
商业系统通常表现出更强的定性性能，特别是在输出连贯性和事实准确性方面。OpenAI/DeepResearch 生成结构极其良好的报告，具有可靠的事实内容，同时在连接不同来源方面也实现了适度的创新。Gemini/DeepResearch 在连贯性和准确性方面表现出类似的优势，但对新颖洞察的强调略少。
一些开源实现在特定维度上表现出特别的优势。Agent-RL/ReSearch 通过其以探索为中心的方法在洞察新颖性方面取得了显著性能，而grapeot/deep_research_agent 则通过其对信息验证的强调展现出强大的事实准确性。这些专业能力突出了深度研究生态系统内方法的多样性。
3.3.3 效率和资源利用指标。 实际部署考虑因素包括计算要求和操作效率：
商业云服务提供优化的性能和适度的响应时间，尽管依赖于外部基础设施和相关成本。Perplexity/DeepResearch 实现了特别强大的效率指标，响应时间相对较快，并具有高令牌效率，尽管其输出质量具有竞争力。
开源实现在效率指标方面表现出更大的可变性。像AutoGLM-Research 和QwenLM/Qwen-Agent 这样的系统需要大量的计算资源，但可以部署在本地环境中，为高容量使用提供更大的控制和潜在的成本节省。
表12. 效率和资源利用
轻量级实现，如nickscamara/open-deep-research，可以在资源有限的情况下运行，但通常响应时间更长，令牌效率更低。
这项比较分析突出了深度研究生态系统中方法和能力的多样性。虽然商业实现目前在标准基准上表现领先，但开源替代方案在特定领域和用例中提供具有竞争力的能力，在定制、控制和专业应用方面具有潜在的成本效益优势。后续章节将在此分析的基础上，更详细地探讨实现技术、评估方法和应用领域。
4 实现技术和挑战
深度研究系统的实际实现涉及众多技术挑战，涵盖基础设施设计、系统集成和安全措施实施。本节探讨实现有效深度研究能力的关键技术，以及为实现可靠、高效运行必须解决的挑战。
4.1 架构实现模式
本调查分析的各种系统揭示了几种不同的架构模式，它们代表了实现深度研究能力的不同方法。本节探讨四种基本的架构模式：单一型、管道型、多智能体型和混合型实现。对于每种模式，我们分析其底层结构原理、组件交互、信息流机制和代表性系统。
4.1.1 单一型架构模式。 单一型实现将所有深度研究能力集成在一个统一的架构框架内，以核心推理引擎为中心。如图4所示，这些系统采用集中控制机制，并直接集成专业模块。
这种架构的定义特征包括：
• 集中控制流：所有操作通过一个主推理引擎路由，该引擎维护全局状态和执行上下文 • 紧密耦合集成：专业模块（网页浏览、文档处理等）直接与中央控制器集成 • 共享内存架构：信息状态维护在一个集中式内存系统中，所有组件都可以访问 • 顺序推理过程：操作通常遵循由中央控制器定义的结构化序列
这种架构模式通过其统一的控制结构提供了强大的连贯性和推理一致性。然而，它在可扩展性方面存在挑战，并且难以并行化复杂操作。代表性实现包括OpenAI/DeepResearch 和grapeot/deep_research_agent，它们展示了这种架构如何实现跨不同信息源的连贯推理，同时保持实现简单性。
4.1.2 管道型架构模式。 管道架构通过一系列通过明确定义的接口连接的专业处理阶段来实现深度研究能力。如图5所示，这些系统将研究工作流分解为离散的处理组件，并在阶段之间进行明确的数据转换。
管道实现的关键特征包括：
• 顺序组件组织：研究任务流经预定义的专业处理模块序列 • 标准化接口：明确的数据转换规范在管道阶段之间实现模块化组件替换 • 分阶段处理逻辑：每个组件实现特定的转换，对全局状态的依赖最小 • 可配置工作流路径：高级实现支持根据中间结果和发现进行替代处理路径的条件路由
管道架构在工作流定制和组件重用方面表现出色，但可能难以处理需要组件间迭代细化的复杂推理任务。像n8n 和dzhng/deep-research 这样的系统示例了这种方法，展示了明确的工作流排序如何通过专业组件的组合实现复杂的自动化研究。
4.1.3 多智能体架构模式。 多智能体架构通过由明确通信协议协调的专业自主智能体生态系统来实现深度研究能力。图6展示了这些系统如何将研究功能分布到具有不同角色和职责的协作智能体之间。
多智能体实现的主要要素包括：
• 分布式功能分解：研究能力分布在具有明确角色（搜索器、分析师、评论员等）的专业智能体之间 • 明确协调机制：标准化的消息传递和任务委派协议实现智能体间协作 • 自主决策逻辑：单个智能体在其指定领域内保持独立的推理能力 • 动态任务分配：高级实现采用基于智能体能力和当前工作负载的灵活任务分配
多智能体架构在需要多样化专业能力和并行处理的复杂研究任务中表现出色。它们的分布式特性使复杂研究工作流能够实现卓越的扩展，但引入了维持整体连贯性和智能体间推理一致性的挑战。代表性实现包括smolagents/open_deep_research 和TARS，它们展示了多智能体协调如何通过专业智能体协作实现复杂的科研工作流。
4.1.4 混合架构模式。 混合架构结合了多种架构模式的元素，以在统一实现中平衡它们的各自优势。如图7所示，这些系统采用战略性集成架构方法来满足特定的研究需求。
混合实现的关键特征包括：
• 分层架构组织：根据功能需求在不同系统级别采用不同的架构模式 • 领域特定优化：根据领域特定处理需求选择架构方法 • 灵活集成机制：标准化接口实现采用不同架构模式的组件之间的通信 • 自适应执行框架：控制机制根据任务特征动态调整处理方法
混合架构提供了卓越的灵活性和优化机会，但也带来了实现复杂性和潜在的集成挑战。像Perplexity/DeepResearch 和Camel-AI/OWL 这样的系统示例了这种方法，将集中推理与分布式信息收集和专业处理管道相结合，以实现复杂的研究能力和平衡的性能特征。
4.1.5 新兴智能体框架生态系统。 除了上述核心架构模式，深度研究生态系统通过提供智能体开发标准化组件的专业智能体框架得到了显著增强。新兴系统整合了专业智能体框架，这些框架以特别适合需要深度和广度分析的复杂研究任务的方式构建推理。正如智能体框架的全面分析 所详述的，这些系统提供了各种智能体编排、执行控制和推理编排方法。
主要框架包括LangGraph，它为语言模型应用程序提供基于图的控制流，通过明确的状态管理和转换逻辑实现复杂的推理模式。Google的智能体开发工具包（ADK） 为智能体开发提供了一个全面的框架，具有工具集成、规划和执行监控的标准化接口。CrewAI 实现了一个专门为多专家工作流设计的智能体协作框架，通过明确的协调机制实现基于角色的任务分配。像Agno 这样更具实验性的框架通过自我改进和元推理能力探索智能体自主性。
TapeAgents框架 提供了一种特别全面的智能体开发和优化方法，明确支持通过系统记录和分析智能体行为进行迭代细化。这些框架共同表明，正在向标准化智能体组件转变，这些组件提高了开发效率，同时实现了更复杂的推理和执行模式。
4.1.6 架构模式比较。 表13提供了这些架构模式在关键性能维度上的比较分析：
表13. 深度研究系统中的架构模式特征
注意： 特性基于对调查系统的架构分析。定量性能比较需要对相同任务和环境进行标准化基准测试。
每种架构模式都具有独特的优点和局限性，影响其对特定深度研究应用的适用性。单一型架构在推理连贯性和实现简单性方面表现出色，适用于具有明确工作流的重点研究应用。管道架构提供卓越的可扩展性和组件可重用性，通过模块化组合实现定制研究工作流。多智能体架构提供卓越的并行化和容错能力，支持需要多样化专业能力的复杂研究任务。混合架构通过战略性集成平衡这些特征，为多样化的研究需求提供灵活优化。
架构模式的选择显著影响系统能力、性能特征和应用适用性。随着深度研究生态系统的持续发展，我们预计将出现进一步的架构创新，结合这些基础模式的元素，以满足新兴应用需求和技术能力。
4.2 基础设施和计算优化
深度研究系统需要复杂的基础设施来支持其复杂的推理和信息处理能力。
4.2.1 分布式推理架构。 跨广阔信息环境的有效推理需要专门的架构方法。像AutoChain 和AutoGen 这样的框架开创了可应用于研究工作流的分布式智能体范式。高级系统采用分布式推理架构，将复杂查询分解为并行处理路径。OpenAI/DeepResearch 实现了一个分层推理框架，将分析任务分配到多个执行线程，同时保持连贯的中央协调。
实现方法越来越多地利用专业框架来高效服务LLM，包括LightLLM、Ollama、VLLM 和用于基于浏览器的部署的Web-LLM。这些框架能够更有效地利用计算资源，这对于需要大量模型推理的资源密集型研究工作流尤为重要。这种优化对于与商业云端替代方案相比计算资源更受限制的开源实现来说尤为关键。
并行推理路径。 高级系统采用分布式推理架构，将复杂查询分解为并行处理路径。OpenAI/DeepResearch 实现了一个分层推理框架，将分析任务分配到多个执行线程，同时保持连贯的中央协调。Gemini/DeepResearch 也体现了类似的方法，它利用Google的分布式计算基础设施并行分析信息，同时保持推理一致性。
像HKUDS/Auto-Deep-Research 和Agent-RL/ReSearch 这样的开源实现展示了更易于访问的分布式推理方法，利用任务分解和异步处理来在更受限制的计算环境中提高性能。这些系统表明，即使没有商业平台那样广泛的基础设施，也能实现有效的并行化。
内存和状态管理。 分布式推理在内存一致性和状态管理方面带来了重大挑战。商业系统实现了复杂的状态同步机制，在分布式组件之间保持一致的推理上下文。OpenAI的实现利用分层内存架构，具有明确的协调协议，而Google的方法则利用其现有的分布式计算框架，并针对推理工作流进行了调整。
像Camel-AI/OWL 这样的开源替代方案采用简化但有效的内存管理方法，包括具有受控访问模式的集中式知识库。这些实现展示了在更受限制的技术环境中解决状态管理挑战的实用解决方案。
4.2.2 并行搜索和信息检索。 信息获取是深度研究性能的主要瓶颈：
并发查询执行。 高级系统实现了复杂的并行搜索基础设施，以加速信息收集。Perplexity/DeepResearch 采用多线程搜索架构，在不同信息源之间同时分发数十个并发查询，显著加速了研究过程。dzhng/deep-research 也体现了类似的功能，它实现了专门的调度器，用于并发网页查询，并具有自适应速率限制以避免服务限制。
像Nanobrowser 这样的基础设施工具为并行浏览操作提供了优化的平台，支持共享资源管理的多个并发页面加载。这些专业组件增强了Manus 和Flowith/OracleMode 等集成系统的信息收集能力，它们利用并发浏览来加速其研究工作流。
查询协调和去重。 有效的并行搜索需要复杂的协调，以避免冗余并确保全面覆盖。商业系统实现先进的查询规划，根据中间结果动态调整搜索策略，从而根据已发现的信息调整搜索策略。OpenAI的实现包括明确的去重机制，用于识别和整合冗余来源，而Perplexity则采用来源多样化技术，以确保广泛覆盖。
像nickscamara/open-deep-research 这样的开源工具实现了查询协调的实用方法，包括简单但有效的缓存机制和结果指纹识别，以避免冗余处理。这些技术表明，通过相对简单明了的实现方法可以实现有效的协调。
4.2.3 资源分配和效率优化。 计算效率显著影响性能和运营经济性：
自适应资源分配。 高级系统根据任务特性和复杂性实现动态资源分配。Gemini/DeepResearch 采用复杂的负载预测来自适应地配置计算资源，为更复杂的研究任务分配额外容量。像QwenLM/Qwen-Agent 这样的开源实现也出现了类似的方法，它将任务复杂性估计纳入资源分配决策。
渐进式处理策略。 专注于效率的实现采用渐进式处理方法，根据可用信息逐步完善结果。Perplexity/DeepResearch 利用分阶段分析方法，快速提供初步结果，同时在后台继续进行更深入的分析。这种策略增强了感知响应速度，同时确保了复杂查询的全面结果。
像mshumer/OpenDeepResearcher 这样的开源替代方案实现了更简单但有效的渐进式策略，包括早期结果预览和增量报告生成。这些方法表明，无需复杂的基础设施即可实现效率挑战的实用解决方案。
4.3 系统集成和互操作性
深度研究系统必须有效地协调各种组件和外部服务，以提供全面的功能。
4.3.1 API设计和标准化。 一致的接口支持模块化开发和组件互操作性：
组件接口标准化。 当前的深度研究实现大多采用不兼容的架构和接口。未来的研究可以基于Anthropic的模型上下文协议（MCP） 和Google的智能体间协议（A2A） 等新兴标准化工作，建立真正通用的组件接口。MCP为模型-工具交互提供了结构化框架，支持跨不同LLM应用程序的一致集成模式，而A2A专注于标准化的智能体到智能体通信，以促进多智能体系统。这些互补的方法可以构成全面标准化的基础，从而实现模块化开发和跨实现的组件互换性。像OpenAI/AgentsSDK 这样的框架中出现了这一方向的早期步骤，它提供了标准化的智能体定义，但更全面的标准化需要更广泛的行业采用通用协议。
工作流自动化。 像Dify、Coze 和Flowise 等多个工作流自动化平台已经作为低代码环境出现，用于构建LLM驱动的应用程序，可能为深度研究组件提供标准化框架。先进的工作流编排平台，包括Temporal、Restate 和Orkes，为复杂、有状态的工作流提供了强大的基础设施，明确支持长时间运行的进程和对于复杂研究应用程序至关重要的可靠性模式。实现方法可能包括定义研究组件之间的标准消息传递协议，建立研究任务和结果的通用数据结构，开发竞争标准之间的兼容层，使用研究特定交互模式扩展现有协议，以及建立组件互操作性的通用评估框架。这些进步可以通过实现来自不同开发者的专业组件在统一框架内无缝工作，从而加速生态系统发展，通过组件化和重用显著提高创新速度。
外部服务集成。 访问专业外部服务显著增强了研究能力。像LlamaIndex 这样的高级检索框架提供了标准化的检索增强接口，支持跨不同信息源和文档格式的一致集成模式。像n8n 这样的系统通过其全面的连接器库和标准化认证机制，在外部服务集成方面表现出色。这种能力支持访问超越基本网页搜索的专业信息源和分析服务。
像Jina-AI/node-DeepResearch 这样的开源框架实现了简化但有效的API集成模式，为常用服务提供标准化封装，同时保持自定义集成的可扩展性。这些方法平衡了标准化与多样化研究需求的灵活性。
4.3.2 工具集成框架。 有效地编排各种工具可以增强整体系统能力：
工具选择和组合。 高级系统根据任务要求和信息上下文实现复杂的工具选择。Manus 具有自适应工具选择框架，可识别特定研究子任务的适当工具，根据可用能力动态组合工作流。像grapeot/deep_research_agent 这样的开源实现中也出现了类似的方法，它包含基于任务分类的基本工具选择启发式。
工具执行监控。 可靠的工具使用需要有效的执行监控和错误处理。商业系统实现了复杂的监控框架，用于跟踪工具执行、检测故障并实施恢复策略。OpenAI的实现包括明确的成功标准验证和工具故障回退机制，即使外部组件不可靠也能确保可靠运行。
像Agent-RL/ReSearch 这样的开放实现展示了更易于访问的监控方法，包括简化的执行跟踪和针对常见故障模式的基本重试机制。这些实现表明，通过相对简单明了的实现策略可以实现有效的监控。
智能体协作框架的最新进展 突出了智能体协调 的重大挑战，特别是对于需要多样化、专业能力协同合作以实现统一研究目标的复杂研究任务。
4.3.3 跨平台兼容性。 部署灵活性需要仔细考虑环境依赖：
平台抽象层。 跨平台实现采用抽象层来将核心逻辑与环境依赖隔离开来。TARS 实现了一个复杂的抽象架构，将其核心推理框架与平台特定集成组件分离，从而可以在不同环境中部署。Nanobrowser 也体现了类似的方法，它在不同操作系统上提供一致的浏览能力。
容器化和部署标准化。 现代实现利用容器化来确保跨环境的一致部署。OpenManus 提供明确的容器配置，封装所有依赖项，从而可以在各种基础设施上可靠部署。AutoGLM-Research 也采用了类似的方法，它为不同环境提供标准化的部署配置。除了容器化，像Vercel 这样的现代云平台为许多研究应用程序的基于Web的接口提供了简化、标准化的部署工作流。
4.3.4 研究导向的编码辅助集成。 AI驱动的编码助手集成日益成为深度研究系统能力的一个重要维度，特别是对于需要自定义分析脚本、数据处理管道 和研究自动化工具的计算研究工作流。
编码助手集成模式。 现代研究工作流越来越依赖自定义代码开发来执行数据分析、可视化和自动化任务。AI编码助手已成为提高研究员在这些计算方面生产力的关键工具。编码辅助工具的格局展现了与研究工作流集成的不同方法，从IDE原生完成系统到对话式代码生成界面。像GitHub Copilot 这样的系统在开发环境中提供无缝集成，为研究脚本和分析工作流提供上下文感知代码完成。像基于ChatGPT的代码生成 这样的补充方法提供了对话式界面，可以将研究需求转换为可执行的实现。像AutoDev、DSPy 和Pydantic-AI 这样更专业的框架支持端到端自动化开发工作流，特别适用于研究原型生成和实验工具创建。此外，像Bolt 这样的工具允许研究员直接从文本描述创建Web应用程序，在他们专注于愿景的同时处理编码过程。像AlphaEvolve 这样的进化编码智能体通过LLMs和进化反馈机制的自主管道迭代优化算法，进一步增强了能力。最近的研究探索了生成式AI和软件工程之间的协同作用，利用零样本提示等技术来增强编码助手并简化开发过程。然而，研究揭示了这些助手能力的局限性，例如对研究主张的模糊信念以及缺乏可信证据支持其回答。一项大规模调查表明，开发人员经常拒绝最初的建议，理由是功能或非功能需求未满足，以及难以控制工具生成所需输出。此类调查中记录的用户抵制行为强调了需要全面的采用策略，包括在初次使用期间提供积极支持、清晰传达系统能力以及遵守预定义的协作规则，以降低低接受率。这强调了自适应提示系统的必要性，该系统可以通过根据用户理解水平和程序表示进行调整来为查找和修复错误提供个性化支持，以提高调试任务的准确性。开创性研究采用生理测量（如脑电图和眼动追踪）来量化开发人员在AI辅助编程任务中的认知负荷，解决了理解实际使用模式和生产力影响的关键空白。此外，像CodeScribe这样的工具通过将提示工程与用户监督相结合来自动化转换过程，同时确保正确性，解决了AI驱动代码翻译在科学计算中的挑战。同样，CodeCompose在Meta部署的多行建议功能显示出显著的生产力提升，通过优化的延迟解决方案节省了17%的击键次数，尽管最初存在可用性挑战。此外，对于调试任务，ChatDBG 通过使程序员能够参与协作对话以进行根本原因分析和错误解决，利用LLM提供领域特定推理，从而增强了调试能力。智能问答助手也在开发中，以简化错误解决过程，灰度文献综述表明AI辅助测试自动化呈增长趋势。此外，像CodeMMLU 这样的基准评估了跨不同任务的代码理解和推理，揭示了当前模型尽管具有高级生成能力，但在理解方面存在显著差距。通过受控开发场景对ACATs的实证评估表明，接受模式、修改原因和有效性根据任务特征和用户专业知识而存在细微差异。生成式AI工具通过加速学习过程和减少重复任务来改变协作团队工作流，显著提高了开发人员的生产力，从根本上改变了开发范式。为了实现下一代AI编码助手的愿景，解决集成差距并建立强大的设计原则至关重要，例如设定明确的使用期望和采用可扩展的后端架构。
表14. AI编码助手在研究应用中的定性评估
注意： 能力和评估基于已发布的研究和记录的功能。比较性能需要对相同任务进行标准化评估。
编码辅助方法的多样性凸显了深度研究系统内部集成灵活性的重要性。虽然某些实现受益于紧密集成的、理解研究上下文的编码辅助，但其他实现需要更灵活的界面，以适应各种开发工作流和编程范式。这种集成维度在研究越来越需要超出预先存在软件包的自定义计算工具和分析管道时变得尤为关键。Chen等研究员 最近的工作表明，主动式编程助手（自动提供建议以提高生产力和用户体验）代表了该领域的关键进展。此外，ChatDev 示例了语言交流如何作为软件开发中多智能体协作的统一桥梁，简化了从设计到测试的整个生命周期。此外，关于在敏捷会议中集成AI助手的研究揭示了与团队协作动态的关键联系，并为促进其在开发环境中的采用提供了路线图。正如Talissa Dreossi 所证明的，这种混合方法弥合了深度学习模型的高性能与符号推理的透明度之间的差距，通过提供可解释和可信赖的应用程序来推进AI。
研究工作流代码生成。 专门为研究上下文优化的先进编码助手在将研究方法转化为可执行实现方面展现出特殊价值。像GPT-Pilot 这样的系统支持完整研究应用的引导式开发，而领域特定工具可以生成与特定研究方法或数据类型对齐的分析脚本。这些能力通过减少研究设计和计算实现之间的技术障碍来提高研究效率。
实现模式通常涉及与研究数据管理系统、版本控制工作流和支持可重现研究实践的协作开发环境的集成。这种集成的有效性显著取决于编码助手对研究特定要求的理解，包括文档标准、可重现性考虑以及特定研究领域中常用的领域特定库和框架。
4.4 技术挑战和解决方案
深度研究系统面临着众多技术挑战，必须加以解决以实现可靠、可信赖的运行。
4.4.1 幻觉控制和事实一致性。 保持事实准确性是基于LLM的研究系统面临的基本挑战：
源接地技术。 领先的实现采用明确的源接地来增强事实可靠性。Perplexity/DeepResearch 实现了严格的归属要求，将所有生成的内容链接到特定来源，从而减少未经支持的断言。OpenAI/DeepResearch 也体现了类似的方法，它在整个推理过程中保持明确的出处跟踪。
幻觉控制和事实一致性。 维护事实可靠性是基于LLM的研究系统面临的一项根本性挑战：
事实验证机制。 最近的研究强调了可靠不确定性沟通方面存在的重大挑战，特别是在研究情境中，不确定性边界可能不明确或存在争议。一些研究员对过度依赖AI生成内容进行学术写作表达了担忧，尤其是在验证机制不足或被绕过的情况下。这些局限性因对话中误导性响应的倾向 而进一步复杂化，这对于交互式研究工作流来说尤其具有挑战性，因为迭代细化可能无意中放大最初的不准确性。为基于证据的说明文写作任务（如文献综述）设计的AI支持系统提供了通过源文档的结构化意义构建来增强验证的框架。解决这些挑战需要不确定性表示方面的技术进步、决策工作流设计 和界面设计方面的改进，以便有效地将置信度边界传达给研究用户。
确保信息准确性需要明确的验证策略：
来源验证方法。 领先的实现纳入了明确的来源验证机制，以提高事实可靠性。OpenAI/DeepResearch 实现了多级验证，在将信息纳入研究输出之前，从多个独立来源确认信息，其系统文档中详细列出了指导方针。同样，Perplexity/DeepResearch 实现了自动化事实核查，在将关键主张纳入最终报告之前，独立验证其可信来源。
开源替代方案展示了各种验证方法。像grapeot/deep_research_agent 这样的系统强调明确的引用机制，在主张和来源之间保持直接链接，从而实现直接验证。像HKUDS/Auto-Deep-Research 这样更复杂的实现包含专门的验证模块，用于在信息利用之前评估来源可信度和内容一致性。
幻觉检测和预防。 减轻虚假信息是基于LLM的研究系统面临的关键挑战。商业实现采用先进的幻觉减少技术，包括严格的接地要求和一致性验证。Gemini/DeepResearch 实现了明确的不确定性建模，区分已确认信息和推测性扩展，在无法得出明确结论时提高透明度。像Silver和Sutton 提出的新兴范式表明了向经验驱动学习的根本性转变，可能改变研究系统通过与信息环境互动来获取和完善能力的方式。此类方法可以通过基于研究经验而非静态训练的持续改进，实现更像人类的研究发展，并从根本上减轻幻觉。
开放实现展示了在更受限制的技术环境中减少幻觉的实用方法。像Agent-RL/ReSearch 这样的系统采用预防策略，包括明确的来源要求和保守的合成指南，这些指南优先考虑事实可靠性而非全面覆盖。像Mask-DPO 这样的补充方法专注于可泛化的细粒度事实对齐，解决了可靠研究输出的关键要求。GAIR NLP团队关于DeepResearcher 的最新工作通过集成神经验证和知识图对齐技术，显著提高了事实可靠性。这些方法突出了解决影响所有基于LLM的研究系统的基本挑战的各种策略。
5 未来研究方向
深度研究这个快速发展的领域为技术进步和应用扩展提供了众多机会。Zheng等研究员 最近的工作提出了通过在真实世界环境中强化学习来扩展深度研究能力的方法，而Wu等研究员 则探索了利用工具增强LLM推理能力，特别是针对深度研究应用。Anthropic 概述的构建有效智能体的全面框架提供了可以指导未来深度研究系统的额外设计原则。本节探讨了有前景的研究方向（如图11所示），这些方向可以显著增强能力、解决当前局限性并扩大跨领域的实际影响，重点关注四个关键领域：高级推理架构、多模态集成、领域专业化以及人机协作和标准化。
5.1 高级推理架构
增强的推理能力代表了下一代系统的一个根本性进步机会。
5.1.1 上下文窗口优化和管理。 深度研究任务的信息密集性对上下文窗口利用提出了基本挑战：
信息压缩和优先级。 当前系统在处理大量研究材料时难以解决上下文窗口耗尽问题。未来的架构可以集成复杂的压缩机制，在保持语义内容的同时减少令牌消耗。OpenAI/DeepResearch 等系统已迈出这一方向的初步步伐，实现了对冗长来源的基本摘要功能。最近关于学术论文评审系统的研究表明，对扩展研究内容进行分层处理可以保持连贯性，同时管理上下文限制。语义导航技术通过在受限领域内有效探索问题-解决方案空间，通过输入过滤优化上下文使用，同时提高生成质量，提供了补充方法。更高级的方法可以开发自适应压缩，在查询相关性的基础上保留关键细节并凝练次要信息。
实现机会包括开发分层摘要技术，以保持多级来源表示；实现信息相关性评分，优先将上下文分配给关键内容；以及设计动态上下文管理，在整个研究工作流中持续优化窗口利用。这些进展可以显著增强信息处理能力，而无需按比例增加上下文长度。
外部记忆架构。 除了压缩，架构创新可以从根本上改变上下文窗口的利用。未来的系统可以实现复杂的外部记忆框架，在主上下文窗口之外维护丰富的信息表示，并在需要时通过高效检索机制访问它们。像Camel-AI/OWL 这样的系统展示了基本检索增强生成功能的初步步骤，但更全面的方法可以实现有效的无限知识集成。
研究方向包括开发可微分检索机制，将外部知识无缝集成到推理流中；实现结构化记忆层次结构，组织信息以高效访问；以及设计记忆感知推理过程，在规划分析方法时明确考虑信息可用性。这些架构可以从根本上解决上下文限制，同时增强推理透明度和可靠性。
5.1.2 混合符号-神经方法。 整合互补的推理范式具有显著潜力：
神经-符号集成。 当前的深度研究系统主要依赖于神经方法，具有有限的明确推理结构。未来的系统可以将符号推理组件与神经灵活性相结合，从而提供形式化逻辑能力，增强可靠性和可解释性。像Camel-AI/OWL 这样的系统中出现了这一方向的早期例子，它在主要神经架构中整合了结构化知识表示。未来的研究可以开发更复杂的集成方法，以利用两种范式的互补优势。
实现方法可能包括：明确的逻辑验证层，用于验证神经生成的推理；根据任务特性选择适当推理机制的混合架构；或在复杂工作流中根据需要实现符号和神经表示之间转换的集成系统。这些方法可以解决当前在可靠性和一致性方面的挑战，同时保持神经基础的灵活性和泛化能力。
高级知识图谱集成。 虽然现有系统已经具备基本的知识图谱能力，但未来的方法可以实现与动态、上下文感知知识结构更复杂的集成。除了像HKUDS/Auto-Deep-Research 等系统中看到的实体关系建模之外，下一代实现可以实现双向更新，其中研究发现自动完善和扩展知识图谱，同时利用它们进行推理。此类方法可以将不确定性表示纳入图结构、跨知识网络的概率推理以及根据推理需求在详细和高层概念表示之间转换的自适应抽象层次结构。研究机会包括开发动态知识图谱构建技术，自动从非结构化源构建和完善结构化表示；实现图感知注意力机制，将关系结构纳入神经推理；以及设计混合查询方法，将图遍历与神经生成相结合。这些进步可以提高复杂推理任务的精度，从而需要结构化关系理解。
5.1.3 因果推理增强。 从相关性到因果理解的转变代表着关键的能力进步：
因果推断机制。 当前系统擅长识别相关性，但在强大的因果分析方面存在困难。未来的研究可以开发专门的因果推理组件，系统地识别潜在的因果关系，评估证据质量，并评估替代解释。Schuemie等研究员 在医疗保健研究方面的最新工作展示了建立可靠观察结果的挑战，突出了研究系统中更复杂因果推理的需求。像OpenAI/DeepResearch 这样的系统中出现了这一方向的初步步骤，它在关系描述中包含基本的因果语言。其他研究探索了使用AI辅助挖掘因果关系，例如通过在经济分析中寻找工具变量。更复杂的方法可以实现跨领域的可靠因果分析。实现机会包括开发明确建模干预效果和反事实的因果图构建技术，实现量化因果断言置信度的因果不确定性量化，以及设计通过结构化分析模式指导因果推理的专门提示结构。这些进步可以提高对因果理解特别关键的领域的研究质量，包括医学、社会科学和政策分析。
干预建模技术。 高级因果理解需要复杂的干预和反事实推理能力。未来的系统可以纳入明确的干预建模，根据因果理解模拟潜在行动和结果，从而增强解释和预测能力。像Agent-RL/ReSearch 这样的系统中出现了这一方向的早期例子，它在强化学习框架中实现了基本的干预模拟。更全面的方法可以实现跨领域的复杂“假设分析”。
研究方向包括开发反事实生成技术，系统地探索基于因果模型的替代场景；实现干预优化算法，识别高杠杆行动机会；以及设计领域特定干预模板，将领域特定因果知识嵌入到常见分析模式中。这些进步可以增强需要复杂行动规划和结果预测的决策支持应用的实用性。
5.1.4 不确定性表示和推理。 复杂的不确定性处理增强了准确性和可信度：
多维度不确定性建模。 当前系统采用相对简单的不确定性表示，无法充分捕捉不同类型的不确定性。未来的研究可以开发多维度不确定性框架，分别表示认知不确定性（知识局限）、随机不确定性（固有随机性）和模型不确定性（表示局限）。像Perplexity/DeepResearch 这样的系统中出现了这一方向的初步步骤，它区分了来源不确定性和集成不确定性。更全面的方法可以实现更细致和可靠的不确定性沟通。
实现机会包括开发不确定性传播机制，用于跟踪推理链中不同的不确定性类型；实现不确定性可视化技术，以有效地向用户传达多维度不确定性；以及设计不确定性感知规划算法，以在决策情境中适当平衡不同类型的不确定性。这些进展可以提高系统可靠性和适当的用户信任校准。
贝叶斯推理集成。 概率推理框架为不确定性处理和知识集成提供了原则性方法。未来的系统可以整合明确的贝叶斯推理组件，根据证据强度和先验知识系统地更新信念，从而提高准确性和可解释性。像grapeot/deep_research_agent 这样的系统中出现了这一方向的早期例子，它在研究工作流中实现了基本的证据加权。更复杂的集成可以实现跨领域的原则性不确定性处理。
研究方向包括开发与大规模语言模型兼容的可扩展贝叶斯推理技术；实现信念更新解释机制，以可理解的方式传达推理过程；以及设计领域特定先验模型，将领域特定背景知识整合到常见分析模式中。这些进展可以提高固有不确定性或证据有限的领域的推理质量。
5.2 多模态深度研究
扩展超越文本以整合多样化信息模态代表着一个重要的进步机会。
5.2.1 视觉信息集成。 图像理解极大地扩展了信息获取和分析能力：
科学图像分析。 当前系统在提取和解释视觉科学内容方面的能力有限。未来的研究可以开发专门的视觉理解组件，用于科学图像，包括图表、示意图、实验图像和跨领域的可视化。像Gemini/DeepResearch 这样的系统中出现了这一方向的初步步骤，它包含基本的图表提取能力。像ChartCitor 这样的框架提供细粒度的边界框引用，以增强复杂图表理解的可解释性，从而提高用户信任和生产力。像LHRS-Bot 这样的专业模型通过利用地理信息和多模态学习，展示了遥感图像的复杂推理能力。开发昆虫学 和海底地质学 等领域的大规模、领域特定多模态数据集对于训练更强大的模型至关重要。更全面的方法可以实现对视觉科学交流的复杂分析。实现机会包括开发专门的科学可视化解析器，从不同图表类型中提取定量数据；实现图表理解系统，解释跨领域的复杂科学插图；以及设计领域特定视觉分析组件，优化用于特定领域的图像，如医学扫描或天文观测。这些进展可以显著扩展文本之外的信息访问来源。
视觉证据集成。 有效的研究越来越需要将视觉证据与文本来源相结合。未来的系统可以实现复杂的多模态推理，将视觉证据纳入全面的分析框架，实现真正的多模态研究合成。最近的分析已将多模态集成确定为当前AI研究系统中缺失的关键能力，突出了跨模态推理对于科学应用的重要性。像Gemini/DeepResearch 这样的系统中出现了这一方向的早期例子，它提供了图像衍生信息的基本集成。更复杂的方法可以实现跨模态的平衡证据集成。
研究方向包括开发证据对齐技术，匹配文本和视觉信息以解决常见问题；实现跨模态一致性验证，识别文本主张和视觉证据之间的冲突；以及设计多模态合成机制，从信息类型中生成综合理解。这些进展可以提高具有显著视觉信息组件的领域的研究质量。
5.2.2 多模态源分析。 全面理解需要跨多样化信息格式的集成分析：
视频内容处理。 视频代表着日益重要但目前未充分利用的信息来源。未来的研究可以开发专门的视频理解组件，提取和解释时间性视觉信息，包括演示文稿、访谈、演示和动态过程。像OpenAI的DALL-E 3 这样的系统中出现了这一方向的初步步骤，尽管尚未集成到深度研究工作流中。全面集成可以实现对视频内容中嵌入的广泛知识的访问。
实现机会包括开发讲座理解系统，从教育视频中提取结构化知识；实现过程分析组件，解释演示和程序；以及设计集成音频-视觉分析，将视觉信息与口语内容相结合，以实现全面理解。这些进展可以扩展对快速增长的视频知识语料库的信息访问。
音频内容集成。 播客、讲座、访谈和讨论中的口语信息是宝贵的知识来源。未来的系统可以整合复杂的音频处理，提取、解释口语信息并将其整合到研究工作流中。语音处理的早期例子出现在转录服务中，但全面的研究集成仍然有限。先进的方法可以实现口语知识与传统文本来源的无缝集成。
研究方向包括开发说话人识别和归属系统，以对口语内容进行适当的来源跟踪；实现领域特定术语提取，以在各种声学条件下准确捕捉专业词汇；以及设计时间对齐技术，将口语信息与相关文本或视觉内容连接起来。这些进展可以扩展信息访问，同时保持适当的归属和上下文。
5.2.3 跨模态推理技术。 有效的多模态研究需要跨信息类型的专业推理方法：
多模态思维链推理。 当前的推理过程通常主要在单一模态内操作，尽管处理多样化信息类型。未来的系统可以实现真正的多模态推理链，在整个分析过程中明确包含多样化信息类型，而不仅仅是最终输出。像Gemini/DeepResearch 这样的系统中出现了这一方向的初步步骤，它展示了推理步骤中基本的视觉整合。更复杂的方法可以实现根据任务要求在文本分析、视觉处理、数值计算和空间推理之间无缝转换的推理流。
研究机会包括开发明确的多模态推理协议，形式化模态间信息传输；实现跨模态验证技术，利用推理链中互补的信息类型；以及设计统一的表示框架，以实现跨不同信息格式的连贯推理。这些进展可以显著提高复杂研究任务的推理质量，这些任务需要跨模态的集成理解， 从当前以文本为中心的推理范式转向更像人类的分析过程，这些过程自然地为每个推理组件利用最合适的模态。
跨模态一致性验证。 整合多样化信息模态带来了新的一致性挑战。未来的研究可以开发专门的验证机制，评估文本、视觉、数值和时间信息之间的一致性，从而提高整体可靠性。像Gemini/DeepResearch 这样的系统中出现了这一方向的初步步骤，它实现了基本的跨格式验证。更复杂的方法可以实现日益多样化信息类型的可靠集成。
实现机会包括开发跨模态矛盾检测算法，识别不同格式表达的信息之间的冲突；实现不确定性对齐技术，协调跨模态的置信度估计；以及设计多模态事实验证系统，利用互补证据类型提高可靠性。这些进展可以解决多模态信息集成中出现的新挑战。
多模态解释生成。 有效的沟通通常需要跨模态的协调解释。未来的系统可以生成真正的多模态研究输出，结合文本、视觉和交互式组件，以增强理解和说服力。像mshumer/OpenDeepResearcher 这样的系统中出现了这一方向的早期例子，它实现了基本的报告可视化。更全面的方法可以实现根据内容需求定制的复杂多模态通信。
研究方向包括开发协调生成架构，以在模态间生成对齐的内容；实现自适应格式选择算法，识别不同内容类型的最佳表示格式；以及设计多模态叙事结构，有效地将不同格式组合在连贯的解释框架内。这些进展可以提高跨应用领域的沟通有效性。
5.3 领域特定优化
为特定领域量身定制的增强功能可以显著提高专业应用的性能。
5.3.1 科学领域适应。 科学研究提出了独特的专业化要求和机会：
领域特定模型适应。 当前系统在科学领域中采用相对通用的架构。未来的研究可以开发专门的适应技术，优化特定科学领域的性能，包括物理、化学、生物学等具有独特知识结构和推理模式的领域。像AutoGLM-Research 这样的系统中出现了这一方向的初步步骤，它实现了领域特定的提示。领域专业的智能体已在物理、化学、材料科学、海洋学、地理空间分析、专利研究 以及更广泛的科学发现工作流 中展现出特殊潜力。这些专业实现突出了领域适应超越通用研究能力的价值。更全面的适应可以显著提高科学应用的性能。
实现方法可能包括：强调领域相关推理模式的领域特定微调机制，增强领域特定任务性能的专业架构修改，或结合符号组件以进行领域特定形式推理的混合系统。这些方法可以解决当前科学推理的局限性，同时保持跨领域研究的通用能力。
科学工作流集成。 有效的科学应用需要与现有研究方法和工具集成。未来的系统可以实现科学工作流的专业接口，包括实验设计、数据分析、文献集成和理论发展。像n8n 这样的系统中出现了这一方向的早期例子，它为数据处理提供工作流自动化。旨在支持基础科学机器学习开发的平台也说明了这一趋势，从而能够在联邦云环境中进行研究。更全面的集成可以实现与科学研究过程的无缝结合。利用基于提示模板的研究辅助工具展示了对文献搜索查询增强和初步同行评审等任务的领域无关支持，从而促进了跨不同科学领域的标准化辅助。用户研究强调了DS/ML工作流中不同的自动化需求，表明有针对性的而非完整的端到端自动化更符合研究员的偏好。研究机会包括开发实验设计助手，根据文献和目标生成和完善研究方案；实现集成分析管道，将自动化和人工分析组件相结合；以及设计理论发展框架，将实证发现与形式理论结构联系起来。这些进展可以增强超越通用信息访问的实际科学影响。
5.3.2 法律和监管领域专业化。 法律应用提出了需要专业适应的独特挑战：
法律推理增强。 当前系统在法律分析的精确性和结构性方面存在困难。未来的研究可以开发专门的法律推理组件，将案例推理、法规解释和教义分析纳入连贯的法律框架。像OpenAI/DeepResearch 这样的系统中出现了这一方向的初步步骤，它包含基本的法律语言处理。更全面的专业化可以实现跨执业领域的复杂法律应用。
实现机会包括开发案例分析系统，用于提取和应用相关判例原则；实现法规解释框架，将既定分析方法应用于立法文本；以及设计多司法管辖区推理方法，以在法律边界之间解决法律冲突。这些进步可以增强法律研究和分析应用的实用性。
监管合规专业化。 合规应用需要全面覆盖并具有卓越的精度。未来的系统可以实现专门的合规组件，确保全面的监管覆盖、系统化的义务识别以及跨复杂监管环境的可靠指导。这一方向的早期例子出现在通用信息检索中，但真正的合规优化仍然有限。高级方法可以实现目前劳动密集型合规流程的可靠自动化。
研究方向包括开发监管变更跟踪系统，用于监控和解释不断变化的要求；实现义务提取技术，识别和分类跨监管文本的合规要求；以及设计责任映射方法，将监管义务与组织职能和流程联系起来。这些进展可以提高面临复杂监管环境的合规密集型行业的实用性。
5.3.3 医疗和保健研究支持。 医疗保健应用提出了独特的要求和伦理考量：
临床证据合成。 医疗应用需要卓越的精确性和全面的证据集成。未来的研究可以开发专门的医疗组件，用于合成跨研究、指南和实践观察的临床证据，同时保持严格的评估标准。Google最近的“共同科学家”项目 等努力展示了AI辅助科学研究（包括医学领域）的潜力。像Perplexity/DeepResearch 这样的系统中出现了这一方向的初步步骤，它实现了对医疗主张的增强引用。更全面的专业化可以实现可靠的临床决策支持。
实现方法可能包括证据分级系统，将GRADE 等既定框架应用于临床研究；元分析组件，系统整合跨研究的定量发现；以及指南对齐技术，将证据映射到既定的临床建议。这些进展可以在保持对这一高风险领域的适当谨慎的同时，增强循证医学的实用性。
患者特定研究适应。 个性化医疗需要将通用知识适应于个体患者情境。未来的系统可以实现专门的个性化组件，根据患者特征、合并症、偏好和其他个体因素调整研究结果。这一方向的早期例子出现在禁忌症的基本过滤中，但全面个性化仍然有限。高级方法可以实现真正的个性化证据合成，用于临床应用。
研究机会包括开发合并症推理系统，根据疾病相互作用调整建议；实现偏好整合框架，将患者价值观纳入证据合成；以及设计个性化风险-收益分析方法，量化治疗方案的个体权衡。这些进展可以在尊重个体患者情境复杂性的同时，增强临床实用性。
5.4 人机协作和标准化
增强人机伙伴关系和建立通用标准代表着实现实际研究影响和生态系统发展的关键方向。
5.4.1 交互式研究工作流。 有效协作需要在整个研究过程中进行复杂的交互：
自适应查询细化。 当前系统在查询制定和细化过程中提供有限的交互。未来的研究可以开发复杂的细化界面，通过迭代澄清、扩展和聚焦，根据初始结果和用户反馈协作开发研究问题。像HKUDS/Auto-Deep-Research 这样的系统中出现了这一方向的初步步骤，它实现了基本的澄清对话，以及像QuestBench 这样的基准，它评估AI系统在不明确推理任务中识别缺失信息和提出适当澄清问题的能力。更全面的方法可以实现真正的协作式问题开发。像AutoAgent 这样的框架展示了零代码界面如何使非技术用户能够通过直观的交互模式有效指导深度研究过程，而其他系统正在探索超越标准检索增强生成的方法，以更好地处理实时对话中的问题识别。实现机会包括开发意图澄清系统，识别研究问题中潜在的歧义和替代方案；实现范围调整界面，根据初步发现动态扩展或缩小研究焦点；以及设计视角多样化工具，建议与研究目标相关的替代观点。这些进展可以通过人机协作改进问题制定，从而提高研究质量。
交互式探索界面。 当前系统通常呈现相对静态的研究输出。未来的研究可以开发复杂的探索界面，支持动态导航、钻取和扩展研究发现，以适应不断变化的兴趣。像OpenManus 这样的系统中出现了这一方向的早期例子，它提供了基本的探索功能。高级方法可以实现真正的交互式研究体验，并根据发现模式进行定制。
研究方向包括开发专门用于研究导航的信息可视化技术；实现自适应细节管理，根据用户兴趣信号展开或折叠内容区域；以及设计无缝来源转换机制，实现合成内容和原始来源之间的顺畅移动。这些进展可以通过实现更多探索性和偶然性的研究体验来增强发现。
5.4.2 专业知识增强模型。 有效增强需要适应用户的专业知识和目标：
专业知识自适应交互。 当前系统对用户知识水平和专业知识的适应能力有限。未来的研究可以开发复杂的适应机制，根据用户领域知识和研究复杂性调整研究方法、解释和输出。像Perplexity/DeepResearch 这样的系统中出现了这一方向的初步步骤，它实现了基本的术语调整。更全面的适应可以实现真正的个性化研究辅助，与个体专业知识保持一致。
实现方法可能包括：通过交互模式动态评估用户知识的专业知识推理系统；根据专业知识模型调整细节和术语的解释适应机制；以及突出研究情境中可能不熟悉概念的知识空白识别工具。此外，当AI智能体遇到超出其自主能力范围的知识空白时，能够战略性地请求专家协助的机制——如“学习让步和请求控制（YRC）”协调问题 中所形式化的——对于优化干预时间和解决效果至关重要。这些进展可以提高不同用户群体（具有不同领域熟悉度）的研究有效性。
互补能力设计。 最佳增强利用互补的人工智能和人类优势。未来的系统可以实现围绕能力互补性设计的专业界面，强调人工智能在信息处理方面的贡献，同时优先考虑人类对主观评估和上下文理解的判断。像Agent-RL/ReSearch 这样的系统中出现了这一方向的早期例子，它实现了基本的分析职责划分。更复杂的方法可以实现真正的协同人机研究伙伴关系。
研究机会包括开发专门用于促进人类判断而非替代判断的解释组件；实施置信度信号机制，突出特别需要人类评估的领域；以及设计交互式批判框架，实现对系统推理的有效人工反馈。Feng Xiong等研究员 重新定义了人类研究员与AI系统之间的协作动态。这些进展可以通过优化围绕自然能力分布来增强协作有效性。
5.4.3 框架标准化工作。 通用架构支持模块化开发和组件互操作性：
组件接口标准化。 高级实现采用主要系统组件之间的标准化接口。OpenAI/AgentsSDK 定义了智能体组件的明确接口标准，支持模块化开发和组件替换。像Anthropic的模型上下文协议（MCP） 这样的新兴行业标准为大型语言模型和工具提供了标准化交互框架，支持跨实现的一致集成模式。同样，Google的智能体间协议（A2A） 建立了自主智能体之间的标准化通信模式，促进了可靠的多智能体协调。像smolagents/open_deep_research 这样的开源替代方案实现了智能体组件之间可比较的消息传递协议，突出了行业向标准化交互模式的融合。像Open_deep_search 这样的项目进一步展示了标准化协议如何实现专业研究智能体之间的有效协作。像Toolllm 中探索的各种API交互的集成，为管理研究工作流中的外部工具使用提供了额外的标准化机会。
评估指标标准化。 当前的评估实践在不同实现之间差异很大。未来的研究可以建立标准化评估框架，从而实现对系统和组件的一致评估和比较。像HLE 和MMLU 这样的基准中出现了这一方向的早期例子，但全面的标准化仍然有限。高级标准化可以通过可靠的质量信号和明确的改进指标来提高开发效率。
研究机会包括开发针对特定研究能力的标准化基准套件；在研究领域和应用中实施共同的评估方法；以及设计多维度评估框架，提供超越简单准确性指标的细致性能概况。这些进展可以通过建立明确的标准和突出真正的改进来提高生态系统质量。
5.4.4 跨平台研究协议。 跨不同系统的互操作性增强了集体能力：
研究结果交换格式。 当前系统通常以不兼容的格式生成输出。未来的研究可以开发标准化的交换格式，从而实现跨平台和系统的研究结果无缝共享，从而增强集体能力。这一方向的初步步骤出现在基本文档格式中，但真正的研究特定标准化仍然有限。全面的标准化可以实现跨多个专业系统的研究工作流。
实现机会包括：为研究发现定义标准结构，并附带适当的归属和置信元数据；为不同系统之间的证据表示建立通用格式；以及为研究问题和目标开发共享模式，以实现分布式处理。这些进展可以通过专业化和互补系统利用来增强能力。
分布式研究协调。 高级互操作性支持跨具有互补能力的系统进行协调研究。未来的研究可以开发复杂的协调框架，从而实现多系统研究工作流，并进行适当的任务分配、结果集成和流程管理。像n8n 这样的工作流中出现了这一方向的早期例子，但全面的研究特定协调仍然有限。高级方法可以实现真正的分布式研究生态系统，专业组件处理不同的流程元素。
研究方向包括开发分布式搜索协调协议，以高效利用专业搜索能力；实现跨系统结果验证技术，确保分布式结果的一致性；以及设计高效协调协议，以最小化分布式研究工作流中的通信开销。这些进展可以通过专业化和生态系统内的并行化来增强集体能力。
5.4.5 人机联合知识创造。 超越信息检索，实现协作洞察生成：
协作创作环境。 高级协作需要复杂的內容共同创作能力。未来的研究可以开发专业的协作环境，支持在统一文档开发中实现人机贡献的流畅过渡。像mshumer/OpenDeepResearcher 中出现了这一方向的初步步骤，它实现了基本的协作文档生成。像Self-Explanation in Social AI Agents 中探索的高级界面展示了解释能力如何通过更透明的推理过程来增强协作研究。同样，像AI-Instruments 这样创新的交互范式展示了提示如何作为工具的体现，以抽象和反映命令作为通用工具，这表明研究界面设计的新方法通过直观的交互模式增强协作能力。AI智能体通过观察其他智能体来学习协助其他智能体的方法也显示出开发更有效协作行为的潜力。Effidit 通过包括文本润色和上下文感知短语细化在内的多功能能力，展示了全面的写作支持，将协作编辑扩展到基本生成之外。更全面的方法可以实现真正的集成共同创作体验。
实现机会包括开发章节建议系统，根据文档上下文提出潜在的内容扩展；实施风格适应机制，使AI生成内容与既定文档语音和方法保持一致；以及整合隐式反馈机制，将拒绝的建议解释为负面信号，以优化输出，同时保留原始意图；设计无缝修订界面，实现人机贡献的有效编辑，如REVISE 所示的迭代人机协同编辑框架——该框架允许作者通过中间填充生成动态修改摘要片段。这些进展可以通过减少联合内容开发中的摩擦来提高协作生产力。
混合主动研究设计。 复杂的协作包括共享研究方向和方法的确定。未来的系统可以实施混合主动框架，在整个研究过程中动态平衡人类偏好和AI识别机会之间的方向设置。像smolagents/open_deep_research 这样的系统中出现了这一方向的早期例子，它实现了基本的建议机制。高级方法可以实现具有平衡主动分布的真正协作研究规划。
研究方向包括开发机会识别系统，突出有前景但未探索的研究方向；实现权衡可视化技术，传达潜在研究路径替代方案及其影响；以及设计偏好获取框架，有效捕捉整个过程中不断变化的研究优先级，并集成可解释的奖励函数机制，以增强人类对AI决策逻辑的理解，从而提高价值对齐情境下的协作效率。这些进展可以通过在平衡伙伴关系中结合人类洞察力和AI识别的机会来增强发现。
本节概述的未来研究方向突出表明了进步的巨大潜力以及深度研究发展的多面性。进展可能通过推理架构、多模态能力、领域专业化、人机协作和生态系统标准化方面的互补进展而出现。虽然像OpenAI/DeepResearch、Gemini/DeepResearch 和Perplexity/DeepResearch 这样的商业实现无疑将推动重大创新，但开源替代方案和学术研究将在扩展可能性的边界和确保广泛参与这一快速发展的领域方面发挥关键作用。
6 结论
本调查审视了深度研究系统这个快速发展的领域，追溯了其从2023年的初步实现到2025年出现的复杂生态系统的发展。通过对OpenAI/DeepResearch、Gemini/DeepResearch 和Perplexity/DeepResearch 等商业产品以及HKUDS/Auto-Deep-Research、dzhng/deep-research 等众多开源替代方案的全面分析，我们确定了表征这一变革性技术领域的关键技术模式、实现方法和应用机会。
6.1 主要发现和贡献
我们的分析揭示了关于深度研究系统当前状态和发展轨迹的几个基本见解：
技术架构模式。 有效的深度研究实现在基础模型、环境交互、任务规划和知识合成维度上展现出一致的架构模式。像OpenAI/DeepResearch 和Gemini/DeepResearch 这样的商业实现通常利用专有基础模型，具有广泛的上下文长度和复杂的推理能力，而像Camel-AI/OWL 和QwenLM/Qwen-Agent 这样的开源替代方案则展示了如何通过专门优化，使用更易于访问的模型实现有效的研究能力。
环境交互能力表现出更大的多样性，像Nanobrowser 和dzhng/deep-research 这样的专业工具在网页导航和内容提取方面展现出卓越的有效性，而像Manus 和AutoGLM-Search 这样的综合平台则提供跨多个环境的更广泛交互能力。这些模式突出了专业化的价值以及有效研究的全面环境访问的重要性。
任务规划和执行方法也呈现出相似的多样性，像OpenAI/AgentsSDK 和Flowith/OracleMode 这样的框架提供了复杂的规划能力，而像Agent-RL/ReSearch 和smolagents/open_deep_research 这样的系统则分别强调执行可靠性和协作方法。知识合成能力始终强调信息评估，尽管在HKUDS/Auto-Deep-Research 和mshumer/OpenDeepResearcher 等实现中，呈现和交互方式各不相同。
实现方法差异。 我们的分析突出了商业和开源实现方法之间的显著区别。商业平台通常提供优化的性能、复杂的界面和全面的功能，但伴随着相关的成本和定制限制。像OpenAI/DeepResearch 和Perplexity/DeepResearch 这样的系统在标准基准上表现出色，但在应用重点和交互模型方面存在显著差异。
开源实现展现出更大的架构多样性和定制灵活性，但通常伴随着更高的部署复杂性以及在标准基准上更有限的性能。像dzhng/deep-research、nickscamara/open-deep-research 和HKUDS/Auto-Deep-Research 这样的项目提供了具有不同架构方法的完整研究管道，而像Jina-AI/node-DeepResearch 和Nanobrowser 这样的专业组件则支持定制工作流以满足特定需求。像AutoChain 这样的框架提供了轻量级工具，以简化自定义生成智能体的创建和评估，从而实现专业应用的快速迭代。
这些区别突出了生态系统中的互补作用，商业实现为一般用户提供可访问性和性能，而开源替代方案则为专业应用和高容量使用提供定制、控制和潜在的更低运营成本。这种多样性通过竞争、专业化和多样化的创新路径增强了整体生态系统的健康。
应用领域适应。 我们对应用模式的考察揭示了跨领域（包括学术研究、商业智能、金融分析、教育 和个人知识管理）的有意义的适应性。以OpenAI/DeepResearch 和Camel-AI/OWL 等系统为代表的学术应用特别强调全面的文献覆盖、方法论理解和引用质量。像Gemini/DeepResearch 和Agent-RL/ReSearch 这样的科学实现则强调实验设计、数据分析和理论发展能力。
利用 Manus 和 n8n 等系统的商业应用更注重信息时效性、竞争分析和可操作的洞察生成。教育实现则在 Perplexity/DeepResearch 和 OpenManus 等系统中展示了对学习支持、内容开发和研究技能培训的适应性。这些模式突显了通用深度研究能力如何通过针对特定领域要求和工作流的专业适应转化为领域价值。
伦理考量方法。 我们的分析揭示了在解决关键伦理维度（包括信息准确性、隐私保护、知识产权尊重和可访问性）方面的共同模式和实现多样性。商业实现通常展示出复杂的事实验证方法，像OpenAI/DeepResearch 和Perplexity/DeepResearch 这样的系统实现了多级验证和明确的归属，而像grapeot/deep_research_agent 和HKUDS/Auto-Deep-Research 这样的开源替代方案则在更受限制的技术环境中展示了实用方法。
隐私保护显示出相似的模式，商业系统实施适合其云端操作的全面保障措施，而OpenManus 等开源替代方案则强调本地部署以处理敏感应用。归属和知识产权方法始终强调来源透明度和适当的利用边界，尽管在整个生态系统中实现复杂程度各不相同。
这些模式突出了生态系统内部共享的伦理优先事项以及反映不同技术限制、部署模型和用户要求的实现多样性。这种多样性通过互补方法和持续创新，增强了解决多方面伦理挑战的能力。
6.2 局限性和展望
虽然本调查提供了对当前深度研究系统和新兴趋势的全面分析，但仍有几点局限性值得注意：
快速发展的领域。 该领域加速发展带来了全面分析固有的挑战。新系统和新功能不断涌现，像OpenAI/DeepResearch、Gemini/DeepResearch 和Perplexity/DeepResearch 这样的商业产品频繁更新，而开源生态系统通过新项目和对dzhng/deep-research 和HKUDS/Auto-Deep-Research 等现有框架的增强不断扩展。本调查涵盖了截至2025年初的技术现状，但技术能力和实现方法都将继续快速发展。此处提供的分类框架和分析方法为该领域在后续发展阶段的持续评估提供了结构基础。
实现细节限制。 由于实现透明度有限，特别是对于商业系统，全面的技术分析面临挑战。虽然像nickscamara/open-deep-research 和Agent-RL/ReSearch 这样的开源实现可以进行详细的架构审查，但像OpenAI/DeepResearch 和Gemini/DeepResearch 这样的商业系统披露的内部细节有限，限制了某些技术维度的全面比较分析。
我们的方法通过行为分析、公开可用文档审查以及对标准化基准和定性评估框架的一致评估来解决这一限制。这些方法能够在透明度差异下进行有意义的比较，尽管完整的架构分析对于专有实现仍然具有挑战性。
应用影响评估。 鉴于许多深度研究系统仍处于早期部署阶段，评估实际影响仍然面临挑战。尽管初步应用在学术研究、商业智能和教育 等领域展现出良好的能力，但全面的长期影响评估需要超出本调查范围的长期观察。尽管早期迹象令人鼓舞，但对研究方法、知识工作和信息获取模式的潜在变革性影响仍部分处于推测阶段。
未来的研究应结合部署模式、使用演变和组织整合的纵向分析，以评估超出技术能力和早期应用的实际影响。此类分析将补充当前调查的技术和架构重点，提供有关实际意义和社会影响的宝贵视角。
6.3 更广泛的影响
除了具体发现，本调查还强调了对知识工作和信息获取未来的一些更广泛影响：
研究方法转型。 深度研究系统展现出从根本上改变跨领域研究方法的潜力。像OpenAI/DeepResearch、Gemini/DeepResearch 及其开源替代方案所展示的全面信息获取、高级推理能力和高效知识合成，预示着超越传统研究方法，加速发现、增强全面性以及实现新颖跨领域连接的重大机会。
这些系统不仅仅是自动化现有流程，它们还通过超越人类信息处理规模的能力来支持全新的研究方法，同时补充了人类的洞察力、创造力和上下文理解。这种互补性表明向协作研究模型演进，而非取代人类研究员，在生产力提升和发现加速方面具有巨大潜力。然而，Ashktorab等研究员 指出，在人机协作中，用户可能会表现出过度依赖行为，即使存在冲突也会附加AI生成的回应，这可能会损害数据质量。
知识获取民主化。 可访问的深度研究实现在商业和开源生态系统中的出现，表明了知识民主化的潜力。像Perplexity/DeepResearch 这样提供有限免费访问层的系统，以及像nickscamara/open-deep-research 和HKUDS/Auto-Deep-Research 这样的开源替代方案，使原本需要专业知识和大量资源的复杂研究能力变得可及，从而可能降低获取高质量信息和分析的障碍。
这种民主化对教育、创业、公民参与和个人知识发展具有重大影响。尽管仍然存在可访问性挑战，特别是在技术专业知识要求和计算资源方面，但总体趋势表明，高级研究能力正在普及，可能对社会层面的知识公平产生积极影响。
集体智能增强。 除了个人应用，深度研究系统通过改进知识整合、洞察共享和协作发现，展现出集体智能增强的潜力。像Manus、Flowith/OracleMode 和smolagents/open_deep_research 等系统所展示的能力，预示着跨组织和学科边界的知识合成增强机会，可能解决日益复杂知识领域中的碎片化挑战。
这些系统不应被视为孤立的工具，它们被整合到协作知识生态系统中，突显了系统性增强集体理解、基于证据的决策和共享理解发展的潜力。这种视角强调了深度研究影响的社会和组织层面，超越了技术能力和个人生产力提升。
6.4 最终思考
深度研究系统的快速出现和演变代表了人工智能在知识发现和利用应用方面的重大进步。虽然技术实现将继续演变，特定系统也将兴衰，但这些技术所带来的根本能力转变似乎将持续存在并不断扩展。
涵盖OpenAI/DeepResearch、Gemini/DeepResearch 和Perplexity/DeepResearch 等商业平台，以及dzhng/deep-research、HKUDS/Auto-Deep-Research 和众多专业组件等开源替代方案的多样化生态系统，在多个技术维度、实现方法和应用领域展示了创新。这种多样性通过竞争、专业化和互补的发展轨迹，增强了整体生态系统的健康。
随着对高级推理架构、多模态能力、领域专业化、人机协作和生态系统标准化的持续研究，我们预计将在现有实现的基础上持续取得快速进展。这种演变可能会带来日益复杂的研究能力，对跨领域的知识工作产生重大影响，可能改变信息在整个社会中的发现、验证、合成和利用方式。
这些强大能力的负责任发展需要持续关注伦理考量，包括信息准确性、隐私保护、知识产权尊重和可访问性。通过在技术进步的同时解决这些考量，深度研究生态系统可以充分发挥其对知识发现和利用的积极影响潜力，同时最大程度地减少潜在危害或滥用。
参考资料
标题： A Comprehensive Survey of Deep Research: Systems, Methodologies, and Applications
作者： RENJUN XU 和 JINGWEN PENG
单位： Zhejiang University, China
标签： 深度研究, 大语言模型, 自主智能体, AI系统, 研究自动化, 信息检索, 知识合成, 人工智能协作, 多智能体系统, 工具使用智能体, 计算方法, 计算机系统组织, 信息系统, 人机交互
概述： 这篇综述全面分析了自2023年以来出现的超过80种AI驱动的深度研究系统，通过提出一种新颖的层次分类法来审视其技术维度、架构模式、应用场景以及所面临的技术和伦理挑战，并展望了未来的研究方向。
链接： https://arxiv.org/pdf/2506.12594
