通义深度研究智能体（DeepResearch）：让 AI 像研究员一样深度思考

从"搜索引擎"到"研究助手"：一次信息获取的范式跃迁

当你需要写一份行业调研报告时，传统的做法是：打开搜索引擎，输入关键词，浏览数十个网页，复制粘贴信息，再手动整合——整个过程可能耗费数小时甚至数天。而 通义深度研究智能体（DeepResearch） 想要改变这一切：给它一个研究主题，它能像一位专业研究员一样，自主规划搜索路径、抓取关键信息、交叉验证多个来源，最终输出一份结构化的研究报告。

这是阿里巴巴 NLP 团队在 2024-2025 年开源的一个重要项目，凭借其 20,000+ GitHub Stars 的高热度，迅速成为开源 AI Agent 领域的标杆案例之一。

背景：从通义千问到"会研究的 AI"

阿里巴巴的大语言模型之路走得相当扎实。从早期的 Qwen（通义千问） 系列模型，到 2024 年底发布的 Qwen2.5-72B-Instruct，阿里 NLP 团队持续在开源社区输出高质量模型。而 DeepResearch 则代表了他们从"模型能力"向"应用智能"的延伸——不再只是生成文本，而是解决真实的信息处理问题。

该项目的技术报告（arXiv:2510.24701）详细描述了系统架构与评测基准。阿里选择在这个时间点开源，一方面是回应 OpenAI Deep Research 带来的行业热度，另一方面也想展示其在中文信息理解与检索方面的差异化优势。

核心架构：三层体系的协作

DeepResearch 并非一个简单的脚本，而是一套精心设计的 多智能体（Multi-Agent）协作系统。从代码结构来看，系统分为三大核心模块：

1. Agent 层：研究规划与任务分发

AgentFounder 是整个系统的核心调度器，负责接收用户的研究主题，将其分解为可执行的研究子任务，并协调下游各子 Agent 执行。AgentScaler 则提供了并行扩展能力，可以同时运行多个研究线程，显著加速大规模研究场景的完成速度。

这一层的关键在于"任务规划"能力：AI 需要判断一个复杂研究主题需要哪些步骤、如何排序、先搜索什么后验证什么——这比单纯回答问题要复杂得多。

2. WebAgent 层：互联网信息获取

项目包含 15 个专业 WebAgent，涵盖互联网信息获取的各个环节：

• WebResearcher：通用网页内容检索与提取
• NestBrowse：多层级嵌套页面浏览
• WebLeaper/WebWalker：页面导航与链接遍历
• WebSailor：动态渲染页面的 JavaScript 执行
• WebShaper：页面结构化信息抽取
• WebResummer：长文本摘要压缩
• ParallelMuse：并行搜索与多源信息融合
• AgentFold：信息分类与聚类

这些子 Agent 各自专注于特定的信息获取任务，通过协作完成从"发现问题"到"获取证据"的完整链条。

3. Inference 层：推理引擎与工具调用

inference/ 目录包含核心推理逻辑，其中 react_agent.py 是整个系统的推理驱动模块。它基于 ReAct（Reasoning + Acting） 范式，让模型在推理过程中交替进行"思考"和"行动"，每个行动可以调用搜索工具、访问网页或调用其他工具，逐步构建完整的研究路径。

技术栈：站在 Qwen 的肩膀上

DeepResearch 的技术选型非常务实：

组件	技术选型	说明
基础模型	Qwen2.5-72B-Instruct	通义千问系列主力模型
Agent 框架	Qwen-Agent 0.0.26	阿里自研的 Agent 开发框架
推理框架	vLLM / SGLang	高吞吐量 LLM 推理
搜索增强	多源 API（通义搜索、DuckDuckGo）	联网搜索能力
部署方式	HuggingFace / ModelScope	提供在线 Demo

整个系统依赖 dashscope（阿里云 DashScope API 服务）进行模型调用，同时支持 OpenAI 兼容接口，方便接入不同的 LLM 后端。

requirements.txt 中包含了大量依赖：fastapi（Web 服务）、ray（分布式计算）、openai（接口兼容）、pandas（数据处理）等，整体构建了一个功能完整的研究智能体运行环境。

快速上手：从在线 Demo 到本地部署

最简方案：在线 Demo

不需要任何配置，直接体验完整功能：

• 🤗 HuggingFace Spaces Demo：Alibaba-NLP/Tongyi-DeepResearch
• 💡 ModelScope Demo：ModelScope 在线体验

这两个在线 Demo 提供了完整的交互界面，可以直接输入研究主题，等待 AI 完成深度研究和报告生成。

本地部署：有 API Key 就能跑

# 1. 克隆项目
git clone https://github.com/Alibaba-NLP/DeepResearch.git
cd DeepResearch

# 2. 配置环境变量
cp .env.example .env
# 编辑 .env 填入 DASHSCOPE_API_KEY（通义千问 API Key）

# 3. 安装依赖
pip install -r requirements.txt

# 4. 运行推理示例
cd inference
bash run_react_infer.sh

本地部署需要准备的资源：

• Python 3.10+ 环境
• 通义千问 API Key（dashscope 服务）
• 网络连接（用于调用 API 和联网搜索）
• 若要本地运行大模型（不调用 API），则需要 24GB+ 显存的 GPU

硬件需求

场景	CPU	内存	显卡	存储
纯 API 调用	4核	8GB	无需	10GB
本地模型推理	8核	32GB	RTX 3090 / A100	50GB

评测表现：超越 GPT-4o 的深度搜索

项目在多个 benchmark 上进行了评测：

• HLE Benchmark：人类级评估基准
• DeepSearch Official Benchmark：深度搜索能力评测

阿里声称其在多项指标上超越 GPT-4o 和其他同类竞品。由于评测基准和评测条件的差异，这些对比数据需要结合具体测试环境来看待——但无论如何，DeepResearch 在中文信息理解和复杂推理任务上的表现是值得关注的。

局限与挑战：不是万能的研究助手

冷静看待，DeepResearch 也存在一些局限：

1. API 依赖：核心功能依赖通义千问 API，不购买额度则无法使用本地模型模式，这限制了其在隐私敏感场景的应用。

2. 幻觉问题：和其他 LLM 一样，DeepResearch 可能在信息整合过程中产生"幻觉"——即将不相关的信息错误地关联在一起，这是严肃研究场景中需要警惕的风险。

3. 长程推理成本：深度研究涉及多轮搜索和推理，每次研究任务的 token 消耗相当可观，实际使用成本不可忽视。

4. 中文互联网覆盖：虽然在中文信息处理上有优势，但涉及特定垂直领域（法律、医疗、金融）时，专业信息的准确性和时效性仍需人工核实。

行业意义：开源 Agent 生态的重要拼图

DeepResearch 的开源至少有三层意义：

对开发者：提供了一套完整的 AI Agent 工程实践参考，包含任务规划、多 Agent 协作、工具调用、评测体系等完整模块，是学习 Agent 开发的优质范本。

对研究者：技术报告和评测基准为"深度研究"这一新任务类型提供了可量化的评估标准，有助于推动该领域的学术进展。

对用户：HuggingFace 和 ModelScope 上的在线 Demo 大幅降低了体验门槛，让非技术用户也能感受 AI 研究助手的能力。

总结

通义深度研究智能体（DeepResearch） 代表了阿里 NLP 团队在 AI Agent 领域的一次重要尝试。它将大模型能力与信息检索技术深度结合，构建了一套可自主完成复杂研究任务的智能体系统。虽然在容器化和本地化部署方面还有提升空间，但其提供的在线 Demo 已足够让普通用户体验"AI 研究助手"的魅力。

对于想深入了解 AI Agent 架构的开发者，这套代码值得细读；对于有信息处理需求的从业者，在线 Demo 是值得一试的工具。开源社区的持续活跃，也让这个项目的未来演进值得期待。