23. 终局实战：自己写一个研究型 Agent

终局实战做什么

这一组不是再讲概念。

我们要做一个研究型 Agent。

它接收一个研究主题，然后完成：

理解问题
搜索资料
抓取正文
整理证据
调用必要工具
生成 Markdown 报告
保存文件产物
返回验收结果

为什么选研究型 Agent

研究任务很适合检验 Agent 框架。

因为它会用到前面几乎所有能力：

Tools：搜索、抓取、文件操作
Skills：约束报告质量
Sub-agents：拆分资料收集和源码定位
Sandbox：生成和保存文件
MCP：接外部资料源
Memory：记住偏好和报告格式
Tracing：排查失败

第一版不要太复杂

第一版目标：

输入一个主题
输出一份 Markdown 报告
报告包含来源和不确定性说明
文件能保存下来

不要一开始追求全自动、全联网、全工具。

验收标准

完成后至少要能回答：

资料从哪里来？
哪些结论有证据？
哪些地方不确定？
报告文件在哪里？
失败时从哪里排查？

这一篇你要记住

终局实战不是“写一个更长 prompt”。

它是把 DeerFlow 的工程能力串成一条可运行、可验证的任务链路。

输入和输出先定死

第一版不要做开放式 Agent。

输入固定为：

研究主题
报告长度
是否需要源码分析
是否需要外部 MCP

输出固定为：

Markdown 报告
来源列表
不确定性说明
文件路径

边界清楚，才方便验证。

最小可用版本

最小版本只需要：

模型
搜索
网页抓取
报告 Skill
文件保存

Sub-agent、MCP、Memory 可以第二版再加。

不要第一版就把所有能力塞进去。

失败也要有产物

如果资料不足，也应该生成一份失败报告，说明缺了什么，而不是返回一段泛泛道歉。

实践：练手小作业

先写出最小版本的输入输出契约，不接 Sub-agent、MCP 或 Memory。然后用一个小主题跑一次“搜索—抓取—报告—保存”链路，报告长度控制在 800 字以内。

完成标准

• 输入包含主题和报告长度；
• 报告包含来源与不确定性说明；
• Markdown 文件实际存在且可读取；
• 返回值包含文件路径；
• 资料不足时仍生成说明缺口的产物。

多走一步（可选）

只选择 Sub-agent、MCP、Memory 中最能解决当前一个问题的能力加入第二次运行，并比较产物差异。