深度研究智能体 (Deep Research Agent) — 「搜索不是研究」与原子能力路线

「深度研究智能体」是把意图识别、长程规划、多工具调用、信息甄别与逻辑重构集成在一起的高阶认知任务型 Agent，被业界视为衡量通用智能体核心竞争力的「北极星」指标。阶跃星辰的 Step-DeepResearch 是这条路线最锋利的样本：它没追万亿参数的暴力美学，而是在 32B 中等参数上靠「原子能力」数据合成 + 端到端强化学习，做到媲美乃至超越 OpenAI o3、Gemini Deep Research，且单次报告成本不到 0.5 元人民币。^1

「搜索不是研究」：对现有范式的批判

Step-DeepResearch 反复强调一句技术哲学：Search is not research。当前许多 AI 搜索产品（含 Perplexity 类、简单 RAG 应用）把「研究」简化为「搜索」——把 query 转成关键词，对返回的前几条结果做摘要。这在有标准答案的多跳问答里也许有效，但面对开放式研究就捉襟见肘。

真正的研究是非线性、迭代的认知过程：质疑并重构初始意图、批判性评估搜索结果、敏锐感知缺失信息、交叉验证矛盾证据，最终构建严密的证据链闭环。过度追求「搜索效率」的基准（BrowseComp、GAIA 只看有标准答案的事实检索）把模型异化成了高效网页爬虫，而非有独立思考能力的研究者。这与频道 推理时代 讲的「System 1 → System 2」是同一转向在 Agent 层面的落地。

四种原子能力：把「研究」还原再重构

核心创新是不把深度研究当成不可分割的单一任务，而是解构为可独立训练、可迁移的「原子能力」（Atomic Capabilities），训练目标从「预测下一个 token」重塑为「决策下一个原子动作」：^1

原子能力	类比	数据合成关键手法
规划与任务分解	大脑	「后见之明」逆向工程：拿完美研报反推初始 query 与执行计划；轨迹一致性过滤只留「既画饼又圆饼」的轨迹
深度信息搜寻	感官	基于知识图谱子图采样构造多跳推理；用 QwQ-32b 做难度过滤，能被简单 ReAct 解决的题直接剔除，只留硬骨头
反思与验证	免疫系统	「错误-反思闭环」：诱导生成错误路径再强制反思；五步验证流 Extract→Plan→Verify→Replan→Report
报告生成	表达系统	Mid-training 内化领域行文风格；SFT 强制学 \cite{} 引文格式，每句关键论断必须有来源

三阶段渐进式训练管线

graph LR
    A[Agentic Mid-training<br/>32K→128K 课程学习<br/>注入原子认知图式] --> B[SFT<br/>组合原子能力<br/>正确且最短+鲁棒性注入]
    B --> C[RL/PPO<br/>Rubrics Judge 奖励<br/>从模仿者→探索者]

• Mid-training：约 150B token 后，模型在 FRAMES 等 Agent 基准提升 10%+，证明中间训练对长程推理的决定性作用。
• SFT：遵循「正确且最短」（奥卡姆剃刀）原则筛轨迹；刻意保留含 404、空结果的错误轨迹，注入「玻璃心」的反面——遇挫自我修正。
• RL：针对深度报告难用单一标量评价的问题，设计基于 Checklist 的 Rubrics Judge（如「是否覆盖了 2024 Q3 数据」「是否引用权威机构」），把三级评分映射为严苛二元信号，用 PPO 直接优化长程策略。

极简 ReAct 与三件工程「神来之笔」

与许多堆多智能体的系统不同，Step-DeepResearch 回归单智能体 ReAct（推理-行动-观察）本源，验证了「只要模型够强，单 Agent 也能处理复杂任务」。三个降本关键：^1

• 统一工具层：batch_web_surfer（批量并发浏览）+ todo（强制维护动态任务列表，防长任务「迷路 / 目标漂移」）+ file 的 Patch 操作（只改文档一小部分，长文修改 token 降 70%+）。
• 权威信息索引：600+ 核心权威站点白名单（政府/期刊/智库/研报），物理隔离 SEO 垃圾，从源头治「垃圾进垃圾出」。
• 视觉冗余消除（PHash 感知哈希）：连续网页截图高度相似时抑制图像输入回退纯文本（按需感知），大幅削减多模态 token——这是低成本的关键工程之一。

经济学：重新定义 Agent 成本

模型	类型	ResearchRubrics	单次报告成本(RMB)
Gemini DeepResearch	闭源商用	63.69	≈ 6.65
Step-DeepResearch	StepFun Agent	61.42	< 0.50
Kimi-k2-thinking	开源 ReAct	56.17	≈ 0.76
OpenAI DeepResearch	闭源商用	53.67	≈ 5.32

成绩仅次于 Gemini，却以不到竞品 1/10 的价格提供同级研究能力；在红杉中国 xBench-DeepSearch 上以 70% 通过率位列第一，证明它「不仅懂研究，更懂中文互联网」。它把原本昂贵的「专家级研究」普惠化，为金融分析、市场调研、学术综述等知识密集行业带来自动化曙光——这正是 推理时代 讲的「白领认知劳动贬值」的供给侧引擎。详见公司实体页 阶跃星辰。

诚实的局限

技术报告也坦承当前的「阿喀琉斯之踵」：工具使用在极端情况（API 鉴权失败、反爬升级）下仍脆弱；长链任务可能产生「逻辑通顺但缺证据」的合理幻觉（比离谱错误更难察觉）；某些决策（为何放弃某条搜索路径）对用户仍是黑盒，在金融法律等高风险领域构成合规障碍。未来路径是从单 Agent 走向多 Agent 协作（Planner/Retriever/Verifier/Writer 分工制衡）+ 过程监督（Process Reward Model 评估每一步而非只看最终报告）。「合理幻觉」与「过程监督」两点，恰好与 不法分子悖论 讲的「欺骗难检测」「需要过程级而非结果级验证」遥相呼应。完整定位见 智能体时代。