深度研究Agent架构解析：4种Agent架构介绍及实用Prompt模板

深度搜索Agent核心问题其实就有两个：怎么把复杂问题拆得合理，以及怎么判断搜索结果够不够用。近两年深度搜索Agent发展很快各家的实现思路也越来越成熟，围绕这两个问题业界逐渐沉淀出几种主流架构：从最基础的Planner-Only，到加入评估反馈的双模块设计，再到Sentient Labs提出的递归式方案。这篇文章将整理这些架构并顺便附上一些实用的prompt模板。

迭代式搜索Agent

在讨论更复杂的架构之前，先回顾一下最基础的迭代式搜索Agent。这类Agent通常基于ReAct（Reasoning and Acting）范式，工作流程很简单：接收问题→思考→调用工具搜索→观察结果→继续思考→再搜索...如此循环直到找到满意的答案。

但是这种简单的迭代模式有个问题：当面对复杂查询时单线程一步步搜效率太低。于是就有了并行工作流的思路，把一个大问题拆成多个子查询，让多个搜索任务同时跑。

 

https://avoid.overfit.cn/post/c6f7744b34b048efb144d05c66e4c144