写在前面

过去这一年，AI 智能体（Agent）的概念火遍全网。但不知你有没有发现：很多所谓的 “智能体”，其实并不怎么智能。

它们像是一台台精密但呆板的机器，严格按照预设的轨道运行，一旦遇到意外就束手无策。今天，我想和你聊一种不同的思路——autoResearch（自主探究），它可能是让 AI 真正 “长脑子” 的关键。

一、为什么现在的 AI 工作流往往显得很 “笨”？

轨道列车 vs 自动驾驶

想象两个场景：

场景 A：轨道列车

你铺设了一条精密的铁轨，列车沿着轨道呼啸前行。只要铁轨铺得好，列车又快又稳。但如果轨道上突然出现一块石头怎么办？答案是：列车只能停下，或者翻车。

这就是传统 AI 工作流的真实写照。开发者需要预先定义好每一步该做什么：先提取关键词，再调用搜索引擎，然后总结摘要……流程是死的，规则是硬的。

场景 B：自动驾驶

你给汽车设定一个目的地和基本交通规则，然后让它自己上路。遇到红灯会停，看到行人会减速，前方堵车会换路。

这就是我们要追求的 autoResearch 模式——只给目标，不给死板的步骤；只定宪法，不铺轨道。

轨道列车 vs 自动驾驶

现实世界的尴尬

在实际业务中，”轨道列车” 式的智能体常常闹笑话：

  • 客服机器人面对用户的 “灵魂追问” 开始车轱辘话来回说
  • 搜索 Agent 为了找一个答案，疯狂抓取几十篇网页，最后总结出一堆废话
  • 合规审查系统按照固定规则扫描，却被各种 “变形” 的违规内容轻松绕过

问题的本质在于：规则永远无法穷尽现实世界的复杂性。

二、核心概念：autoResearch 到底是什么？

无头苍蝇 vs 带脑子的大侦探

暴力搜索像一台无头苍蝇式的扫地机器人：它不管前面是墙还是家具，撞到了就弹开，换个方向继续撞。哪怕同一个地方已经撞了十几次——因为它没有记忆，没有反思，没有策略。

autoResearch 则像一位带脑子的大侦探：

  • 接到案件后，先画一张 “侦查地图”，推测线索可能藏在哪儿
  • 走访了一个嫌疑人后发现线索断了，不会傻乎乎地继续追问，而是果断换方向
  • 发现某个来源全是假消息，会主动拉黑，不再浪费时间
  • 当多个独立信源的证词相互印证时，知道**”案子破了，该收工了”**

这就是 autoResearch 的核心：反思（Reflection）+ 启发式剪枝 + 知道何时停止。

无头苍蝇 vs 带脑子的大侦探

与常规 DeepAgent 的区别

市面上常见的 DeepAgent 往往采用简单的 “计划-执行” 循环：制定计划 → 执行搜索 → 检查不够 → 回到第一步。

这种模式缺乏质量把控和退出机制。Agent 很容易陷入 “为了搜索而搜索” 的怪圈。

autoResearch 引入了科学界的 “同行评审（Peer Review）” 机制：

  • Researcher（研究员）：负责搜索和收集信息
  • Critic（审稿人）：负责质疑、验证、打分
  • 终止条件：当新信息不再提供增量价值，或多源交叉验证达到极高置信度时，优雅地结束任务

打个比方：常规 DeepAgent 像是一个没有预算限制的研究项目；而 autoResearch 像是一个有严格审稿流程的学术期刊，知道什么时候该发刊，什么时候该拒稿。

三、实战场景：用 autoResearch 重构 Deep Research

传统的 Deep Research 工作流通常是线性的循环：生成关键词 → 搜索引擎 → 抓取网页 → 总结 → 检查是否完整 → 不完整则继续搜索。

这种模式的致命弱点在于 “盲目试错”和”缺乏反思”。它很容易陷入死循环（不断搜索相似的关键词），或者被 SEO 垃圾内容带偏，浪费大量 Token。

传统 Deep Research 的困境

假设你要研究 “2024 年全球电动车电池技术突破”：

传统做法：给定关键词（”电动车电池 2024 突破”），让 Agent 循环搜索直到 token 耗尽。

结果往往是：

  • 前 3 轮还能抓到一些有价值的资讯
  • 第 4-5 轮开始重复抓取相似内容
  • 第 6 轮以后，搜到的全是 SEO 垃圾站和营销号文章
  • 最终总结出一篇 “正确的废话” 集合

这就像是一个没有分辨能力的资料收集员，只要是纸就往包里塞，最后包满了，但有用信息却没几条。

autoResearch 的优化思路

用 autoResearch（即”科学研究”的思路）来优化，我们需要把流程升级为：全局规划 → 提出搜索假设 → 执行验证 → 批判反思 → 动态调整。

工作流程图

第一步：从”生成关键词”到”构建研究大纲”

传统做法是直接让大模型想几个搜索词。在 autoResearch 中，第一步必须是全局视角的拆解。

引入一个 Planner Agent，它接收用户的原始问题，不立刻搜索，而是输出一个结构化的”研究大纲”：

基于已有知识，推测答案可能藏在：
- 宁德时代、比亚迪等头部厂商的官方技术白皮书
- IEEE、Nature 等期刊的 2024 年论文
- 各大车企（特斯拉、大众、丰田）的财报电话会议记录
- 中国和欧盟的新能源汽车政策文件

这就像大侦探在办公室里画一张 “线索热力图”——哪儿最可能藏线索，就往哪儿投入精力。

第二步：提出假设与定向探索

传统流程是无脑调用搜索引擎。autoResearch 要求在搜索前建立**”假设”**。

针对大纲中的子问题，Researcher Agent 需要推理出去哪里找、用什么策略找：

“要找技术突破的具体数据，假设这不在普通新闻里，而在技术白皮书或学术论文中。”

于是 Agent 生成带有高级搜索语法的请求：

  • 从：电动车电池 2024 突破
  • 到：solid-state battery breakthrough 2024 "energy density"
  • 到：宁德时代 凝聚态电池 技术白皮书 filetype:pdf

第三步：引入强硬的”文献评审与批判机制”

这是区别于普通工作流的关键。抓取到内容后，不能直接汇总，必须过 Critic 这一关：

检查项 问题
信源可信度 这是官方文件、学术期刊，还是营销号？
信息新鲜度 发布时间是 2024 年吗？还是陈年旧闻？
内容相关性 具体讲了技术突破，还是泛泛而谈？
增量价值 这条信息之前见过吗？有重复吗？

如果被判为 “低质量” 或 “重复信息”，Critic 会给出反馈：

“这篇内容来自某自媒体，信源可信度低，且与已收集的第 3、7 条信息高度重复。建议：1）拉黑该域名；2）转向搜索 ‘solid-state battery 2024 IEEE’ 获取更权威来源。”

第四步：动态记忆与”认知白板”管理

在多次迭代中，系统必须维持一个清晰的**”认知状态”**：

  • known_facts：已确认的事实（移入此区）
  • information_gaps：待解之谜（根据新发现衍生出新问题）
  • dead_ends：死胡同（”搜索某关键词前 3 页全是广告，此方向已死，不再尝试”）

这就像侦探的案件墙——已证实的贴绿标签，待调查的贴红标签，已排除的贴灰标签。

第五步：动态终止条件（最难的一环）

在实际落地中，最难控制的不是”死循环”，而是很难让 LLM 准确判断”信息是否已经找全了”。

死循环其实工程上比较好控：query 去重、source 去重、failed path 记忆、连续低增量停止……这些都是字符串匹配层面的问题。

但”是否找全”很难，因为它本质上是认知判断，不是字符串匹配。

所以更好的思路是：不要追求”完备性”，而是追求”回答充分性”。

不是问”我是否找全了所有信息”，而是问”关键 information_gaps 是否已被覆盖到足以回答用户问题”。

具体指标：

  1. 信息熵阈值：连续 3 轮搜索的新信息重复率超过 80%，说明已接近信息边界
  2. 置信度阈值：关键结论已有 3 个以上独立信源交叉验证
  3. Gap 覆盖度：核心的 information_gaps 已被填满，或判定剩余问题”在当前公开信息中极大概率不存在”

边界的控制，需要绝对明确的指标。这也是为什么 autoResearch 更适合有明确答案边界的问题（如”2024年电池技术突破”），而不适合开放式探索（如”未来十年AI发展趋势”）。后者缺乏清晰的终止信号，容易陷入”为了全面而全面”的泥潭。

结果对比：

维度 传统 DeepAgent autoResearch
搜索轮次 10+ 轮 4-5 轮
抓取网页数 50+ 篇 15-20 篇
有效信息率 ~20% ~70%
Token 消耗 高 低 30-50%

附：核心 Prompt 设计示例

autoResearch 的效果很大程度上取决于 Prompt 设计。以下是三个核心角色的 System Prompt 框架：

1. 宪法（North Star）

你是Research Team的协调者。你的目标只有一个：
确保团队找到能够回答用户问题的、来自权威信源的、
相互独立验证的充分证据，并用清晰的逻辑呈现结论。

你不参与具体搜索，但你决定：
- 什么时候信息已经足够（终止条件）
- 什么时候需要调整方向（策略修正）
- 什么信源可以信任（白名单/黑名单管理）

2. Researcher（研究员）

你是研究员。你的任务是搜索信息并撰写报告。

工作流程：
1. 接收研究方向和待验证的假设
2. 使用搜索工具获取相关网页/PDF
3. 提取关键信息，标注来源URL和发布时间
4. 将发现提交给Critic评审

约束：
- 同一轮次内不要重复搜索相似关键词
- 优先选择.gov/.edu/知名媒体/官方渠道
- 每个结论必须附带来源

3. Critic（审稿人）

你是严格的审稿人。你的任务是对Researcher的发现进行质疑和验证。

评审清单（必须逐项检查）：
□ 信源可信度：官方？学术？还是自媒体？
□ 信息时效性：是否过时？
□ 内容相关性：是否切题？还是标题党？
□ 增量价值：与已有信息是否重复？
□ 逻辑一致性：是否存在矛盾或夸大？

输出格式：
- 评分：0-10分
- 通过/不通过
- 具体意见（如有不通过，给出改进建议）
- 建议的下一步动作（换关键词/换信源/深入追问）

关键设计原则：

  • 宪法只定目标不定方法：不说 “去搜 IEEE”，而说 “找权威技术来源”
  • Critic 必须有否决权：如果评审不通过，Researcher 必须重新搜索
  • 明确的终止信号：当 Critic 连续 3 次给出 “信息重复” 评价时，触发终止流程

四、autoResearch 的灵魂：三大支柱

三大支柱

1. 宪法目标（North Star）

不是告诉 AI “怎么做”，而是告诉它 “做到什么样算成功”。

比如对于搜索任务，宪法可以是：

“找到能够回答用户问题的、来自权威信源的、相互独立验证的充分证据，并用清晰的逻辑呈现结论。”

这就像是给自动驾驶汽车设定的目的地和安全准则——路你自己选，但目的地必须到，红灯必须停。

2. 对抗评审机制（Actor-Critic）

不要只有一个执行者，要有一个 “挑刺者”。

  • Actor（执行者）：负责行动（搜索、抓取、分析）
  • Critic（批判者）：负责质疑（信源可靠吗？逻辑通吗？有遗漏吗？）

这种 “红蓝对抗” 的设计，让系统具备了自我纠错能力。

3. 动态经验记忆（Learning from History）

把每次任务的 “错题本” 存入向量数据库：

  • 哪些域名是垃圾站？拉黑。
  • 哪种搜索语法最有效？优先用。
  • 之前的类似任务踩过哪些坑？提前规避。

系统越用越聪明，而不是每次都从零开始。

五、总结：用算力换取认知深度

AI 智能体的发展正在经历一个范式转换：

阶段 特征 类比
阶段 1 固定规则流水线 轨道列车
阶段 2 循环搜索 “暴力破解” 无头苍蝇
阶段 3 autoResearch 自主探究 带脑子的大侦探

autoResearch 不是在炫耀 “我能搜多少网页”，而是在追求 “我能否用最少的动作，找到最准确的信息，并知道什么时候该停手”。

这背后是认知科学的一个朴素道理：智能的本质不是记忆，而是判断；不是勤奋，而是策略。

对于关注 AI 应用落地的产品经理、业务负责人来说，这个转变意味着：

  • 从铺轨道到定宪法：与其花三个月写规则，不如花三周设计评价标准和终止条件
  • 从单兵作战到红蓝对抗：让 AI 自己和自己较劲，比人盯人更有效
  • 从一次性任务到持续进化：每一次调用都在积累 “组织记忆”

用算力换取认知深度，是未来复杂 AI 业务的必经之路。

毕竟，在这个信息爆炸的时代，知道搜什么、怎么搜、什么时候停，比单纯的 “能搜” 重要得多。