深度研究智能体的生产级架构：来自 Thoughtworks 的实战复盘

背景：为什么深度研究如此困难

一款新药从立项到上市，平均成本 26 亿美元。其中约 50% 的研究是在没有充分证据支撑的情况下开展的——不是没有知识，而是知识分散在无数孤岛中，无法被及时获取和连接。

Sarang Kulkarni 在 Thoughtworks 的团队面临的核心挑战正是这个：如何构建一个系统，让研究人员能够跨内部数据和互联网数据进行发现、连接和推理，同时保证可靠性、透明度和合规性？

这是一个典型的深度研究（Deep Research）场景，也是一个典型的多智能体系统设计难题。

从 RAG Chatbot 到 Agentic RAG++：三阶段演进

Kulkarni 团队没有一开始就上大模型，而是采用了渐进式架构演进：

这种演进路径值得大多数团队借鉴：不要在第一阶段就设计过度通用的架构，复杂度要随问题复杂度增长。

核心架构：三环系统

深度研究系统的核心是一个三环架构：

┌──────────────────────────────────────────────────────────────┐
│                    深度研究系统                               │
├──────────────────────────────────────────────────────────────┤
│  1. 澄清环（Clarification Loop）                               │
│     → 初始查询细化，理解用户真正想问什么                        │
│                                                              │
│  2. 研究环（Research Loop）                                   │
│     → 思考/规划 → 执行 → 反思（Inspect） → 更新（Update）       │
│                                                              │
│  3. 写作环（Writing Loop）                                    │
│     → 写作 → 反思（补全研究阶段遗漏的内容）                    │
└──────────────────────────────────────────────────────────────┘

研究环的四个步骤

研究环是这个架构最核心的部分，包含四个严格顺序的步骤：

1. Think & Plan — 研究之前的推理规划
2. Execute — 执行研究任务（检索、爬取、API调用等）
3. Inspect — 研究之后的输出验证
4. Update — 生成最终报告

这里的关键设计是将推理暂停（Think）和反思（Inspect）显式化为独立步骤，而不是让模型在同一个上下文中边想边写。

为什么需要写作环

研究环完成后，写作阶段可能遗漏一些研究阶段已经获取的信息。写作环通过二次反思来补全这个缺口：

“任何在研究中已获取但写作任务没有捕捉到的信息，都会在重新起草步骤中被补充完整。”

这相当于给研究系统加了一个双向验证层：研究结果要经得起写作的检验，写作内容要忠实于研究发现。

工具设计：RAG 和 SQL 的工程细节

RAG 工具的混合检索策略

• 加权混合搜索（Weighted Hybrid Search）
• 初始检索 20 个上下文块
• 通过重排序（Re-ranker）精炼至 7 个最终上下文块

这个”20→7”的压缩比设计很关键：保留足够信息密度，但过滤掉噪声。

text2sql 工具的错误反馈机制

让 LLM 执行 SQL 查询时，最难处理的是错误修正。Kulkarni 团队的方案是将 SQL 执行错误反馈给 LLM，形成一个错误→反思→修正的闭环：

SQL 执行失败 → 错误信息回传给 LLM → LLM 生成修正版 SQL → 重新执行

这类错误反馈机制在所有工具调用场景中都适用，本质上是让模型在”做中学”。

关键挑战与应对策略

上下文焦虑（Context Anxiety）

当上下文中信息量过大时，模型的推理质量反而下降——这被 Kulkarni 称为”上下文焦虑”。应对方法是精确的上下文选择和压缩，而不是简单增加上下文窗口大小。

双重反思机制

反思不仅是数据反思（输出的信息是否准确），还包括过程反思（执行过程是否完整，是否还有遗漏步骤）。

Harness 工程：模型之外的另一半

Kulkarni 提出了一个核心观点：

AI 智能体 = 模型 + Harness（驾驭系统）。模型越强，Harness 可以越薄。

Harness 包含：工具设计、记忆系统、验证检查、约束条件和反馈回路。Harness 工程的最终目标是让自主智能体更可靠、更可问责。

这个观点对国内做 AI 应用落地的团队有重要启示：不要把所有精力放在模型选型和 Prompt 调优上，工具和反馈机制的设计往往比模型本身更重要。

关键经验总结

1. 从简单开始：RAG 对基础查询有效，随着复杂度增加再引入智能体架构
2. 多环架构提供结构：澄清→研究→写作的三环为复杂研究提供了清晰的执行框架
3. 反思机制不可或缺：数据反思和过程反思双重机制确保输出质量
4. Think-Act 循环是关键：长周期任务需要在执行中嵌入显式的推理暂停
5. Harness 工程很重要：工具设计、记忆系统和验证机制决定了智能体的可靠性上限
6. 上下文管理是瓶颈：上下文焦虑会直接导致推理质量下降，需要精细化的上下文压缩策略

本文是对 InfoQ 文章《Sarang Kulkarni on Lessons from Building Deep Research Agents in Production》的深度解读，更多详情可阅读原文。