DeepResearch 多 Agent 研究平台

背景与问题

通用对话产品用于企业研究时，信息来源单一、过程不可见、引用难验证，长任务还容易因中断而丢失进度。真正的痛点不是“不会生成”，而是研究过程缺少计划、证据与质量控制。

我的角色

以 AI 项目经理和个人全栈实践者身份，独立完成需求定义、工作流设计、评测口径、交互状态、异常降级及端到端原型；模型与搜索能力依赖外部服务，不把外部能力算作个人成果。

关键判断

• 研究不是一次问答，而是一条可以暂停、恢复、校验与迭代的任务链。
• 用户需要看到进度、来源和成本，才能信任较长时间运行的智能体。
• 引用校验必须是生成后的独立门禁，而不是一句 Prompt 约束。

产品方案

基于 LangGraph 设计 14 个节点与 3 条条件路由，覆盖需求澄清、研究规划、并行搜索、深度抓取、任务隔离 RAG、草稿、引用门禁、四维评估、自动迭代与报告导出。SSE 实时展示进度，检查点支持暂停与恢复，并对搜索、抓取和向量服务设置故障转移。

结果与证据

• 完成覆盖澄清、规划、并行检索、抓取、任务隔离 RAG、草稿、引用校验和报告导出的 14 节点工作流。
• 将引用校验设计为生成后的独立门禁，未通过的内容返回检索或修订环节。
• 以完整性、准确性、深度和权威性四维评分决定继续检索或收敛。

局限与下一步

当前验证以个人样例为主，尚未建立足够大的 Golden Dataset，因此不对外宣称效率、幻觉下降或完成率百分比。下一步将按研究类型建立固定任务集，记录来源覆盖、引用有效性、运行成本和人工修订时间。