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

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。​

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）。​

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。​

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"。​

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。​

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）：​

​

代码块​

Python

from dataclasses import dataclass​

​

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：​

​

表格加载中...

​

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：​

​

​

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。​

常见误区 / 面试追问​

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。​

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。​

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。​

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）。​

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。​

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​

•

Introducing deep research — OpenAI（OpenAI Deep Research 官方发布公告）​

•

Deep Research — OpenAI API Docs（o3-deep-research / o4-mini-deep-research 模型技术文档）​

•

Deep research in ChatGPT — OpenAI Help Center​

•

Introducing Perplexity Deep Research — Perplexity Blog​

•

Deep Research, now in Computer — Perplexity Blog（"agentic, iterative search that plans before searching"）​

•

Gemini Deep Research — your personal research assistant — Google​

•

Gemini Deep Research Agent — Gemini API Docs​

•

Try Deep Research and Gemini 2.0 Flash Experimental — Google Blog（"creates a multi-step research plan for you to revise or approve"）​

•

Building Effective Agents — Anthropic（Orchestrator-Worker 等多步检索 Agent 模式）​

•

ReAct: Synergizing Reasoning and Acting in Language Models (Yao et al., 2022)（推理-行动交错循环，Agentic Search 的理论基础）​

​

​

延伸思考 / 交叉引用​

•

与 Agentic RAG 的对照：本题是 #018 Agentic RAG 的"产品化上层"，建议两题连读——#018 讲检索自主化的模式，#114 讲其在报告生成场景的产品化。RAG 基础概念见 #011 RAG 概览。​

•

检索作为工具：Deep Research 的检索层本质是把 Web 搜索当作工具反复调用，工具调用机制见 #021 Function Calling、动态工具发现见 #029 动态工具发现。​

•

长报告与上下文管理：综合长报告需要管理大量抽取片段的上下文，与 #041 上下文窗口管理、#102 Context Engineering 直接相关——如何在 token 预算内保留高信噪比的证据，是 Deep Research 综合阶段的工程核心。​

•

质量评估：报告质量评估方法可参考 #069 评估方法论、静态基准的陷阱见 #076 静态 Benchmark 陷阱。​