OpenAI Deep Research (OpenAI, 2025) 主要是采用以 o3 推理模型为基座的多 agent 协作方式。相关开源研究和产品之前也有不少，比如 GPT Researcher 和 Google Gemini 版本的 Deep Research (DeepMind, 2024)。不过 OpenAI 的产品是博主目前体验下来效果最好。之后咨询分析、论文综述和新闻编辑等任务都可以先让这个工具自动化完成，然后再由人工进行最后的修正和审查，怎么感觉之后我写技术博客的任务也会被替代了呢？😂

此外，另一个 OpenAI 近期发布的 agent 产品是 Operator (OpenAI, 2025)，这是一个类似 WebVoyager (He, et al, 2024) 的工具，能够让 agent 在浏览器上进行交互操作，并且操作过程中如果有错误，可以人为进行修正。

注意：下面内容是由 OpenAI Deep Research 生成的研究案例 😊，模型会有一定幻觉和格式上的错误，仅供参考。

原文链接: 深度研究技术综合研究报告

感谢您的详细说明！我将进行深入研究，以撰写一份关于“深度研究”技术的综合报告，主要聚焦于 OpenAI 的 Deep Research，同时涵盖 Google Gemini Deep Research 等类似技术。

该报告将：

  • 详细探讨 OpenAI o3 模型的架构及其优化技术。
  • 讨论深度研究所使用的 NLP、网络抓取、机器学习、语义嵌入等核心技术。
  • 结合参考案例进行分析，比较 OpenAI Deep Research 与 Google Gemini Deep Research。
  • 提供相关技术挑战、解决方案以及未来发展趋势。
  • 采用论文格式，引用 arXiv、顶会论文、OpenAI 博客等英文来源。

我将尽快完成研究并为您提供详细报告。

深度研究技术综合研究报告：OpenAI Deep Research 与 Google Gemini Deep Research 比较

1. 深度研究的技术概述

OpenAI Deep Research 及 O3 模型架构：“深度研究”（Deep Research）是 OpenAI 于 2025 年推出的一种新型自动化研究代理。它由即将发布的 OpenAI O3 模型的特制版本提供支持 (OpenAI’s deep research tool emulates a research analyst | Windows Central)。O3 模型基于大型Transformer架构，具备多模态处理能力和超大参数规模，专为网页浏览和数据分析任务优化 (OpenAI’s deep research tool emulates a research analyst | Windows Central)。该模型在设计上继承了 GPT-4 等前代模型的强大自然语言理解和生成能力，同时通过优化推理链和工具使用接口，能够像人类研究员一样自主执行多步骤研究任务。OpenAI 表示，用户只需提供研究课题提示，Deep Research 代理就会自动搜索、解析并综合上百个在线来源，产出一份全面、有引文的研究报告 (OpenAI’s deep research tool emulates a research analyst | Windows Central)。这一过程据称在十分钟内完成，相当于人类需要数小时才能完成的工作 (OpenAI’s deep research tool emulates a research analyst | Windows Central) (OpenAI’s deep research tool emulates a research analyst | Windows Central)。O3 模型还具备处理文本、图像和PDF等多种输入的能力，使其能分析各种格式的信息 (Google Gemini vs. OpenAI Deep Research: Which Is Better? - Techopedia)。架构上，O3 通过引入可微分的外部记忆模块和函数调用接口，强化了与工具和知识库交互的能力。这意味着模型可以将互联网视为扩展“记忆”，在生成答案时检索外部信息，从而缓解仅靠参数存储知识的局限 ([2005.11401] Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks)。总的来说，OpenAI Deep Research 基于 O3 模型实现了从问题理解、资料检索到信息综合的端到端自动化，为复杂研究任务提供了新的解决方案。

网页浏览与数据分析优化技术：Deep Research 特别针对网络信息检索和数据分析进行了优化。首先，代理采用内置浏览器环境执行网页搜索和爬取。这类似于早期的 WebGPT 实验，模型在一个文本浏览环境中可以发出搜索查询、点击链接并读取网页内容 ([2112.09332] WebGPT: Browser-assisted question-answering with human feedback)。与普通搜索引擎返回结果摘要不同，Deep Research 逐页提取原始资料并深入分析。为提高检索效率，系统可能使用查询优化和并行爬取技术：例如根据用户课题生成一系列相关查询词，批量检索多条结果；同时利用多线程抓取多个网页，以减少等待时间。抓取过程中，代理运用了HTML解析和内容过滤策略，自动跳过无关的导航、广告等元素，只保留正文信息进行分析。这种内容提取过程可能结合启发式规则和模型判断，以提炼出每篇文章中与课题相关的段落。

在数据分析方面，Deep Research 内建了轻量级的数据处理和统计功能。例如，当课题涉及数值数据（如市场份额、增长率等）时，代理可以调用嵌入的 Python 运行环境对收集的数据进行计算、制表和绘图 (Google Gemini vs. OpenAI Deep Research: Which Is Better? - Techopedia)。Techopedia 报道指出，OpenAI Deep Research 支持 Python 集成，可以即时生成图表并执行数值计算，以便对趋势进行分析 (Google Gemini vs. OpenAI Deep Research: Which Is Better? - Techopedia)。这种能力类似于 ChatGPT 的“代码解释器”工具，允许模型在沙盒中运行代码，对数据做进一步处理，然后将结果纳入报告。因此，在浏览器抓取到包含表格或统计数据的内容后，代理能够编写小段代码计算同比变化、绘制趋势图等，从而更深入地挖掘数据背后的模式。这些优化技术使 Deep Research 在处理涉及大量数据的课题时，既能保证对源信息的全面覆盖，又能进行适当的加工和验证。

推理机制与自主研究流程：OpenAI Deep Research 的核心是一套逐步推理 (step-by-step reasoning) 机制，指导代理完成多阶段的研究流程 (Google Gemini vs. OpenAI Deep Research: Which Is Better? - Techopedia)。这一机制借鉴了学术界提出的 ReAct (Reason+Act) 框架 ([2210.03629] ReAct: Synergizing Reasoning and Acting in Language Models)。具体来说，模型在每个迭代中都会交替地产生“推理轨迹”和“动作指令” ([2210.03629] ReAct: Synergizing Reasoning and Acting in Language Models)。推理轨迹是模型内在的思考过程，例如分析当前有哪些信息缺失、下一步该搜集什么；动作指令则是可执行的操作，如访问搜索引擎查询、打开特定链接、调用工具函数等。通过在推理和操作之间交替，模型能够一边思考一边获取新信息，从而逐步逼近完整答案 ([2210.03629] ReAct: Synergizing Reasoning and Acting in Language Models)。这一过程类似人类研究员在调研时的工作流：先根据问题分解子问题，搜索文献获取答案片段，再整合验证。Deep Research 会根据初始提示自动提出澄清性子问题或假设，然后针对每个子问题检索证据；若发现某路径结果不满足要求，还会动态调整计划（backtracking），尝试其他信息源 (Google Gemini vs. OpenAI Deep Research: Which Is Better? - Techopedia)。例如，OpenAI的代理在开始正式搜索前，会先根据用户提示向用户提问以澄清需求，明确研究范围和衡量指标 (OpenAI Deep Research vs Gemini Deep Research)。接着，它按照“数据提取->数据验证->注释标记->趋势分析”的顺序迭代推进 (OpenAI Deep Research vs Gemini Deep Research)。这种多轮推理使代理具有高度的自主性和灵活性，能够处理复杂的课题。研究表明，此类推理-行动交替策略有助于减少大语言模型的幻觉和错误传播，因为模型会及时用检索到的真实信息来校正和支撑其推理 ([2210.03629] ReAct: Synergizing Reasoning and Acting in Language Models)。

值得注意的是，OpenAI Deep Research 强调透明的推理过程。在用户界面上，代理的每一步行动和背后的理由都会实时展示给用户 (OpenAI Deep Research vs Gemini Deep Research)。例如，它会显示当前正在搜索什么关键词，找到了哪些来源，以及选择某个来源的原因。这种透明度一方面增加了结果的可信度，另一方面也方便用户介入指导。如果模型误解了需求，用户可以在中途纠正。相比之下，我们将看到 Google 的方案在这点上有所不同。这种以推理为驱动、结合工具行动的机制，使 Deep Research 能够像人类一样“深度”研究：不仅检索大量信息，还能反思信息质量、交叉验证事实，并不断调整策略直至得到可靠、详尽的结论 (Google Gemini vs. OpenAI Deep Research: Which Is Better? - Techopedia) (Google Gemini vs. OpenAI Deep Research: Which Is Better? - Techopedia)。

2. 使用的技术

OpenAI Deep Research 和 Google Gemini Deep Research 都融合了多种人工智能与数据处理技术，以实现自主的深入研究。下面分几个方面讨论它们使用的关键技术：

  • 大规模自然语言处理模型：两家的深度研究代理均由最先进的大型语言模型 (LLM) 提供智能支持。OpenAI 的 O3 模型和 Google 的 Gemini 模型都是数千亿到万亿参数级别的Transformer网络，经过海量语料预训练，具备强大的自然语言理解和生成能力 (Gemini (language model) - Wikipedia)。这些模型可以精准地理解复杂研究请求，生成结构良好的长篇回答。此外，它们都支持多模态输入。O3 模型可接收文本、图像、PDF、表格等作为上下文 (Google Gemini vs. OpenAI Deep Research: Which Is Better? - Techopedia)；Gemini 模型则从一开始就以多模态训练，能够统一处理文本、图像、音频、视频等多种数据 (Introducing Gemini: Google’s most capable AI model yet) (Introducing Gemini: Google’s most capable AI model yet)。例如，用户可以上传学术论文PDF或统计图表图片，OpenAI Deep Research 能直接解析其中内容并纳入分析 (Google Gemini vs. OpenAI Deep Research: Which Is Better? - Techopedia)。Google Gemini 在设计上也是原生多模态 (natively multimodal)的——它并非将不同模态的子模型简单拼接，而是在预训练时就让模型同时学习图像像素、音频频谱和文本序列，从而能够跨模态进行推理 (Introducing Gemini: Google’s most capable AI model yet) (Introducing Gemini: Google’s most capable AI model yet)。这使 Gemini 在多模态推理任务上表现出色，例如解读复杂图文信息并据此发现隐藏的知识 (Introducing Gemini: Google’s most capable AI model yet)。在语言处理方面，模型采用链式思维 (Chain-of-Thought) 等提示技术增强推理能力 (GPT-4 Technical Report) (GPT-4 Technical Report)。OpenAI 在 GPT-4 技术报告中指出，通过 few-shot 提示示例引导模型执行逐步推理，可以显著提升复杂任务表现 (GPT-4 Technical Report)。总之，深度研究代理借助最尖端的大模型作为大脑，支撑其理解任务、生成详实报告的能力。

  • 网络爬取与数据提取：为了获取所需的最新资料，这些代理都集成了网页搜索和爬取技术。OpenAI Deep Research 通过 ChatGPT 插件式的浏览器接口或内部工具实现自动网页浏览。模型能够构造搜索引擎查询，从返回结果中筛选有用链接并抓取页面内容 ([2112.09332] WebGPT: Browser-assisted question-answering with human feedback)。爬取过程结合了自然语言解析和HTML处理：代理或许使用预置的正则规则、DOM解析库，或直接利用语言模型本身来识别网页中的主要内容段落。例如，它可能让模型总结网页内容，以快速判断该页是否相关，然后决定是否深入阅读。对于半结构化的数据源（如维基百科、政府统计表格等），代理可以使用定制的爬虫或API获取结构化数据。Google Gemini Deep Research 则直接依托 Google 强大的搜索基础设施进行信息获取 (Google Gemini vs. OpenAI Deep Research: Which Is Better? - Techopedia)。它利用 Google 实时索引的海量网页，使得检索极为迅速且覆盖全面 (Google Gemini vs. OpenAI Deep Research: Which Is Better? - Techopedia)。代理会自动从搜索结果中爬取必要网页，并将内容输入其语言模型进行处理。在数据提取上，模型可能采取逐段阅读和语义过滤相结合的方法：将长篇文章按段落分割，利用语义嵌入或内容摘要来挑选出与查询相关的段落重点阅读 (Deep Chat JS, semantic search, and OpenAI integration) (Deep Chat JS, semantic search, and OpenAI integration)。这样可以避免将整篇无关内容塞入上下文，节省token空间和计算。深度研究还善于信息抽取，比如从新闻或论文中定位人名、时间、数值等关键实体，并整理到笔记中。对于需要的数据（如统计指标），代理可能搜索官方数据库或报告，并爬取表格数据。然后通过编程或内置函数将HTML表格转换为可用的数值。整个网络爬取与提取过程在幕后高度自动化，确保代理获得高质量、多样化的信息供后续分析使用。

  • 特定算法与人工智能技术：深度研究代理的研发融合了多项前沿 AI 技术和算法。首先，上文提到的 ReAct 推理+行动框架就是一个关键算法思想 ([2210.03629] ReAct: Synergizing Reasoning and Acting in Language Models)。通过在模型推理过程中引入决策动作，ReAct使模型可以与外部环境交互，从而获取新信息来支撑后续推理。这有效降低了纯静态推理时的幻觉风险，在OpenAI和学界的评测中被证明能显著提高问答的事实准确性 ([2210.03629] ReAct: Synergizing Reasoning and Acting in Language Models)。其次，基于工具的强化学习也是相关技术之一。OpenAI 的代理很可能经过专门的微调训练，使其善于调用搜索、浏览、代码执行等函数。例如，Meta AI 提出的 Toolformer 方法表明，可以通过在训练数据中加入工具使用示例，让模型学会何时调用哪个API以及如何利用返回结果 (Toolformer: Language Models Can Teach Themselves to Use Tools)。Deep Research 可能应用了类似思想，模型在遇到知识空缺时会主动发出搜索动作，而非凭空编造答案。

    另外，为了提高生成内容的可靠性，这些模型还经过人类反馈强化学习 (RLHF) 调优。OpenAI 早在 WebGPT 项目中就使用人类偏好反馈来训练模型给出有引用支撑的答案 ([2112.09332] WebGPT: Browser-assisted question-answering with human feedback)。Deep Research 代理的回答需要合乎学术标准，引用真实来源，因此推断其训练过程中也融入了“回答必须有引用依据”的奖惩机制 ([2112.09332] WebGPT: Browser-assisted question-answering with human feedback)。模型如引用了不存在的文献将被扣分，从而学会去引用真实检索到的资料。这与 WebGPT 在ELI5问答上的做法相似：模型需在回答中附上证据来源，由人类评审其答案是否充分且来源可靠 ([2112.09332] WebGPT: Browser-assisted question-answering with human feedback)。Google Gemini Deep Research 则可能借鉴 AlphaGo 式的强化学习来增强规划能力。DeepMind CEO Demis Hassabis 曾表示，Gemini 结合了 AlphaGo 的强项和大型语言模型的能力 (Gemini (language model) - Wikipedia)。AlphaGo 等强化学习算法善于长序决策和规划，Gemini 因此可能在研究任务上加入了类似MCTS（蒙特卡洛树搜索）或策略梯度方法，使其能预先规划研究步骤。事实上，Gemini代理在开始执行前会生成一份研究计划供用户审核 (OpenAI Deep Research vs Gemini Deep Research) (Google Gemini vs. OpenAI Deep Research: Which Is Better? - Techopedia)，这体现了一种规划算法的应用。总结来说，深度研究代理并非单靠一个语言模型完成任务，而是整合了检索、阅读、计算、规划等多个模块，各模块由相应算法驱动：检索模块用搜索引擎算法，阅读理解由NLP模型完成，计算分析借助嵌入的编程环境，规划决策通过强化学习和提示工程来实现。这种多技术融合使代理具备了“全栈”能力，从而胜任复杂的研究流程。

  • 向量数据库与语义嵌入：在信息处理过程中，深度研究代理大量运用了语义嵌入 (semantic embedding)技术和向量数据库来高效管理知识。语义嵌入是将文本转化为高维向量的方法，使语义上相似的文本在向量空间中距离更近 (Deep Chat JS, semantic search, and OpenAI integration) (Deep Chat JS, semantic search, and OpenAI integration)。无论是 OpenAI 还是 Google 的系统，都可能在后台构建了一个向量索引：当代理抓取了几十份相关文档后，它可以将这些文档片段转成向量存储在内存或临时数据库中。随后，当代理需要某方面的信息时，不必全文逐页翻找，而是通过向量相似度检索快速定位最相关的片段 (Deep Chat JS, semantic search, and OpenAI integration)。例如，代理在分析一个话题的不同侧面时，可以针对每个子课题将已收集资料向量化，然后对用户的新提问或下一个推理点生成查询向量，在向量数据库中检索Top K相近的段落 (Deep Chat JS, semantic search, and OpenAI integration)。这种方式大大加快了信息检索速度，并减少重复爬取。同样，向量数据库还有助于融合多来源信息：模型可将来自不同网站的相似内容聚类，以发现共识或差异。这也有利于可靠性分析——如果多个嵌入相近的段落来自不同权威来源，模型会更信任其中信息。OpenAI 的嵌入模型（如 text-embedding-ada 系列）以及向量索引库（如 FAISS、Qdrant）为此提供了支持 (Deep Chat JS, semantic search, and OpenAI integration)。实际应用中，开发者经常采用检索增强生成 (Retrieval-Augmented Generation, RAG)框架 ([2005.11401] Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks)：先用嵌入检索知识，再把相关内容喂给LLM生成回答。Deep Research 正是RAG思想的高级实践——自动完成了检索和生成两个步骤。在这一过程中，Top-K最近邻搜索算法被用来从数以百计的向量中选出最相关的若干段落 (Deep Chat JS, semantic search, and OpenAI integration)。这种最近邻搜索通常基于高效的数据结构（如HNSW图），可以在子毫秒级返回结果，即使向量库很大也足够快。另外，语义嵌入还能用于结果去重和多样性：如果不同搜索查询返回的结果在向量空间非常接近，说明内容高度相似，可以避免重复阅读同质信息，从而将精力用于补充新的视角。综上，语义嵌入和向量数据库是深度研究系统的信息“记忆”和检索引擎，支撑了其对海量资料的高效利用。

  • 可扩展性与性能优化：深度研究代理为了处理大规模数据和长时任务，采用了一系列性能优化策略来保证可扩展性。首先，并行处理是提高效率的主要手段之一。OpenAI Deep Research 在多步骤流程中可能会并行执行某些独立任务。例如，在初始检索阶段，代理可以同时发出多个不同的搜索查询（针对课题的不同子问题） (Google Gemini vs. OpenAI Deep Research: Which Is Better? - Techopedia)；对于获得的一批网页，也可以并发抓取和粗略摘要，再由主模型逐一精读分析。这种并行爬取和预处理能够充分利用多核CPU和分布式计算资源，减少等待瓶颈。Google 的系统在这方面更具优势，借助其强大的云计算和搜索架构，可以在短短几分钟内抓取并分析几十个来源 (OpenAI Deep Research vs Gemini Deep Research)。其次，逐层细化策略提高了处理长文档的能力。代理不会尝试一次性将所有文本都放入上下文，而是分层摘要：先用一个较小的上下文窗口获取文档要点，再根据需要细读其中相关段落。这有点类似分页读取，加上向量检索筛选相关页的手段，使其能够扩展处理超出单次上下文长度的内容。此外，模型可能利用分段内存或检查点机制来保持长程信息：例如，将中间结论和已验证的事实存入一个临时内存（可能也是以嵌入形式），在后续步骤通过检索引用，而不必把早期所有内容一直携带在prompt中。这种外部化记忆可以看作扩大了有效上下文。

    在生成长篇报告时，模型也应用了分段生成策略，以确保连贯和效率。它可能先生成报告的大纲（包括章节结构），然后逐段填充具体内容。每一章节完成后，再结合下一章节需要的信息进行衔接。这样做可以将一次生成拆分成多次，小段落生成更快且可控。同时，代理注重源引用缓存：当某段内容已经找到了满意的来源并引用，后面若再次需要相似信息，会直接调用之前缓存的出处以避免重复查询。所有这些措施令深度研究代理能够在5-30分钟内完成一个复杂课题的全面研究 (Google Gemini vs. OpenAI Deep Research: Which Is Better? - Techopedia) (OpenAI Deep Research vs Gemini Deep Research)。Google Gemini Deep Research 通常更快，5-15分钟即可完成，因为其流程较为固定且充分利用了Google现有的搜索速度优势 (OpenAI Deep Research vs Gemini Deep Research) (OpenAI Deep Research vs Gemini Deep Research)。最后，从基础架构看，OpenAI 为专业用户提供的 Deep Research 服务限制每月约100次查询、每次最长30分钟 (Google Gemini vs. OpenAI Deep Research: Which Is Better? - Techopedia)。这样的限制也是出于可扩展性考虑，避免单个用户长时间占用计算资源，从而服务更多用户。在未来，随着模型和硬件效率提升，这些时间和次数限制有望逐步放宽，使深度研究技术以更大规模应用。

3. 参考项目和实现

**OpenAI Deep Research 与 Google Gemini Deep Research 比较：**OpenAI 和 Google 都推出了各自的深度研究代理，它们在目标功能上相似，但在实现细节和用户体验上存在显著差异。以下从多个方面对比两者的特点：

综上，OpenAI Deep Research 与 Google Gemini Deep Research 各有优势：前者在推理深度和过程透明上更强，适合需要信任和细节的专业应用；后者在速度、集成和成本上更有优势，更贴近一般信息查询的升级版 (OpenAI Deep Research vs Gemini Deep Research)。选择哪种取决于用户需求：若追求交互式深入洞察，OpenAI是值得的投入；若偏好快速得到结构化结果且预算有限，Google方案是不錯的选择 (OpenAI Deep Research vs Gemini Deep Research)。

相关 OpenAI 项目：OpenAI Deep Research 的开发并非孤立无援，它建立在此前一系列OpenAI项目的基础上，也和其他同期项目并行发展。一个直接的先驱是 2021年的WebGPT实验 ([2112.09332] WebGPT: Browser-assisted question-answering with human feedback)。WebGPT 将GPT-3模型与一个文本浏览器环境相结合，通过模仿人类上网找答案并辅以人类反馈训练，证明了语言模型可以执行浏览器查询、阅读网页、引用来源来回答问题 ([2112.09332] WebGPT: Browser-assisted question-answering with human feedback)。Deep Research 明显继承了 WebGPT 的理念，将其拓展为通用的多步研究。另一个相关项目是 OpenAI 2023年开始在ChatGPT中提供的插件功能，尤其是浏览插件和代码运行器。这些插件让模型可以调用外部工具，访问网络或执行代码，与Deep Research的能力有相似之处。可以认为Deep Research将这些插件的功能整合为一个统一的代理，使之更自动化和面向特定任务。

2023年中，OpenAI的GPT-4模型开放了函数调用 (Function Calling) 接口，允许开发者定义工具供模型调用 (Function calling and other API updates - OpenAI)。Deep Research 很可能利用了函数调用机制来执行搜索和抓取等动作：即定义诸如 search(query)、open_url(url)、run_python(code) 等函数，由模型在对话中决定调用，从而实现与外部环境交互。这种架构极大增强了模型处理复杂任务的能力，也是Deep Research技术栈的一部分。

除了研究任务本身，OpenAI还在推进其他自主代理。例如OpenAI Operator是2025年1月推出的另一款代理，用于控制计算机执行各类任务 (OpenAI’s deep research tool emulates a research analyst | Windows Central)。Operator 可看作是面向操作系统/软件操作的自动化助手，而 Deep Research 面向知识获取领域。两者都属于OpenAI探索通用代理 (Agent) 的一环，被称为一系列“推理模型 (reasoning models)”中的成员 (OpenAI’s deep research tool emulates a research analyst | Windows Central)。员工透露OpenAI已有 O1、O2、O3 等不同代号的推理模型，不断提升推理和自主能力 (OpenAI’s deep research tool emulates a research analyst | Windows Central)。可以预见，这些项目之间会有技术和经验的共享，例如Operator在规划多步骤任务上的经验可反哺Deep Research。

值得一提的还有一些社区驱动的项目，如2023年流行的Auto-GPT和BabyAGI等开源自主代理。这些项目尝试让GPT-4自动分解目标、连续调用自身来完成复杂任务，被视为通往 AGI 的尝试。虽然不是OpenAI官方产品，但OpenAI显然从中获得了启发。Deep Research 更加稳健和有针对性，相当于一个受控的“AutoGPT”用于研究领域，避免了无目的循环。但理念上都在探索让AI 自主连续地工作。因此，Deep Research 可以看作 OpenAI 在专业受控环境下实现自主 AI的实例。这一项目与上述OpenAI插件、Operator代理一起，构成了OpenAI AGI研究路线的重要布局 (OpenAI’s deep research tool emulates a research analyst | Windows Central)。

技术案例研究：实际应用示例
为了更直观地了解深度研究代理如何运作，这里提供一个实际案例，比较OpenAI和Google代理的表现：

案例: 移动互联网渗透率与语言学习市场分析。假设我们希望研究“过去5年中前10个发达国家和前10个发展中国家的移动电话普及率变化，并比较iOS/Android的使用率，以及各国有多少人口有意愿学习另一种语言”，最终产出一份报告并给出在哪些市场推出语言学习App机会最大 (OpenAI Deep Research vs Gemini Deep Research)。

**OpenAI Deep Research 执行：代理首先与用户交互，提出澄清问题：“这里的‘渗透率’是指占总人口的百分比吗？语言学习意愿是否有数据来源？”用户确认渗透率按百分比，并希望它自行假设缺失数据。 (OpenAI Deep Research vs Gemini Deep Research)得到明确需求后，代理开始多步研究。它将任务拆解为几部分：1）搜集各国历年移动普及率数据，2）获取各国iOS与Android市场份额，3）调查各国居民学习第二语言的意愿数据，4）综合分析并给出建议。代理首先查询世界银行或ITU统计报告获取移动普及率，并找到过去5年的数据表；随后搜索移动操作系统市场份额的报告，得到前十大国家OS占比的数据；再搜索教育或调查报告，找到各国关于语言学习意向的调查结果。每一步搜索后，代理都会验证数据可靠性，例如对比多个来源的数值是否一致，并标注来源 (OpenAI Deep Research vs Gemini Deep Research)。在分析阶段，OpenAI代理使用Python计算各国渗透率5年增长率，绘制趋势图（这些图在生成报告时会转换成Markdown格式的ASCII图表或描述） (OpenAI Deep Research vs Gemini Deep Research)。它还对发达国家与发展中国家进行了组间对比，发现发展中国家总体增速更快。接着，代理将所有信息组织成报告：开头是对移动渗透和语言学习的背景概述，其次按发达和发展中两组分别讨论数据，插入一张对比表格列出每个国家的当前渗透率、iOS占比、Android占比和语言学习意愿百分比。报告还包括“研究方法”**小节，说明数据来源和可靠性（这一点是Google报告默认包含的，但OpenAI代理为了专业性也会生成说明，以获得用户信任） (OpenAI Deep Research vs Gemini Deep Research)。在结论和建议部分，OpenAI代理综合数据指出：一些发展中大国（例如印度、巴西）移动普及率虽快速提升但仍有提升空间，且语言学习意愿高，而这些国家Android占比远超iOS；因此建议如果推出语言学习App，应优先面向Android平台并针对这些市场 (OpenAI Deep Research vs Gemini Deep Research) (OpenAI Deep Research vs Gemini Deep Research)。整个过程中，OpenAI代理共引用了大约30个来源，每个关键数据后的括号中标注了来源编号，对应参考文献列表，方便读者核查 (OpenAI Deep Research vs Gemini Deep Research)。完成时间约12分钟，得到一份详细、图文并茂且具有战略见解的报告 (OpenAI Deep Research vs Gemini Deep Research)。

Google Gemini Deep Research 执行：对于相同的课题，Google代理在用户提交查询后，首先自动生成了研究计划，例如：“计划：1）使用Google搜索获取20国移动渗透率数据，2）获取iOS/Android占比数据，3）获取语言学习意向数据，4）整理分析并生成报告。”用户可以编辑这个计划（本例中用户接受计划，但为了公平将OpenAI澄清的问题加入提示） (OpenAI Deep Research vs Gemini Deep Research)。然后代理开始执行而无需进一步提问。它利用Google强大的搜索直接获取到了相关数据来源列表（可能包括世界银行数据库、StatCounter网站、EF英语能力报告等）。由于速度较快，约6分钟后，代理完成了信息收集和分析 (OpenAI Deep Research vs Gemini Deep Research)。Google代理将输出发送到Google文档作为最终报告。报告结构清晰，包含引言、方法、分析和结论等部分 (OpenAI Deep Research vs Gemini Deep Research)。其中“研究方法”部分详细说明了数据来自何处，例如引用了ITU报告2024版、StatCounter 2023年统计、EF教育报告等，并陈述已交叉核对主要指标 (OpenAI Deep Research vs Gemini Deep Research)。报告的分析部分以段落叙述各国数据趋势，穿插表格比较。例如，有一个表格列出了“发达 vs 发展中国家的移动渗透率（2018和2023年）、年均增长、iOS%和Android%、第二语言学习意愿%” (OpenAI Deep Research vs Gemini Deep Research)。这些数据都有脚注标明来源编号，每段末尾列出引用链接 (OpenAI Deep Research vs Gemini Deep Research)。不过，报告正文没有将单句与具体来源一一对应（这点不如OpenAI的细粒度引用透明）。Google代理的结论聚焦于关键发现：比如“发展中国家智能机渗透仍落后发达国家约20个百分点，但增长更快 (OpenAI Deep Research vs Gemini Deep Research)，Android主导新兴市场90%以上份额，同时这些国家有平均40%以上的人有学习新语言的意愿”，然后建议“针对印度尼西亚、尼日利亚等Android用户众多且语言学习需求高的国家制定市场策略”。整个报告行文流畅、风格正式，有如咨询公司白皮书。由于过程不可见，我们只能从结果推测，Google代理在内部也是先把数据存入临时结构（或许利用其知识图谱）然后生成。不过，它在结果中很强调来源可靠性，并无明显幻觉错误。执行时间比OpenAI快，大约6分钟，来源数量同样在25-30个左右 (OpenAI Deep Research vs Gemini Deep Research)。

比较分析: 这个案例显示，OpenAI Deep Research 和 Google Gemini Deep Research都能胜任复杂多维的数据分析任务，但各有侧重。OpenAI代理提供了更深入的探索过程：通过不断提问和交互，确保对需求的理解万无一失，并在分析中加入了更多解释和可视化（如趋势图）。这使报告富有洞察力，但也更费时。Google代理则充分发挥工具和速度优势：借助搜索和表格，它迅速汇总信息并排版成报告，省去了交互时间。其结论虽中肯详实，但在洞察力和创新建议上可能略少一分“惊喜”，更像是中立地呈现事实。这契合它设计用于高效信息汇总的定位。值得注意的是，两者都体现了AI代理超越人力的效率：如OpenAI员工所说，Deep Research 在10分钟完成了传统上需要3小时的市场调研工作 (OpenAI’s deep research tool emulates a research analyst | Windows Central)。这一效率提升对知识工作者具有革命意义。

4. 关键研究论文和学术参考

深度研究代理结合了近年来多个前沿研究方向的成果。下面总结几篇奠基性和最新的研究工作，它们构成了该技术的学术基础：

  • ReAct: Synergizing Reasoning and Acting in Language Models (Yao et al., 2022) ([2210.03629] ReAct: Synergizing Reasoning and Acting in Language Models) ([2210.03629] ReAct: Synergizing Reasoning and Acting in Language Models) – 这项工作提出了令LLM同时生成推理轨迹和动作指令的ReAct框架。传统上，“链式思维”侧重让模型写出思考步骤，而“工具使用”是分开研究的。ReAct 将二者融合，模型一边内在推理一边外部行动（如查询知识库）。论文通过在问答和复杂决策任务上实验，证明ReAct不仅提高了模型准确性，还使模型行为更可解释、更可信 ([2210.03629] ReAct: Synergizing Reasoning and Acting in Language Models)。例如在开放域问答中，引入Wikipedia查询动作可以纠正模型原本不可靠的推断。ReAct 框架正是像OpenAI Deep Research这样代理系统的灵魂：让模型自己决定何时需要搜索或工具，从而动态地完成多步任务。这篇论文发表于2023年ICLR会议，引用了丰富的实验数据，奠定了LLM作为自主代理的理论基础。

  • WebGPT: Browser-assisted Question-Answering with Human Feedback (Nakano et al., 2021) ([2112.09332] WebGPT: Browser-assisted question-answering with human feedback) ([2112.09332] WebGPT: Browser-assisted question-answering with human feedback) – OpenAI的研究团队在这篇论文中探索了让GPT-3模型学会上网找答案的方法。他们构建了一个文本浏览环境，模型可以输入搜索查询、点击链接阅读网页，并必须在回答中引用来源 ([2112.09332] WebGPT: Browser-assisted question-answering with human feedback)。通过模仿人类示范（行为克隆）和加入人类反馈奖励，WebGPT 模型在长文问答数据集ELI5上表现超越了人类回答的平均水平 ([2112.09332] WebGPT: Browser-assisted question-answering with human feedback)。这项工作最重要的贡献在于引入人类偏好优化使模型学会引用真 实来源，而非臆造答案 ([2112.09332] WebGPT: Browser-assisted question-answering with human feedback)。WebGPT展示了语言模型能用于实际的网络信息查询，并达到高可信度输出，对后续深度研究代理的开发具有里程碑意义。

  • Retrieval-Augmented Generation (RAG) for Knowledge-Intensive NLP (Lewis et al., 2020) ([2005.11401] Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks) ([2005.11401] Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks) – 来自Facebook AI的研究者提出了RAG模型，将预训练语言模型与非参数知识库结合，用以解决知识密集型任务。论文指出，仅靠参数记忆知识的LM难以更新知识且缺乏溯源机制，而融合了检索模块的模型能动态获取最新信息并提供来源 ([2005.11401] Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks)。RAG框架使用一个神经检索器从Wikipedia向量索引中找出相关段落，再让生成模型以此为条件生成答案 ([2005.11401] Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks)。实验证明，在开放域问答等任务上，RAG比纯语言模型和传统检索+抽取方法取得更好效果 ([2005.11401] Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks)，并生成更具体、更真实的回答。这奠定了后来诸多系统的范式，包括Bing/GPT-4的检索增强模式以及深度研究代理的设计思路：知识检索 + 生成。RAG作为NeurIPS 2020论文，影响深远。

  • Gemini: A Family of Highly Capable Multimodal Models (Gemini团队, 2023) () () – 这是一份由Google DeepMind发布的技术报告，详细介绍了Gemini模型的架构与性能。报告指出，Gemini 1.0系列包括Ultra、Pro、Nano三个规模，旨在在跨模态领域取得突破 ()。Gemini使用了联合训练的方法，让模型同时学习文本和图像、音频、视频，从而拥有原生的跨模态理解和推理能力 ()。实验结果令人瞩目：Gemini Ultra在测试的32项基准任务中有30项达到新SOTA，在MMLU综合考试基准上首次达到人类专家水平（超过90%） () ()。这证明了大模型在多模态和推理上的新高度。对于深度研究，Gemini报告的意义在于展现了大模型多模态融合的潜力，以及在推理任务上赶超甚至部分超越GPT-4的实力，为Google Gemini Deep Research提供了强大的模型支撑。

  • Demis Hassabis 对 Gemini 模型的展望 (Hassabis, 2023) (Gemini (language model) - Wikipedia) – 在一次接受《连线》(Wired)杂志采访时，DeepMind CEO Demis Hassabis 谈到了即将推出的Gemini模型。他强调Gemini将融合AlphaGo的能力与Google/DeepMind过往语言模型的优势，有望在能力上超越OpenAI的ChatGPT/GPT-4 (Gemini (language model) - Wikipedia)。AlphaGo等强化学习系统擅长长序规划和博弈推理，将这些思想融入Gemini意味着模型可能具有更强的决策规划和问题求解能力。这番言论虽非正式技术细节，但代表了业界对下一代通用智能模型的期许，即通过借鉴不同AI领域的顶尖成果来打造更全面的AI。事实也证明，在Gemini 2.0中Google引入了原生工具使用和规划功能，推动其成为“agentic”时代的基础 (Google introduces Gemini 2.0: A new AI model for the agentic era)。Hassabis的观点为理解Google Gemini Deep Research背后的理念提供了背景：那就是将强化学习、规划与LLM结合，实现代理式智能。

  • GPT-4 Technical Report & System Card (OpenAI, 2023) (GPT-4 Technical Report) (GPT-4 Technical Report) – 虽然OpenAI对GPT-4模型的细节讳莫如深，但技术报告和系统卡片提供了关于安全和伦理的重要信息。其中提到，GPT-4在输出中仍存在各种偏见，OpenAI为缓解这些问题做出了许多努力，但彻底解决仍需时间 (GPT-4 Technical Report)。报告描述了OpenAI通过增加安全相关的RLHF数据和规则奖励模型，来降低有害或偏颇内容的产生，并希望模型默认行为能反映广大用户的价值观，同时允许在一定范围内定制 (GPT-4 Technical Report)。这些安全措施和价值对齐方法与深度研究息息相关。因为一个研究代理需要避免被网上充斥的偏见或错误信息误导，也要防止输出不当结论。OpenAI在GPT-4上的安全策略，如对抗性测试和模型辅助的安全审查，为Deep Research的开发提供了指导，确保代理在自动检索开放网络信息时不会一味采信不可靠来源，而是倾向权威数据 (Google Gemini vs. OpenAI Deep Research: Which Is Better? - Techopedia)。此外，OpenAI还强调了隐私、虚假信息等风险 (GPT-4 Technical Report)。这些考量在深度研究场景下体现为：对爬取到的数据进行可信度打分、过滤阴谋论或极端内容，以及在报告中明确引用来源增加透明度。GPT-4系统卡片和相关研究（如TruthfulQA测评等）为开发深度研究代理提供了伦理与安全准绳。

  • 其它相关研究：除了上述主要工作，许多研究为深度研究技术提供了支撑。例如，Stanford 大学2022年的 “Self-Ask” 方法探索了让模型自行提出子问题并用Google搜索寻找答案，从而逐步解决复杂问答 (Do Large Language Models with Reasoning and Acting Meet … - arXiv)。这种思路与Deep Research代理的自我提问类似。Meta AI的 “Toolformer” (Schick et al., 2023) 则展示了模型可以通过少量有监督信号学会使用各种工具API (Toolformer: Language Models Can Teach Themselves to Use Tools)。这直接启发了深度研究代理调用多种工具（搜索、计算）的能力。此外，在长文档处理上，Google Research的模型如 LongT5、Transformer-XL 等关于扩展上下文和记忆的研究，也可能贡献了技术要素。LangChain 等开源框架在工业界提供了构建自主代理的范式，包含计划-执行-记忆模块划分，与Deep Research类似的流水线思路。学术界对知识可信度评估、事实验证的研究（如 Fever 数据集等）帮助代理判断网络信息真伪。总之，深度研究技术不是凭空出现的，而是站在众多NLP、IR（信息检索）、RL（强化学习）工作的肩膀上，集大成地将这些成果应用于自动化研究这一创新场景。

5. 技术挑战和解决方案

尽管深度研究代理表现出令人惊叹的能力，但在实现过程中也面临诸多技术挑战。下面讨论一些关键挑战以及采用的应对策略：

  • 数据质量保证与可靠性：互联网信息良莠不齐，如何确保代理引用的数据准确可信是首要挑战。为此，Deep Research 代理实现了多层面的质量控制。首先在检索阶段，它倾向于权威来源。OpenAI代理会优先选择学术论文、官方统计、知名媒体等作为信息来源 (Google Gemini vs. OpenAI Deep Research: Which Is Better? - Techopedia)。模型可以根据域名特征（如“.edu”, “.gov”）或站点知名度来判断可信度。此外，代理常常交叉验证关键事实：如果某数据只在一个来源出现，模型会尝试寻找第二个来源印证，避免孤证。第二，在引用过程中，模型只引用它实际看过并解析过的资料，这通过训练和系统约束保证。例如WebGPT的方法，让模型必须提供引用才能得高分 ([2112.09332] WebGPT: Browser-assisted question-answering with human feedback)，因此Deep Research也会自发去检索能够佐证其断言的页面，没有依据的断言会被模型自身识别为不可靠而避免输出。第三，系统针对常见错误信息有过滤机制。OpenAI可能内置了一个“黑名单”或使用大型语言模型自身来评估内容的真实性。一些明显谣言或虚假医学信息，模型通过大概率识别并不予采用。这类似于OpenAI在GPT-4安全系统中所做的，对训练和生成进行约束以减少传播错误信息 (GPT-4 Technical Report)。最后，用户在环路中仍扮演重要角色：深度研究报告提供详尽引用，使用户能够方便地自行验证。如果某条信息看起来可疑，用户可以一键打开引用链接核查原文。这种可验证性确保了即使AI遗漏了不实信息，用户也有机会识别并纠正。因此，多管齐下的措施提升了代理输出的可靠性。当然，这并非万无一失，仍需警惕模型可能的幻觉引用（引错来源）或来源本身的不准确。为进一步改进，可能引入专门的事实核查模型对代理草稿进行审核，在最终输出前纠错。

  • 大规模数据处理的可扩展性：面对动辄数十上百份文档的研究任务，如何让代理高效处理且在硬件限制内运行是一大挑战。前面提到的一些并行和分层策略缓解了这个问题。然而，仍有必要考虑极端情况：若用户问题需要全网爬取大量资料（比如系统综述），模型上下文长度或调用次数都可能不堪重负。为此，OpenAI和Google采取了任务范围限制和资源调度策略。系统可能对每次Deep Research请求设定了隐含的资料检索上限（例如最多访问50个网页或检索1小时的内容）。一旦达到上限，代理会开始整理已有信息，即使还有未完全覆盖的角度，也优先产出一个可用报告。这保证了延迟不会无上限增长，也防止单次任务耗尽资源。另外，Google由于有自主搜索索引，许多查询的答案可能已被摘要存储，可以直接获取，而不必真正去访问远端站点（例如知识图谱或FAQ提供快速答案）。OpenAI则可能在自家域（如openai API文档、已有数据库）上构建了部分索引，提高常见知识的访问速度。流式处理也是方案之一：代理可以一边爬取一边输出初步结果，以流水线方式工作，而不是等所有数据拿到后才开始分析。不过当前Deep Research产品界面未体现流式输出，猜测其内部可能还是同步处理。为了扩展性，OpenAI正在探索Team版本（团队共享）和插件API，使多个用户可以并行使用代理而互不干扰。这需要优化后端服务架构，如对模型实例的复用和负载均衡。未来，随着更高性能模型（如O4）和更高效算法（如稀疏注意力）的出现，处理百篇文档甚至整站抓取将更为可行，深度研究代理的可扩展性也会水涨船高。

  • 数据隐私与安全、偏见和不当信息的处理：深度研究代理在上网搜索时，可能接触到涉及隐私或敏感的内容。同时，模型本身可能带有训练数据中的社会偏见。这些都是必须谨慎应对的伦理挑战。首先，在用户数据隐私方面，当用户提供自己的资料（如私密PDF）让代理分析时，OpenAI承诺不会将这些内容用于训练，并采取严格的访问控制，确保这些敏感数据仅在完成请求所需的短期内存在于内存 (Peer review of GPT-4 technical report and systems card - PMC)。如果代理需要访问需要登录验证的页面（如个人账户数据），当前设计中一般不会去抓取，以免越权。此外，OpenAI和Google都对深度研究代理加入了内容过滤模块。当模型检索到潜在不安全内容（暴力、色情、仇恨言论等），可能会触发过滤规则，中止该方向的研究并提醒用户。这类似于ChatGPT内置的审核系统，确保代理不会因为检索开放网络而变成不受控地输出违规内容。

    关于偏见缓解，正如GPT-4系统卡所述，OpenAI投入大量精力减少模型固有偏见 (GPT-4 Technical Report)。深度研究场景下，一个体现是：模型在汇报多个来源的信息时，会注意多元性和平衡性。例如在政策话题上，代理会尽量呈现不同观点来源，而非单方面引用，从而避免偏颇。对于模型可能产生的不当表述，OpenAI的RLHF和价值观对齐使其默认采用中性、客观的语气叙事 (GPT-4 Technical Report)。Google也有AI原则明确禁止模型输出歧视性内容。Gemini模型经过了Google迄今最全面的安全评估，在出厂时已过滤大量有害数据 (Introducing Gemini: Google’s most capable AI model yet)。因此，代理很少主动生成冒犯或偏激的语言。错误信息的伦理处理也是焦点：代理或许能访问到阴谋论网站、虚假新闻。如果模型不加选择地引用这些，将助长错误信息传播。应对上，除了之前提到的可信度判断，模型在报告措辞中也会保留谨慎。如果某重要数据只有存疑来源支持，模型可能会标注“有些来源声称X，但可靠性未知”，而不会把它当确定事实写出。这种不确定性的表达，实际上也是在承担研究伦理责任——让读者知晓信息可能不可靠。最后，深度研究代理和现有基础设施集成时，需要考虑安全接口：OpenAI在提供Deep Research功能给用户时，会设置调用频率和数据大小限制，以防被用于爬取敏感站点或进行钓鱼攻击。Google也只允许其代理检索公开网页而非深网私人信息。这些限制确保代理行为在既定法律和伦理框架内运作。

  • 与现有AI和数据基础设施的集成：深度研究代理要发挥最大价值，必须融入用户现有的工作流程和数据生态。这带来了集成方面的挑战和解决方案。对于Google而言，Gemini Deep Research已经与Google Docs、Sheets无缝衔接：用户可以一键将代理生成的报告保存为文档，或将数据表插入Sheets继续加工 (OpenAI Deep Research vs Gemini Deep Research)。这充分利用了用户熟悉的工具，降低采用门槛。OpenAI则在探索通过API接口让Deep Research接入企业内部知识库或应用。例如，一个公司可以将自有数据库（如销售数据、专利库）接入OpenAI插件系统，供Deep Research在调研时一并检索。这涉及将向量数据库技术部署在企业环境，并授权给OpenAI模型访问。由于有函数调用能力，模型可以通过安全网关查询企业API，在报告中结合内部数据和公开数据。这样的集成实现了专有信息 + 公开信息的融合研究，对企业决策非常有价值。当然，这也要求严格的身份验证和权限控制，防止公司敏感数据泄露给OpenAI或外部。OpenAI团队版或插件模式可能通过加密传输和隔离执行来保障这一点。

    此外，深度研究可与现有的数据分析管线集成。例如将Deep Research作为BI工具的上游：先由代理做定性研究和数据收集，然后将数据传给BI系统做深入建模。反过来，如果企业已有数据仓库，代理也可直接查询仓库获取最新数据点。技术上，这要求代理支持SQL查询或通过自然语言接口访问数据库。OpenAI近来的功能扩展（如数据库插件）表明这是可行的。Google的优势则是其搜索和知识图谱本身就是巨大的数据基础设施，Gemini代理天然集成了这些。当用户问到某公司财报数据，Gemini可能直接从其知识图谱提取结构化数据，而无需额外爬取。这种与知识图谱的结合也是一项集成，提升了效率和准确性。

    最后，在MLOps层面，深度研究代理需要与模型监控、日志系统集成。每次代理执行都产生大量过程数据，如何存储有用的日志供将来审计或改进？解决方案可能是将过程日志矢量化存储，日后训练新模型时用作示例（反馈学习）。也可以与现有A/B测试平台集成，通过比较代理结果与人工结果、或OpenAI vs Google结果，持续评估改进代理算法。总体而言，深度研究代理的集成性还在早期，但趋势是开放接口。OpenAI已表示计划让Deep Research面向Plus用户甚至开放API (OpenAI’s deep research tool emulates a research analyst | Windows Central)。届时，各行业就能把这一强大工具嵌入自己的数据和应用中，形成“AI研究助手无处不在”的新生态。

6. 未来技术发展

随着深度研究技术的发展，我们可以预见它在未来的增强方向和潜在研究热点：

  • 即将发布的功能和增强：首先，在模型层面，OpenAI可能会推出更强大的推理模型（代号也许是O4或直接称为GPT-5），具备更长上下文、更高推理深度和更快速度。这将直接提升Deep Research的性能。例如，O3模型据传已支持数十万字节级的上下文，那么未来模型可能上下文扩展到百万字级，使代理一次能处理整本书或全站点数据，而无需分段 (Google Gemini Explained: How It Works & Where It Beats Every …) ()。Google方面，Gemini 2.0在2024年末已上线，其升级版本（Gemini 3.0？）可能引入即时多模态输出，比如代理在报告中直接生成图表插图甚至配套音频讲解 (Google introduces Gemini 2.0: A new AI model for the agentic era)。Gemini 2.0已经具备原生图像和音频输出能力 (Google introduces Gemini 2.0: A new AI model for the agentic era)，因此深度研究的结果形式会更加丰富。

    其次，交互方面，OpenAI Deep Research 可能加入对话式引导功能，让用户在过程中可以像对待真人研究员一样，不断提问和细化要求。目前Deep Research是一次性生成报告，未来也许允许报告生成后用户继续追问细节、要求补充，这相当于报告模式和Chat模式的融合。Google可能也会让Gemini代理过程更加交互：比如执行过程中弹出选项让用户决定下一步侧重哪个方向，以使结果更符合期望。两者都会朝人类在环的方向改进交互，使AI助手更可控。

    又一值得期待的功能是实时数据接入。目前代理主要检索静态网页，而未来可能连接实时数据库和API，例如财经数据API、新闻流等。这会让研究涵盖最新的实时信息。OpenAI或Google或将提供插件，让代理直接调用诸如Twitter检索、证券行情接口，生成的报告可以有最新截至分钟的数据（当然可靠性也需审查）。Gemini 2.0已经支持实时音视频输入 (Gemini - Google DeepMind)，可以想象将来代理甚至能观看一场直播发布会并进行分析总结，真正达到实时深度研究。

    性能上，针对OpenAI目前Deep Research偏慢的问题，可能引入模型压缩和并行推理优化，让一次研究在几分钟内完成而不牺牲太多深度。OpenAI也许会开发mini版Deep Research（类似轻量模式），处理较简单的问题时快速给出结果，而复杂问题自动切换到深度模式。Google则可能提升深度：让Gemini代理在需要时也能做多轮迭代而不是严格按初始计划进行，从而缩小和OpenAI在灵活性上的差距。

  • 潜在研究方向和技术创新：未来的深度研究领域有许多开放研究课题。例如，如何让AI代理具备因果推理能力，而不仅是相关信息罗列？目前代理主要综合资料，缺乏主动提出假说、设计实验的科学推理能力。未来研究可能将LLM与因果推理模型结合，代理可根据数据推断因果关系，并建议进一步验证的方案。

    另一方向是增强长程规划。虽然OpenAI代理已能多步迭代，但当任务跨度非常大（例如撰写一本综述性书籍）时，如何保持全局一致性是难题。有学者提出“树状思维 (Tree-of-Thoughts)”算法，让模型搜索多种可能思路路径再择优 (Synergizing Reasoning and Acting in Language Models | by Ronny H)。这种搜索式推理可以应用于代理决策，使其在开始研究前对各种方案“预演”，选最优策略，从而提高质量和效率。结合进化算法或MCTS等AI规划技术，代理在复杂课题上会更加得心应手。

    多代理协作也是值得探索的方向。未来或许不止一个AI在工作，而是一组专家代理协同：一个负责数据爬取清洗，一个负责模型分析推理，一个负责结果审校优化。这样的架构可以平行开发不同专长模型，各司其职又互相检查。初步的迹象比如AutoGPT已经尝试让多个子代理合作完成任务。OpenAI也可能研究让Deep Research与Operator等其他代理互动，比如Operator代理帮助Deep Research自动打开专业应用、下载论文等，让研究范围扩展。

    在人机协作方面，一个创新方向是记忆注入的个性化研究。代理可维护一个长期知识档案，记录用户以往关注的领域和立场，从而定制研究侧重面。例如一位医学研究者用代理多次查资料，代理可积累一个医学知识向量库，下一次在通用检索外先检索自己的记忆，以输出更有针对性的报告。这样每个用户都会培养出自己独特风格和强项的AI研究助理。技术上涉及长期记忆模块和持续学习，需解决遗忘和模型更新兼容性问题。

    另一个前沿方向是让AI代理不仅汇总知识，还能创造新知识。目前代理停留在综合已有信息层次。未来研究AGI的学者设想，AI代理能够通过模拟试验、自动推导证明等，真正提出前所未有的见解，即从“知识的搬运工”升级为“知识的生产者”。这或许需要引入强化学习进行假设检验，或AutoML生成新模型进行数据分析，从而获得新发现。这是离真正科研助理甚至独立科学家更近的一步，现在还处于科幻想象，但随着代理智能增强，可能逐步看到雏形。

  • **对人工通用智能 (AGI) 的潜在影响：**深度研究代理被一些OpenAI员工誉为“个人AGI时刻” (OpenAI’s deep research tool emulates a research analyst | Windows Central)。的确，当一个AI系统能在几分钟内完成综合调研、分析推理并写出详尽报告，这已经覆盖了相当广泛的人类智力活动（阅读、归纳、写作、判断）。Sam Altman 曾大胆预测Deep Research这样的工具可胜任“全球经济中单位数百分比的有价值工作” (OpenAI’s deep research tool emulates a research analyst | Windows Central)。这是一个惊人的比例，意味它开始取代相当一部分知识工作，这正是AGI预兆之一。深度研究代理体现出AGI的几个要素：自主性（无需细粒度指令能自己推进任务）、多能性（涉猎各领域知识并运用）、长时推理（能进行数十步推理链）、自我改进（通过反馈可以变得更好）。虽然当前系统离“全面胜任任何人类任务”还有距离，但已在专业调研领域达到甚至超过一般人水平 (OpenAI’s deep research tool emulates a research analyst | Windows Central)。

    深度研究技术对AGI的影响主要有两方面：一是能力层面的突破。如果一个代理可以无监督地阅读互联网并整理知识，那让它去学习新技能（比如新的编程语言、设计原理）也是可行的。通过不断读取和实验，它可能自行掌握越来越多任务，逐步逼近通用智能。这和人类通过阅读学习相似。二是对人类角色的改变。AGI并非孤立存在，而是与人协作。深度研究代理已经在扮演人类“认知外包”的角色，让人类专注于决策和创造。随着这些代理能力提高，人类可能将更多基础认知工作交给AI，自己扮演监督者和高层决策者。这种分工的成熟也许是AGI真正落地的标志之一。

    不过，实现AGI还需要克服更多挑战，如常识推理、抽象概念理解等。有分析指出当前代理主要在收集和总结，缺乏自主规划长期目标的能力。不过Google和OpenAI正通过各自的 agent 项目探索这最后一段路。例如Google在Gemini 2.0中就明确提出面向“agentic era”，并开发了Project Astra等原型，模拟通用AI助手完成复杂任务 (Gemini - Google DeepMind) (Gemini - Google DeepMind)。OpenAI的Operator和Deep Research也是在现实环境中测试代理实用性。可以预见，两家会逐步扩展代理技能并融合，最终产出真正的AGI代理。Deep Research作为早期形态，已经展示了AGI部分特征，也提醒我们AGI的发展需要关注可信、安全、伦理，确保在它变得更强大之前，我们已经建立起充分的控制和引导机制。总之，深度研究技术的进步既是AGI征途中的里程碑，也将在今后继续推动AGI的实现并塑造我们与知识、与AI共存的方式。

7. 结论

深度研究技术将大型语言模型的能力拓展到复杂、多步骤的研究任务中，融合了搜索引擎、数据分析和专家写作的功能，代表了AI从“对话助手”向“自主研究员”的跨越。本报告深入分析了OpenAI Deep Research和Google Gemini Deep Research的技术细节与差异，得到以下关键见解：

综上所述，深度研究代理展现了AI在高层次认知任务上的突破，为科研、商业分析、政策制定等领域提供了强有力的工具。它减轻了人类在信息爆炸时代的负担，让专业知识触手可及并易于综合。随着技术成熟，我们应积极研究如何安全地将其融入日常工作流程，并思考人类如何与这样强大的智能体协同共处。进一步的技术研究可以围绕提升推理可靠性、引入自主创新能力以及完善人机交互界面展开。可以预见，未来的人工智能研究助理将更加智能、高效且可信，其影响将不仅是提高工作效率，更可能改变人类获取和创造知识的范式，为迈向真正的人工通用智能奠定基础。

8. 参考文献

  1. Yao et al., 2022. ReAct: Synergizing Reasoning and Acting in Language Models. arXiv:2210.03629 ([2210.03629] ReAct: Synergizing Reasoning and Acting in Language Models) ([2210.03629] ReAct: Synergizing Reasoning and Acting in Language Models) – 提出让大型语言模型在推理过程中执行动作的ReAct框架，验证了将链式思维与工具使用相结合可提升复杂任务性能和可解释性。

  2. Nakano et al., 2021. WebGPT: Browser-assisted Question-Answering with Human Feedback. arXiv:2112.09332 ([2112.09332] WebGPT: Browser-assisted question-answering with human feedback) ([2112.09332] WebGPT: Browser-assisted question-answering with human feedback) – 将GPT-3与网页浏览环境结合，通过人类反馈微调，实现了带引用的开放域问答，答案质量超过人类平均水平。

  3. Lewis et al., 2020. Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks. NeurIPS 2020 ([2005.11401] Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks) ([2005.11401] Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks) – 提出RAG模型，将预训练语言模型与向量化知识库结合，通过检索支撑生成，有效提高知识密集任务的准确性和可更新性。

  4. OpenAI, 2025. Introducing deep research. OpenAI 官方博客，Feb 2025 (OpenAI’s deep research tool emulates a research analyst | Windows Central) – 宣布推出Deep Research代理：“利用即将发布的O3模型，通过推理来搜索、解读和分析海量在线文本、图像和PDF，自动完成多步研究任务”，专为ChatGPT Pro用户提供服务。

  5. Okemwa, K., 2025. “Deep Research has been a personal AGI moment for me”: OpenAI’s new AI agentic tool simulates a personal research analyst. Windows Central 新闻报道, Feb 4 2025 (OpenAI’s deep research tool emulates a research analyst | Windows Central) (OpenAI’s deep research tool emulates a research analyst | Windows Central) – 报道OpenAI Deep Research发布，引用OpenAI和Sam Altman的话强调其效率：“10分钟完成数小时人类工作”，并称员工体验“个人AGI时刻”。

  6. Pankratyeva, A., 2025. Google Gemini vs. OpenAI Deep Research: Which Is Better?. Techopedia 技术评测文章, Feb 5 2025 (Google Gemini vs. OpenAI Deep Research: Which Is Better? - Techopedia) (Google Gemini vs. OpenAI Deep Research: Which Is Better? - Techopedia) – 从功能、强项、限制等方面详细比较了OpenAI Deep Research和Google Gemini Deep Research，指出OpenAI更深入细致但昂贵，Google更快捷平价但缺少深度推理。

  7. Analytics Vidhya, 2025. OpenAI Deep Research vs Gemini Deep Research: Who does deep research better? Analytics Vidhya 博客文章, Feb 2025 (OpenAI Deep Research vs Gemini Deep Research) (OpenAI Deep Research vs Gemini Deep Research) – 作者实测了OpenAI和Google深度研究代理对同一课题的表现，对比两者流程、用时、输出结构，总结OpenAI注重实时迭代和透明，Google注重结构化和速度。

  8. Hassabis, D., 2023. (引自 Wired 采访，见维基百科) – DeepMind CEO Demis Hassabis 谈Google Gemini：“将结合AlphaGo的威力和语言模型的能力”，预期Gemini能在AI能力上超越OpenAI的GPT-4 (Gemini (language model) - Wikipedia)。

  9. Gemini Team (Google), 2023. Gemini: A Family of Highly Capable Multimodal Models. 技术报告, Dec 6 2023 () () – 系统介绍了Google DeepMind的Gemini多模态模型系列，展示Gemini Ultra在众多语言、图像、视频任务上达到SOTA性能，并强调其跨模态推理和agent式能力。

  10. OpenAI, 2023. GPT-4 Technical Report & System Card. OpenAI (arXiv:2303.08774) (GPT-4 Technical Report) (GPT-4 Technical Report) – 描述了GPT-4模型的能力和局限，特别是安全挑战，包括偏见、虚假信息、隐私等，并列出OpenAI为缓解这些问题所采取的措施（如RLHF、安全测试等），为深度研究代理的安全设计提供了指导原则。

引用

引用：转载或引用本文内容时，请注明原作者和来源。

Cited as:

Yue Shui & OpenAI Deep Research. (Feb 2025). OpenAI Deep Research 案例分享 - 深度研究技术综合研究报告". https://syhya.github.io/zh/posts/2025-02-15-deep-research-tech-report/

Or

@article{syhya2025deepresearch,
  title   = "OpenAI Deep Research 案例分享 - 深度研究技术综合研究报告"",
  author  = "Yue Shui & OpenAI Deep Research",
  journal = "syhya.github.io",
  year    = "2025",
  month   = "Feb",
  url     = "https://syhya.github.io/zh/posts/2025-02-15-deep-research-tech-report"
}