摘要：一是“信息墙”：现有的Deep Research Agent大部分都依赖Web Search去搜索公开可用的网络内容，这使得它们无法触及企业内部的私域知识，结果就是，它做的研究报告，虽然看起来高大上，但跟咱们的实际业务贴不上边，没法直接用；

目前的Deep Research解决方案都一定程度上存在着以下两个痛点问题：

一是“信息墙”：现有的Deep Research Agent大部分都依赖Web Search去搜索公开可用的网络内容，这使得它们无法触及企业内部的私域知识，结果就是，它做的研究报告，虽然看起来高大上，但跟咱们的实际业务贴不上边，没法直接用；

二是“信任墙”：当前Deep Research Agent的内部工作机制，包括它的推理、决策和执行路径，子模块的处理逻辑，对用户来说几乎是完全不透明的，是一个“黑盒”式的推理；

为了解决这两个问题，那是不是就要求我们自己从代码层面，定制开发一个专属版的Deep Research Agent呢。其实不然，一种更优的解法是：利用一个开放的AI应用编排平台（例如Dify）来构建这个应用，即保留了现有方案一键开箱、低代码的便捷性，又为开发者提供了自由的、开放的定制化空间。

借用一下Dify的核心理念 Do It For Yourself，让我们换个思路：不再是把Deep Research Agent当成一个搞不懂的“黑箱”，而是亲手搭建一个看得懂、管得住、还能自由组合的“白盒”系统。

为了实现高度的灵活性与透明度，我们在 Dify 上采用多智能体（Multi-Agent）架构来构建 Deep Research Agent，这就像组建一个高效的研究团队，让每个成员各司其职

图 1：动态工作流 -- 多Agent模式

●Planner Agent（规划者/协调者）：由Dify内置的Agent策略（或一个专门的LLM节点）充当Planner Agent，负责理解用户的高层级研究任务，并将其智能地分解为一系列具体的、可执行的子任务

●Expert Agents（专家团体）： 每个子任务被分派给一个通过 Dify 自定义工作流（Workflow）搭建的“专家”。这些专家是完成具体工作的核心力量，例如“网络搜索专家”、“内部文档分析专家”、“数据洞察专家”等，他们的能力完全由你定义

这种架构有以下三点优势：
●分工明确：降低了对单一全能大模型的依赖，让任务更专注，结果更可控。
●扩展性强：可以像搭乐高一样，随时增加新的“专家” Agent 来应对新需求。
●高效并行：适合处理复杂的、可并行的研究任务，大幅提升研究效率。

最重要的是，这种架构与 Dify 的核心设计理念不谋而合，使得在 Dify 上构建这套系统变得自然而强大。它完美地解决了“黑箱”问题，将研究的完整控制权，交还到用户手中。

DMS Deep Research Agent 整体流程

整个Agent的工作流程可以分为三个阶段，研究规划、子任务执行以及报告生成与交付

●研究规划：当用户输入研究主题后，Agent 首先启动规划流程。它会利用搜索工具快速搜集问题的相关背景信息，并以此为基础，生成一份详尽的研究计划和报告大纲。这份大纲会呈现给用户进行审阅和修订。只有当用户确认通过后，Agent 才会进入下一步的深度研究
●子任务执行：这是核心的研究步骤，遵循经典的 “生成查询 → 执行搜索 → 评估反思” 三步循环。Planner 会根据规划，并行地调用不同的 Expert Agents 来执行子任务。例如，它会调用“网络搜索”获取行业动态，同时调用“内部知识库检索”查询提前存储的竞品分析报告
●报告生成与交付：所有子任务完成后，信息被汇总到 Report Writing Agent。它负责整合、提炼所有研究成果，按照预设的格式（Markdown、PDF、Docx等）生成最终的研究报告，并且可选通过集成的工具（如钉钉机器人、邮箱等）自动发送给指定的用户，这些都可以通过Dify的第三方插件，自定义完成

工具整合层：在Planner -- Executors的架构设计中，我们将所需的各个Expert Agens通过工具整合层进行接入，里面的工具可以是Agent策略中内置的工具，可以通过Dify的工作流进行自定义，也可以是外部的MCP工具

你是否觉得很多研究工具做的报告，虽然看起来高大上，但总感觉和自己的业务隔着一层？这正是因为它们的信息来源受限，难以触及企业内部最有价值的“私域数据”。在 Dify中，你可以轻松定制你的Search Agent，让其不再局限于单一的搜索引擎。你可以通过灵活配置，让它成为一个全能的信息搜寻官，同时从多个关键渠道获取信息：

Search Agent模板

●互联网数据：使用Dify第三方的插件，调用 Tavily、Google、Perplexity 等通用搜索引擎，也可以使用AliyunDMS插件中提供的夸克搜索插件（封装了阿里云信息查询服务的API）

●私域知识库：通过Dify内置的知识检索功能，快速对接你上传到 Dify 的企业内部文档、SOP 操作手册等私域知识资产，或者通过外部知识库API（如RAGFlow）

●业务数据库：更能通过集成的 ChatBI Agent，直接用自然语言查询数据库里的实时业务数据，使用Dify的HTTP节点，连企业内部系统的数据源查询接口、专业的付费数据源（如万得、路透、LexisNexis等）
然后，在Search Agent的编排中，你可以自由地组合这些数据源，自定义最后的搜索排序顺序，让你的研究工作流可以无缝打通公域与私域的壁垒

面对海量信息，如何高效地处理是 Deep Research 的基石。因此，Summary Agent 不仅仅是一个摘要工具，更是整个研究流程中至关重要的一环。它在 Deep Research 中主要任务是预先对原始信息进行“精炼”，有效降低后续章节撰写时的上下文长度，并屏蔽掉大量无关的干扰信息。在 Dify 里，你可以通过调整 Prompt 和编排工作流，让这个Summary Agent完全按你的心意来工作。它能做的远不止是概括文章：

Summary Agent模板

●注入领域知识：你可以把自己业务领域的专业术语和知识库教给它，通过 Few-Shot 这种简单的方式，稍加“点拨”，它的摘要能力就会和你的业务需求越来越贴合
●多模态分析：除了文字，它还能通过调用VL LLM实现对图片信息的理解，处理更复杂的分析任务
●场景化定制：比如在追踪热点或分析案例时，通过调整Prompt你可以让它生成一条清晰的事件时间线，并且特别留意整合不同角度的观点。

研究的“最后一公里”同样重要。你可以创建一个 Report Writing Agent，让它在流式生成文件版的 Markdown 报告后，自动调用第三方插件，将其转换为精美的 PDF 或 Word 文档。你甚至可以设定规则，让它通过钉钉机器人直接将报告 @相关成员。整个流程从信息过滤、内容整合到最终分发，形成了一个完全由你掌控的自动化工作流。

Report Writing Agent模板

Dify的文档转换插件

●一键导入模板：我们提供了已经编排好的Dify应用模板，您可以将其一键导入到您的Dify on DMS环境中，快速体验其功能，并在此基础上进行二次开发和深度定制


●配置Agent：配置Agent在各个阶段所使用的模型

●预览测试：点击预览按钮，输入研究主题，即可启动预设好的Deep Research Agent


●定制Expert Agent：通过DIFY的工作流，自定义Search Agent，Summary Agent，Report Writing Agent等各个子模块的实现方式

●将工作流发布为工具：将自定义Search Agent，Summary Agent，Report Writing Agent发布为工具，并在工具配置页面，将工具调用名称命名为search_agent_example、summary_agent、report_writing_agent

●配置Agent：然后在Agent页面中，配置对应的Agent工作流并选择启用


在Dify on DMS上搭建专属版Deep Research Agent：https://developer.aliyun.com/live/255262

说到底，Deep Research Agent 不只是为了让你工作快一点那么简单。它更像一场知识工作的革命，彻底把我们从没完没了的“信息搬运”和“大海捞针”中解放出来。
想想看，当那些繁琐的、重复性的搜集和整理工作都交给AI后，我们可以把宝贵的时间和脑力，真正用在刀刃上：去提出更一针见血的问题，去构思更有远见的战略，或者干脆去创造一个前所未有的新东西。

DMS Deep Research Agent 目前正处于积极的演进阶段，我们将不断投入对其进行持续的优化与功能扩展
欢迎申请试用：https://page.aliyun.com/form/act1621739703/index.htm

来源：企业上云那些事