【生態篇】社群的 deep-research skill 都怎麼做
10+ 個社群開源的 deep-research skill 代表了 10+ 種「怎麼做研究」的哲學。從 hyperresearch 的持久化 vault 到 jamoeight v2 的 Co-Scientist 6-agent，從對抗驗證到 benchmark 對齊。這篇把它們放在一張表裡看。
ai
1274 篇文章評估困境：為什麼 Deep Research 難以被正確評量
Deep research agent 跑出來的報告，該怎麼評分？用 LLM 當評審有偏，問人類太貴，測基準又跟不上。STC 等新方法試圖從「自信度」切入解決這個根本問題——但還沒有完美的答案。
未來展望：從研究工具到科學基礎設施
Deep research 從『幫你搜資料』到『幫你做研究』已經發生了。但下一步更大：agent 自我進化、群叢協作、科學自動化。這篇看三個方向，以及一個 uncomfortable 的現實：Gartner 預測 40% 的 agent 專案會在 2027 年前被取消。
找不到那張蟲害照片：Image Search 的三輪修正
AI 助理平台的圖片搜尋連續三輪修正：第一輪把 node_type 過濾推進 ES query 解決文字 chunk 搶佔問題；第二輪讓 filename 匹配不再依賴 LLM 是否傳參數；第三輪從 Postgres icontains 換成 ES match 解決 CJK 部分匹配失效。
IterResearch 與 AREX：長時程研究的記憶與自我進化
長時間研究時，agent 面臨「上下文窒息」：資訊堆積、噪音增加、注意力被稀釋。IterResearch 用馬可夫狀態重建解決這個問題，AREX 用內外雙循環實現遞迴自我改進。兩者回答同一個問題：agent 怎麼在數百輪搜尋後依然保持清晰？
開源 Agent 記憶框架選型：七家拆解與決策指南
七套開源記憶框架分佈在「向量抽取」到「檔案系統」的光譜上：Mem0 一行 add() 自動抽取、Graphiti 用 bi-temporal 知識圖保留矛盾歷史、Letta 讓 agent 自己編輯釘在 system prompt 的 blocks、LangGraph 用 namespace Store 做跨 agent 共享、LlamaIndex 靠 block 優先級控制截斷順序、Cognee 走三種儲存混合管線、Supermemory 強調時態向量圖引擎。這篇整理各自的儲存形式、寫入與遺忘機制、租戶隔離、benchmark 數字，再按四種常見場景給選型建議。
開源工具全景：GPT-Researcher、STORM、smolagents…
Deep research 的開源生態已經從『單一框架』演變成『工具叢集』。這篇比較 12+ 個專案：GPT-Researcher 重視多代理協作、STORM 模擬專家對話、smolagents 強調狀態管理。每個工具解決不同問題。
【專案篇】我們怎麼做 deep-research skill
這是專案自己的 deep-research skill 設計全公開。核心選擇：只用 Groundlane MCP 做為網頁工具、嚴格的來源品質分級（A/B/C/D）、研究完交 post skill 發文。不是最強的，但是最適合我們的。
10% 的對話在編答案：Retriever 靜默失敗的排查紀錄
AI 助理平台約 10% 的對話隨機沒有知識庫工具，agent 直接用訓練資料編答案。根因是 retriever 初始化時的 except Exception 吞掉了 Elasticsearch 連線失敗，導致工具註冊靜默跳過。修法：加 retry + 把失敗 surface 到 system prompt + metadata 追蹤。
Tongyi DeepResearch：從零到 Agentic Foundation Model
前四篇分別看全景、訓練、長時程、規劃。這篇看一個把所有環節串起來的完整系統：Tongyi DeepResearch。核心創新是『Agentic CPT』——在預訓練和微調之間插入一個 agentic 中間訓練階段，讓模型天生帶有 agent 偏置。MoE 架構 30B 參數只激活 3B，HLE 32.9 超越 OpenAI o3。
修了三次才對：一個設定值在四層架構裡的不一致
使用者在後台把檢索 top_k 設成 15，但監控面板顯示 5、串流 UI 先閃 5 再跳 15。根因是同一個 top_k 值存在於四層——LLM 工具參數、執行時 runtime、trace DB、串流 payload——每層都要個別 override。三次修正，每次修完才發現下一層也錯。
每修一次都以為好了：Vision PDF 解析的三階段優化
用 Vision API 解析 150 頁 PDF 要 29 分鐘（一頁一請求）。分批送頁降到 1.5 倍，加上 5 路併發壓到 24 秒。上線一週後客戶一次傳 23 份 PDF，70 個並行請求打爆 Bedrock 限流——90 頁被跳過、5 份失敗、8 份卡住。最終用 Redis slot 做全叢集上限 + backoff 重試修復。
WebDancer 與 WebThinker：從零訓練一個 Deep Research Agent
兩篇 NeurIPS 2025 論文回答同一個問題：怎麼從零訓練一個能自主研究網頁的 agent？WebThinker 選擇「給既有用戶模型加上網頁探索能力」，WebDancer 選擇「從資料構造到 RL 訓練完整重來」。兩種哲學，四個階段，一個核心洞察：訓練比 prompt 好。
數據合成：WebShaper 與 S1-DeepResearch
前面看的是怎麼訓練 agent。但訓練需要高品質數據——而 deep research 的訓練數據長期短缺。WebShaper 用數學形式化解決這個問題：把資訊搜尋任務形式化為集合論，再用 agentic Expander 逐步擴展。S1-DeepResearch 則是把訓練從『搜尋為中心』擴展到『真正做研究』。
多模態與視覺：WebWatcher 重新定義 deep research
所有的 deep research agent 都是『文字為主』的——但真實世界不只有文字。WebWatcher（NeurIPS 2025）是第一個將視覺推理整合進 deep research 的系統，用 OCR、圖像搜尋、代碼執行等工具處理圖表、截圖、視訊等多元資訊。
WebWeaver 與 DeepPlanner：雙 Agent 架構與規劃優化
前面看的是怎麼訓練 agent 和怎麼維持長時程。這篇看更深一層的問題：怎麼讓 agent 的『規劃』本身變好？WebWeaver 用雙 agent（規劃者+寫作者）從架構上解決，DeepPlanner 用優勢 shaping 從訓練上解決。兩者指向同一件事：規劃是 deep research 的上限。
LLM Agent 工具發現：為什麼 Agent 有工具卻不用，以及怎麼修
Agent 有 workspace_browse 工具卻說「找不到檔案」——問題不在工具實作，在工具描述。Anthropic、OpenAI、Google 三家的官方指南都指向同一件事：觸發條件和工作流程要寫在 tool description 裡。一份 2025 年研究發現 97.1% 的 MCP 工具描述有品質問題。
Multi-Agent 通訊機制：Handoff、Delegate、Mailbox 與協定標準化
Agent 間通訊分三種模式：handoff（移交控制權）、delegate（委派後等結果）、mailbox（即時點對點訊息）。各家實作差異大，但 MCP 和 A2A 正在推動協定標準化。
Multi-Agent Context 管理：Fork vs Fresh、歷史截斷、結果壓縮的設計取捨
子 agent 要不要看到父對話？Fork 帶完整歷史但 token 指數膨脹，Fresh 省錢但缺背景。業界共識：預設 Fresh，需要時才 Fork，且一定要搭歷史截斷和結果壓縮。
Multi-Agent 成本控制：七家框架的做法與「先軟著陸再硬擋」的業界共識
Multi-Agent 並行 + 巢狀 spawn 可以在單輪對話燒掉 200K+ tokens。業界從 Anthropic 到 Microsoft 都走向三級分級反應：壓縮 → 降級 → 停止，而非一刀切硬擋。