背景
最近在关注 跨境电商 相关的东西，难免会从网上搜索各种资料。但是吧，感觉事倍功半的几点有：
- 搜到的资料又很分散，且有些相互佐证不能成系统引用
- 也会忽略某些方面的重点，进而导致关键信息缺失
- 无法形成一个系统的研究报告，以供最终系统性参考
正好最近也算系统性学历 LLM 相关的知识，于是就想做一个从某一议题出发最终输出系统性研究报告的 Agent。由于不仅仅是简单的搜索，而是带迭代逻辑的深度搜索。这也是 DeepRearchSystem 的缘起。
目标
- 给出查询主议题，根据议题动态拆解为支撑主议题的子查询。
- 对子查询进行并行的 Web搜索，并返回结果。保存结果和引用的对应关系。
- 循环迭代与反思。一次完成后，引入反思节点评估当前搜集的信息是否足以支撑对主议题的研究。
- 如果存在知识盲区（
knowledge_gap），它会自动生成后续查询，进入下一轮搜索（Loop），直到达到预设上限或信息充足。 - 溯源与报告生成 ：最终将所有碎片化的搜索结果（
Snippets）整合成一篇带有引用（Citation）的 Markdown 格式深度研报
初步想法
-
Planning（规划） ：
generate_search节点负责制定计划。 -
Tool Use（工具使用） ：
web_search节点负责执行。 -
Reflection（反思） ：
critique节点负责监控进度和质量。 -
Orchestration（编排） ：
LangGraph负责状态管理和流程控制。
核心技术(初步)
- LangGraph 编排
- Agent
- MCP
- LLM as Judge
- Prompt Engineeing
- Pydantic
- Json
- ADR
TODO
至此，关于 DeepRearchSystem 就有了一个大概的构想。后续有时间，持续更新整个项目的实现和进化。
