从ReAct到IterResearch

ReAct的痛点

ReAct 的核心局限：每一轮工具调用和返回结果都被完整地追加到消息历史中。完成一个需要 20 步工具调用的研究任务，上下文会积累几万甚至十几万 token，极容易超出模型窗口限制，且越到后期模型越难「记住」最初的任务目标。

IterResearch 的解法

把 Deep Research 建模为马尔可夫决策过程（MDP），核心创新是引入「常量工作空间」。在 MDP 框架下，Agent 每一时刻的决策只依赖于当前的状态（State），而不需要完整的历史。

不再把完整的对话历史传给模型，而是维护一个结构化的状态文档，每步更新这个文档：

json 复制代码

{
  "research_question": "比较 2024 年中美两国电动车政策对特斯拉和比亚迪的影响",
  "confirmed_facts": [
    {
      "fact": "中国 2024 年新能源补贴延续至 2025 年",
      "source": "工信部政策文件"
    },
    {
      "fact": "美国 IRA 法案对在华生产电动车征收 100% 关税",
      "source": "白宫官网"
    }
  ],
  "pending_questions": [
    "比亚迪 2024 年海外销量数据",
    "特斯拉上海工厂受关税影响的具体测算"
  ],
  "search_history": [
    "中国电动车补贴政策 2024",
    "US IRA EV tariff China"
  ],
  "current_focus": "查询比亚迪 2024 年出口数据"
}

每步模型只看这个状态文档 + 最近一次工具返回，而不是完整的历史对话。工具的原始响应处理完即丢弃，只把提取的关键事实写入 confirmed_facts。这样无论任务做了多少步，传给模型的上下文长度始终接近常量，从根本上解决了上下文爆炸问题。

推理过程

IterResearch 采取的是 「读取-修改-覆盖」 策略：

Read（读取） ：模型读取当前的「状态文档」。
Think & Act（思考与行动） ：模型输出 <think> 和 <tool_call>。
Execute & Observe（执行与观察） ：系统运行工具，获得原始结果（比如 5000 字的网页内容）。
Refine（更新状态 - 关键一步） ：
- 重点：系统不再把 5000 字原文塞进对话历史。
- 而是启动一个 小模型（或再次调用主模型） ，要求它："根据刚才的搜索结果，更新上面的「状态文档」，把新知识填入「事实集」，把已解决的「盲区」划掉"。
Clean Slate（清空重置） ：下一轮开始时，清空之前的中间推理过程，只给模型发送更新后的「状态文档」。