Feynman /deepresearch 实战：多智能体深度调研如何产出带溯源的研究报告
【免费下载链接】feynman项目地址: https://gitcode.com/gh_mirrors/feynman/feynman
Feynman 是一款开源的 AI 研究智能体，其中的/deepresearch命令是其旗舰功能：它会派出多个 researcher 智能体并行检索论文、网页与代码库，再由 verifier 校验引用、reviewer 审查逻辑，最终产出一份带行内引用和溯源文件的研究报告。本文带你用一次实战，看懂这套多智能体深度调研是如何把"一个问题"变成"一份可审计的调研简报"的。
什么是 Feynman /deepresearch？
一句话：/deepresearch是一个"会自己分头查资料、再汇总、再交叉核验"的深度调研工作流。
- 对宽泛主题：它会并行派出多个
researcher子智能体，分别从不同角度（比如"奠基性论文"和"最近挑战现有结论的研究"）去检索。 - 对窄问题（例如"X 是什么"）：它保持"主智能体自己直接检索"，不会把简单问题硬撑成多智能体调研，避免浪费。
这种"按主题决定规模"的设计，是它区别于普通问答工具的关键。
快速上手：三步启动深度调研
在 Feynman 交互界面（REPL）或命令行两种写法完全等价：
- REPL 内：
/deepresearch 大模型机制可解释性的当前主流方法有哪些？ - 命令行：
feynman deepresearch "大模型机制可解释性的当前主流方法有哪些？"
运行后它会先把一份计划写到outputs/.plans/<slug>.md，向你简要汇报并等待确认。你回复"继续"，它就流式推进检索与分析。整个过程你随时可以要求改方向。
五阶段工作流：从提问到报告
/deepresearch的执行逻辑被清晰地拆成了七个步骤，定义在提示词 prompts/deepresearch.md 中，可归纳为五个核心阶段：
- Plan（规划）：生成关键问题、所需证据、规模决策、任务台账与校验日志，并暂停等待你确认。详见 Step 1: Plan。
- Scale（定规模）：判断该用"直接检索"还是"多智能体并行"。对照见 Step 2: Scale。
- Gather Evidence（取证）：子智能体分头检索论文、网页、仓库，优先用摘要、HTML、官方文档，尽量避开脆弱的 PDF 解析。见 Step 3: Gather Evidence。
- Draft + Cite（撰写与引用）：主智能体亲自汇总（不外包），再由 verifier 给每个论点补上行内引用、逐条核验 URL。见 Step 4 与 Step 5。
- Review + Deliver（审查与交付）：reviewer 标记"孤证""过度自信"等问题，交付前修复致命项，最后落盘报告与溯源文件。见 Step 6 与 Step 7。
多智能体如何分工
Feynman 内置四个研究子智能体，定义在 AGENTS.md 的"Pi subagents"一节：
| 智能体 | 职责 |
|---|---|
| Researcher | 主力取证，多路检索并抽取结构化发现，支持并行多实例 |
| Verifier | 补行内引用、逐条核验来源 URL、清理死链 |
| Reviewer | 校验性审查：揪出无支撑论点、逻辑漏洞、孤证 |
| Writer | 从调研笔记生成结构化草稿 |
其中researcher是信息收集核心：它按主题改写多个差异化查询（而非重复同一句），先扫摘要再精读高相关来源，并给每条抽取内容打上来源位置以便回溯。其检索策略详见 researcher.md。
💡 关键纪律：verifier 与 reviewer不会放在同一个并行调用里——先校验引用，通过后再审查逻辑。这条顺序保证了"引用先于结论"。
溯源机制：让报告可审计
/deepresearch最大的价值是可审计。每个运行都会在最终报告旁写一份<slug>.provenance.md溯源伴随文件，记录：
- 调研日期、轮次
- 查阅 / 采纳 / 拒绝的来源数量与清单
- 校验状态（
PASS/PASS WITH NOTES/BLOCKED） - 用到的计划与研究文件
这套"来源账本 + 校验状态"的要求，来自仓库级契约 AGENTS.md 的"Provenance and verification"一节：它明确要求凡使用"已验证 / 已确认"字样，就必须记录到底核验了什么、怎么核验的，缺失的核验要诚实地标记为blocked/unverified。
输出物一览
一次完整的/deepresearch会在outputs/下留下清晰命名的文件（文件名统一用从主题派生的短 slug 作前缀）：
outputs/.plans/<slug>.md—— 计划outputs/.drafts/<slug>-draft.md—— 草稿outputs/.drafts/<slug>-cited.md—— 带引用版本outputs/<slug>.md—— 最终报告<slug>.provenance.md—— 溯源伴随文件
报告本身遵循固定结构：Summary（摘要）→ Background（背景）→ Key Findings（关键发现，含行内引用）→ Open Questions（开放问题）→ References（参考来源）。结构说明见官方文档 deep-research.md。
使用建议：用提示词"定向"调研
你可以通过在提示里加约束来引导方向，让报告更贴合需求：
- 窄一点：把主题聚焦，会得到更精炼的简报；
- 宽一点：会得到综述式概览；
- 加限定：例如"只关注 2024 年后的论文"或"只看实证结果"，可让 agent 有据可依。
相关的技能入口文档见 skills/deep-research/SKILL.md，命令参考见 slash-commands.md。
小结
Feynman 的/deepresearch把"深度调研"拆成了规划 → 定规模 → 取证 → 撰写引用 → 审查交付的可控流程，用多个 researcher 并行扩大覆盖面，再用 verifier / reviewer 把"引用正确"和"逻辑自洽"分别守住，最后用.provenance.md让每一步都可回溯。对新手而言，你只需给一个清晰的题目、确认计划、等待交付，就能拿到一份带完整来源、可审计的研究报告。
【免费下载链接】feynman项目地址: https://gitcode.com/gh_mirrors/feynman/feynman
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
