记忆

autonomous-deep-research

试用

自主深度研究（整合与进阶·元能力）。给定一个开放研究问题，agent 自主完成： 问题分解→多源检索(rag / web-fetch)→综合与交叉验证→反思覆盖度→迭代逼近答案。 对标一线大模型智能体的「深度研究」能力（如 Deep Research），且可离线/在线双模运行、 自带置信度校准与未解缺口标记。当需要对一个复杂、多侧面问题做有依据、可追溯、可迭代的研究时使用。

它能做什么

自主深度研究（整合与进阶·元能力）。给定一个开放研究问题，agent 自主完成： 问题分解→多源检索(rag / web-fetch)→综合与交叉验证→反思覆盖度→迭代逼近答案。 对标一线大模型智能体的「深度研究」能力（如 Deep Research），且可离线/在线双模运行、 自带置信度校准与未解缺口标记。当需要对一个复杂、多侧面问题做有依据、可追溯、可迭代的研究时使用。

技能文档

autonomous-deep-research —— 自主深度研究

把「提出好问题 + 检索 + 综合」熔成一条可迭代、可追溯的研究闭环。 这是目前一线大模型正重点攻关的方向，也是「强模型 vs 超级研究 agent」的分水岭。

闭环（research.py 真实实现）

  1. 分解 Decompose：把主问题拆成 3–5 个可独立检索的子问题（按连词/关键概念切分）。
  2. 检索 Retrieve：对每个子问题，优先调用 rag(本地知识库) 或 web-fetch(在线)； 两者皆缺时降级为「本地启发式」，并显式标记 needs_web 供下一轮补齐。
  3. 综合 Synthesize：把各子答案按「主张 + 依据 + 置信度」结构聚合成研究报告。
  4. 反思 Reflect：检查每个子问题是否已有依据、是否存在自相矛盾，定位覆盖空洞。
  5. 迭代 Iterate：对空洞子问题进入下一轮检索（最多 max-iter 轮），逐步逼近完整答案。

使用

python autonomous-deep-research/scripts/research.py \
  --question "RAG 在 agent 架构里到底解决什么问题？和纯微调大模型相比边界在哪？" \
  --out report.json --max-iter 2

输出 report.json

{
  "question": "...",
  "sub_questions": ["...","..."],
  "findings": [{"sub":"...","answer":"...","confidence":0.8,"needs_web":false}],
  "synthesized_answer": "结构化综合结论（含分节与依据）",
  "coverage": 0.85,
  "open_gaps": ["尚未用在线数据验证 X"],
  "next_steps": ["对 X 补一次 web-fetch 检索"]
}

自我进化

自带 learner.py（由 skill-self-improve 注入）。每次研究后把「哪类问题最难检索 / 哪类主张最易缺依据 / 迭代轮次与覆盖度提升的关系」记入 learned_patterns.json， 下一次自动调优分解粒度与检索策略。

相关技能

meta-autonomous-deep-research

由 model-distillation 从教师技能 autonomous-deep-research 蒸馏并增强的超越型元技能， 在教师能力之上叠加自验证、自我反思、super-agent 编排与持续自进化闭环，逐步超越教师。

meta-deep-research

由 model-distillation 从教师技能 deep-research 蒸馏并增强的超越型元技能。 蒸馏其「大纲 -> 并行深度搜索 -> 报告」三阶段人机协作调研流程，叠加自验证、 自我反思、super-agent 编排与持续自进化闭环，输出更可靠可追溯、逐步超越教师。

meta-autonomous-researcher

由 model-distillation 从教师技能 autonomous-researcher 蒸馏并增强的超越型元技能， 在教师能力之上叠加自验证、自我反思、super-agent 编排与持续自进化闭环，逐步超越教师。

深度研究工具

多源深度研究工具，支持系统性信息探索、来源评估与方法论追踪，生成结构化研究报告，适合个人研究与学习。Use when 需要SEO优化、关键词分析、排名提升、搜索流量优化时使用。不适用于黑帽SEO手段。适用于独立开发者、企业团队和自动化工作流场景。支持中文交互，无需复杂配置即开即用。输出结果可直接使用，减少二次加工成本。

2 次安装

Deep Research

通过 7 阶段流程产出一份带引用的长文研究报告，关键节点由你确认。

作者 943819012 次安装