Agent 学习笔记 09：从目标到结果：自动化研究助手的完整工作流

研究助手最容易制造一种“它查了很多网页，所以结论可靠”的错觉。真正有价值的自动化研究，应该把研究问题、来源、证据、推断和最终建议连成一条可以回看的链路。

先写研究协议，再开始搜索

开始前要明确研究对象、时间范围、地域、交付形式、可接受来源以及哪些问题不在范围内。Plan-and-Execute 的价值，是让执行围绕已经声明的子问题进行，而不是模型每轮看到新资料就偷偷改题。

用证据卡片代替网页摘要堆积

每条证据可以记录：来源标题、URL、发布日期、抓取时间、支持的主张、关键数据、局限和可信度。最终报告引用的是证据卡片，而不是模型对整个网页的模糊印象。

{
  "claim": "某产品已支持企业单点登录",
  "source_type": "官方文档",
  "published_at": "...",
  "confidence": "high",
  "limitations": "未验证地区差异"
}

事实、推断和建议要分开

“官方定价页面显示每席位价格”是事实；“目标客户偏向中型团队”是推断；“我们应先做权限管理”是建议。研究 Agent 应在输出中显式区分三者，并在证据冲突时列出不同来源，而不是为了流畅强行选一个答案。

给研究设置停止条件

范围失控通常比搜索能力不足更常见。可以限制每个子问题的搜索轮次、重复域名比例和最大成本，并设定“连续两轮没有新增高质量证据”就停止。对医疗、法律、投资和关键商业决策，Agent 只能整理材料，最终结论仍需要专业人员复核。

这章给我的启发

自动化研究不是自动生产观点，而是自动维护证据链。只要来源、时间、主张和不确定性都能追溯，研究助手才真正节省了人的判断成本。