2025 年，「Deep Research」從實驗室概念變成產類別型。OpenAI、Google、Perplexity、Anthropic 先後推出正式功能；開源端從 GPT-Researcher 到 Search-R1，半年內湧現 80+ 個實作。但這些系統看起來各自為政——差別到底在哪？
最新的一系統性調查論文（arXiv:2506.12594，2025 年 11 月）把整個領域整理成一個清晰的骨架：三階段能力路線 × 四個核心組件 × 三種優化方法。掌握這個框架，就能一眼看穿每個實作坐在哪裡、取捨什麼。
這篇先從最高層級的分類切入，把全景圖攤開；細節與代表性系統留到後續文章。
三階段路線：從搜尋到科學家
這個調查最核心的貢獻，是把 Deep Research 視為一個能力軌跡（capability trajectory），而不是價值階梯。系統不需要一步到位，而是沿著三個階段逐步擴張能做的事：
| 階段 | 能力 | 代表任務 | 關鍵指標 |
|---|---|---|---|
| Phase I：Agentic Search | 找到正確來源、提取答案 | 開放域問答、多跳問答 | 準確率、召回率 |
| Phase II：Integrated Research | 綜合異質證據、產出結構化報告 | 長篇研究報告、調查報告 | 一致性、歸屬完整性 |
| Phase III：Full-stack AI Scientist | 提出假說、設計實驗、批判現有主張 | 論文審閱、科學發現、實驗自動化 | 新穎性、可重現性 |
Phase I 的系統本質是「聰明的搜尋器」：把使用者的問題拆成子查詢、檢索文件、過濾雜訊、給出帶引用的答案。Phase II 則需要把碎片化的證據串成有邏輯的敘事——這時候「停止條件」和「衝突調和」變得關鍵。Phase III 是最終形態：不只是彙編已知事實，而是能提出原創假說並設計驗證實驗。
這個分類的實用價值在於：讀者可以一眼看出某個實作處於哪個階段，進而判斷它適不適合自己的需求。要快速找事實？Phase I 就夠了。要寫一篇完整的研究報告？至少需要 Phase II。要自動化科學發現流程？那是 Phase III 的領地。
四個核心組件：DR 系統的閉環
不管處於哪個階段，每個 Deep Research 系統都循環運轉四個組件（Shao et al., 2025）：
1. Query Planning（規劃）
把模糊、複雜的問題拆成一系列可獨立執行的子查詢。三種策略：
- 並行規劃：一次性分解出所有子問題，每個獨立解決。適合結構清晰的問題。
- 序列規劃：每步依賴上一步的結果動態調整。適合探索性強、需要「先試再說」的問題。
- 樹狀規劃：探索多條推理路徑（如 Monte Carlo Tree Search），平衡探索與利用。適合開放度最高的問題。
代表性工作：Least-to-Most Prompting、CoVE（Chain-of-Verification）、Search-R1 的端到端學習規劃。
2. Information Acquisition（獲取）
決定「什麼時候」以及「怎麼樣」去外部獲取資訊。三個子問題：
- 檢索工具：傳統搜尋引擎 API、瀏覽器自動化、向量資料庫、多模態檢索。
- 檢索時機：每步都搜？只在不確定時搜？用 confidence-based 方法（如 Self-RAG）決定。
- 資訊過濾：文件選擇、上下文壓縮、規則清理。從點對點相關性評分到列表級排名。
這個組件是 DR 與傳統 RAG 最明顯的分界點：RAG 通常是靜態檢索一次性增強，而 DR 的檢索是反覆、動態、策略性的。
3. Memory Management（記憶管理）
在長時程研究中維護任務上下文。四個過程：
- 記憶整合：將臨時資訊轉為結構化表示（敘事摘要或知識圖譜）。
- 記憶索引：訊號增強索引、圖譜索引（支援多跳推理）、時間線索引。
- 記憶更新：新資訊與舊知識衝突時的處理機制。
- 記憶遺忘：主動刪除不相關資訊，防止上下文窗口飽和。
記憶管理常被稱為 DR 的「基石」——沒有它，長時間的研究會變成斷裂的片段。
4. Answer Generation（輸出生成）
把累積的證據綜合為有歸屬的輸出。四個過程：
- 整合上游資訊：合併規劃、檢索結果與記憶狀態。
- 綜合證據與維持一致性：用可信度感知注意力、多代理協商、或 RL 獎勵解決衝突。
- 結構化推理與敘事：Chain-of-Thought、結構化規劃、工具輔助推理。
- 多模態呈現：從純文字扩展到視覺化、簡報、表格、程式碼。
三種優化範式：從手動到端到端
怎麼讓這四個組件協調得好？調查歸納了三種方法（按「手工程度」從高到低）：
| 範式 | 做法 | 適合時機 | 代表 |
|---|---|---|---|
| Workflow Prompting | 手動設計多代理 pipeline，orchestrator 分配任務給 worker | 快速原型、需要可解釋性、沒有訓練資源 | Anthropic 多代理系統（+90.2% 內部評測） |
| Supervised Fine-Tuning (SFT) | 用強模型的成功軌跡訓練小模型（強→弱 distillation） | 需要部署效率、特定環節優化 | Open-RAG、AUTO-RAG、DeepRAG |
| End-to-End RL | 整個 pipeline 用 PPO/GRPO 訓練，獎勵最終答案正確性 | 追求全局最優、願意承受訓練不穩定 | Search-R1、R1-Searcher、Rewrite-Retrieve-Read |
取捨很清楚：workflow prompting 最靈活但最貴（token 消耗約 15×）；SFT 最實用但依賴強教師模型；端到端 RL 潛力最大但訓練最不穩定**。
與 RAG 的根本差異
調查用九個維度對比了 RAG 與 DR（三個階段）：搜尋引擎存取、工具多樣性、程式碼執行、反身修正、任務記憶、創新能力、長篇輸出、行動空間、推理視野、工作流組織。
核心結論：RAG 是「檢索作為靜態增強」，DR 是「檢索作為動態行動」。RAG 的行動空間窄、推理視野單步、工作流固定；DR 則在所有維度上逐步擴張。
下一步
這篇是全景分類。後續文章會深入每個環節：具體的訓練方法論（order 2–4）、評估基準與困境（order 7–9）、開源工具與商用產品（order 11–12），以及我們自己的實作選擇（order 13）。
參考資料
- Deep Research: A Systematic Survey — Shao et al., Nov 2025。三階段路線、四個組件、三種優化方法的核心論文。
- Deep Research: A Survey of Autonomous Research Agents — 2025 年 8 月。能力導向、模組化視角，側重每個核心能力如何獨立優化。
- Deep Research Agents: A Systematic Examination And Roadmap — Huang et al., Jun 2025。靜態 vs. 動態工作流、單代理 vs. 多代理分類。
- Deep Research Survey GitHub Repository — 調查論文的持續更新倉庫。
- awesome-deep-research-agent — Huang et al. 維護的 DR agent 研究列表。
- autonomous-deep-research-agent — 本系列前一篇文章：四個環節的架構拆解。
Loading...