TODO 驱动的研究范式：深度研究智能体怎么做

一句话概要：把「研究」这个模糊的复杂任务，转化成「规划—执行—整合」的流水线，用三到五个子任务逐个查证、逐个总结，最后由报告生成器整合成带来源引用的结构化报告。

本章要点

一、为什么需要深度研究助手

传统研究的三个痛点：信息过载（成千上万条结果需逐条点开）、缺少结构（信息碎片化）、重复劳动（每次都要重走搜索到整理的全流程）。

核心价值四条：节省时间（一到两小时压缩到五到十分钟）、提高质量（系统化流程避免遗漏）、可追溯（记录所有搜索结果与来源）、可扩展（易加新引擎与数据源）。定位不是搜索工具，而是能自主规划、执行、总结的研究助手。

二、四层架构与八步流转

前端层（Vue 三加 TypeScript，全屏对话框与标记语言渲染）、后端层（FastAPI，研究流式接口）、智能体层（三个专职 Agent 加搜索与笔记两个工具）、外部服务层（搜索引擎与大模型提供商）。

一次请求的八步流转：输入主题 → 前端经服务端推送连接流式接口 → 后端创建研究状态 → 规划阶段拆子任务 → 执行阶段逐个子任务搜索、总结、记录 → 报告阶段整合 → 流式推送进度 → 前端实时更新任务状态、进度条、日志与报告。实际体验耗时约一到三分钟。

三、TODO 驱动的三个核心要素

智能规划器（拆成三到五个子任务，太少覆盖不全、太多冗余，并为每个子任务设计搜索查询）、任务执行器（搜索、提取关键信息、去冗余、保存来源引用）、报告生成器（按逻辑顺序组织、合并重复信息、为每个观点加来源引用）。对比传统搜索：每个子任务的搜索结果与总结都被记录，可追溯、可增删、可调序。

四、三阶段流程

• 规划：输入研究主题与当前日期，输出格式化子任务列表，每条目含任务标题、研究意图、搜索查询三个字段。分解策略通常从基础概念入手，再到技术现状、实际应用、发展趋势，必要时做对比分析。好规划四标准：覆盖全面、逻辑清晰、查询精准、数量适中。
• 执行：逐个子任务执行搜索、取回标题链接摘要、调总结 Agent、存笔记。总结 Agent 提取核心观点、合并相似信息、保留数字日期名称等关键数据并加来源引用。
• 报告：整合所有总结，输出含标题、概述、各子任务详细分析、总结、参考文献五部分的报告。

五、三个专职 Agent 与顺序协作

研究规划专家（理解主题、分析关键方面、生成子任务，提示词含当前日期、要求格式化输出、给示例、约束数量与逻辑关系）、任务总结专家（带任务标题意图查询上下文，输出核心观点加关键数据加来源引用）、报告撰写专家（要求五段结构、按逻辑顺序、合并冗余、保留所有来源）。

三者顺序协作：线性流程、输入输出明确、无并发，由核心协调器统一调度。基础版简单 Agent 不支持工具调用监听，因此扩展出可感知工具调用的版本，通过回调函数记录调用，用于调试、日志、行为分析与实时进度展示。

六、工具层

搜索工具扩展：新增多个引擎（主打隐私的、自带答案生成的、可自建的）并实现组合模式；引擎通过配置文件选择，无需改代码；返回结果含结果列表、实际引擎、部分引擎的现成答案、配额通知。工程细节：对重复链接去重、限制每个来源的词元数。

笔记工具：以标记语言文件持久化研究进度，文件名用任务编号，内容含任务标题、意图、查询、搜索结果与总结，支持中断后续跑与事后复盘。

工具注册表：解析调用指令、按名查找工具、执行并格式化结果回传。

七、代价与边界

线性架构换可控，代价是慢；报告质量高度依赖搜索质量，整合环节不能补事实；来源引用必须贯穿全程；子任务三到五个是经验区间，不是调参游戏。

音频章节时间戳

时间	章节
00:00	开场
01:00	为什么需要深度研究助手
03:00	系统整体长什么样
05:00	TODO 驱动的心智模型
08:00	三阶段流程拆解
11:00	三个专职智能体怎么分工
14:00	工具层与代价边界
16:00	收尾 判断清单

总时长见音频文件。

原书对应小节

Datawhale《Hello-Agents：从零开始构建智能体》第十四章「自动化深度研究智能体」：14.1 深度研究助手概述、14.2 TODO 驱动的研究范式、14.3 多 Agent 协作实现、14.4 工具扩展与集成。

更完整的图文内容请直接阅读原书，本页仅为音频配套要点。

授权

本内容改编自 Datawhale《Hello-Agents：从零开始构建智能体》，采用 CC BY-NC-SA 4.0 授权，为二次演绎配音版。