开放深度研究
原文英文，约1800词，阅读约需7分钟。
📝
内容提要
深度研究已成为热门应用，OpenAI、Anthropic、Perplexity和谷歌推出了相关产品。我们开发了一个灵活的开源深度研究工具，支持用户自定义模型和搜索工具。研究过程分为明确范围、执行研究和撰写报告三个阶段，采用多代理系统以提升效率和深度。
🔎
延伸解读
深度研究的灵活性
深度研究的设计强调灵活性，能够根据用户请求的不同需求调整研究策略。这种灵活性使得研究过程能够高效应对各种复杂问题，尤其是在需要比较或验证信息时，能够快速适应不同的研究深度和方法。
多代理系统的优势与挑战
多代理系统在处理研究任务时表现出色，能够并行处理多个子主题，避免信息混淆。然而，协调多个代理的输出可能会带来挑战，尤其是在撰写报告时。因此，合理设计多代理的使用场景至关重要，以确保信息的连贯性和一致性。
上下文工程的重要性
在深度研究中，上下文工程起着关键作用，能够有效减少令牌膨胀并引导代理行为。通过压缩聊天历史并清理无关信息，研究过程不仅节省了资源，还提高了信息处理的效率。这对于降低成本和避免模型限制具有实际意义。
❓
Q&A
什么是开放深度研究工具？
开放深度研究工具是一个灵活的开源工具，允许用户自定义模型和搜索工具，以支持深度研究的执行。
开放深度研究的研究过程分为哪几个阶段？
研究过程分为明确范围、执行研究和撰写报告三个阶段。
在执行研究阶段，监督代理的角色是什么？
监督代理负责将研究任务分配给适当数量的子代理，并确保研究的深度和效率。
多代理系统在深度研究中有什么优势？
多代理系统可以灵活应用不同策略，允许并行研究，从而提高信息收集的效率和深度。
上下文工程在深度研究中有什么重要性？
上下文工程有助于减少令牌膨胀，确保信息的清晰和相关性，同时节省成本。
未来的研究方向有哪些？
未来的研究方向包括处理令牌密集的工具响应和评估代理的高质量响应。
🏷️
