晓｜阿里通义DeepResearch晓读：开源AI研究员Agent模型新标杆！

上周我帮朋友规划香港三日游，她对着20多篇攻略抓狂：“一会儿说迪士尼要早去，一会儿说浅水湾下午才好看，带宠物还得找酒店，我这脑子根本记不住！” 其实不止旅游，写论文时翻十几篇文献、查法律案例时核对法条、甚至帮老板整理行业报告——我们都曾陷入“信息杂乱、整理费劲、还容易出错”的困境。

我们解读最新技术，文末有相关信息。

作者：张长旺，图源：旺知识

巧了，我刚啃完阿里团队发布的Tongyi DeepResearch技术报告，这东西简直是“AI版研究员”：能自己搜网页、整理信息、甚至像人一样分步骤解决复杂问题，关键是全开源（普通人也能改能用），在多个 benchmark 上还超过了OpenAI的DeepResearch。今天就聊聊这东西到底咋回事，以及它能帮我们解决哪些实际麻烦。

一、先搞懂：我们为啥需要“会自己做研究”的AI？

在说技术前，先掰扯个核心问题：传统AI（比如你常用的聊天机器人）查资料时，到底差在哪儿？

举个例子：你让传统AI“规划香港三日游，要带宠物”。它可能会给你列几个景点，但不会主动查“香港哪些酒店允许带宠物”，也不会算“从迪士尼到浅水湾的交通时间会不会赶”——更要命的是，要是信息过时了（比如某个景点闭馆），它根本不知道去更新。

这背后有两个大痛点：

• “只会背书，不会动手”：传统AI的知识停留在训练数据里，不会主动用工具（比如搜网页、查数据库）获取新信息；

• “信息堆成山，不会整理”：就算能搜到信息，也会把所有内容堆给你——就像把20篇攻略的文字全复制粘贴，你还得自己挑重点，这跟没帮一样。

而Tongyi DeepResearch要解决的，就是让AI从“被动问答”变成“主动研究员”：不仅能自己找信息，还能把信息按逻辑整理好，甚至根据你的需求调整方案。

二、拆解核心：这AI是怎么“学会做研究”的？

要让AI具备“研究员能力”，不是简单喂数据就行。阿里团队设计了一套“从上学到上班”的全流程训练方法——我用“培养一个实习生”的比喻，给你讲清楚这三步核心操作。

1. 第一步：Agentic CPT——先给AI“打基础”（相当于实习生入职前的培训）

想让实习生做研究，得先教他基础知识吧？AI也一样。这里的“Agentic CPT”（智能体持续预训练），就是给AI补“研究基本功”。

但跟传统“乱喂数据”不同，阿里团队搞了个叫AgentFounder的工具，把数据整理得特别有条理：

• 先收集“原材料”：包括网页爬的资料、知识图谱（比如“香港景点”的关联信息）、之前AI查东西的记录（比如搜“迪士尼开放时间”的结果）；

• 再做成“知识卡片”：把这些原材料按“实体”分类——比如“香港故宫文化博物馆”这张卡片，会标好位置、开放时间、附近交通、游客评价，相当于给每个知识点贴了标签；

• 最后出“练习题”：从卡片里随机抽内容，生成“问答对”——比如“香港故宫文化博物馆附近有哪些地铁站？”“去那里玩需要预约吗？”，让AI反复练习“找信息、答问题”的能力。

我觉得这步最妙的是“数据飞轮”：AI后续做研究的记录，又能反过来变成新的“知识卡片”，相当于实习生一边工作一边学新东西，越练越熟练。

2. 第二步：SFT——师傅带徒弟，教AI“按步骤做事”（相当于实习生跟着老员工学流程）

光有基础知识不够，还得教AI“怎么做具体任务”。这步叫SFT（监督微调），就像老员工带着实习生做项目，把“正确流程”演示给它看。

团队用了两种“教学方法”：

• ReAct框架：相当于“按食谱做饭”——先“思考”（比如“用户要带宠物去香港，得先查宠物友好酒店”），再“行动”（比如“搜‘香港宠物友好酒店 2025’”），最后“观察”（比如“找到3家酒店，记录地址和价格”），一步一步来，确保AI不跳步；

• IterResearch框架：更高级的“项目管理”——比如规划旅游时，AI会先把任务拆成“选景点→查交通→定酒店”，每完成一步就整理一次信息，避免把所有东西堆在一起。

举个实际场景：用IterResearch教AI规划香港三日游，它会先列“必去景点清单”，再查每个景点的交通是否顺路，然后根据“带宠物”的需求筛选酒店，每一步都把结果整理成“小报告”，最后再汇总成完整行程。这种方式能避免AI“想到哪儿做到哪儿”，跟我们真实做规划的逻辑一模一样。

3. 第三步：RL——像教练一样，帮AI“纠错优化”（相当于实习生做完项目，老板给反馈）

就算教了流程，AI也会犯错——比如漏查某个景点的开放时间，或者选的酒店离景点太远。这时候就需要RL（强化学习），相当于给AI配个“教练”，根据结果打分，让它越做越好。

团队在这里搞了两个关键创新，我用“体育训练”打比方：

• GRPO算法：相当于“针对性训练计划”——不是让AI盲目练，而是盯着它“当前最该改的问题”。比如AI总漏查“宠物友好”这个需求，就专门给它加这类训练题，确保学的都是有用的；

• 负样本筛选：相当于“不练错误动作”——如果AI的某个操作完全没用（比如反复搜同一个过期信息），就不让它再学这种错误，避免“越练越错”。

最让我惊讶的是训练效果：AI的“奖励分”一直在涨，而且“探索欲”没降（专业叫“政策熵”高）——也就是说，它不仅越做越好，还愿意尝试新方法，不会僵在一个流程里。

三、两种工作模式：应付日常需求，还是攻坚复杂任务？

训练好的AI，有两种“干活方式”，就像我们用“记事本”和“专业软件”的区别，能应对不同场景。

1. Native ReAct Mode：简单直接，应付日常查资料

这种模式适合“快速找答案”，比如“肆月河豚餐厅有什么推荐菜？”“香港故宫文化博物馆几点开门？”。

它的逻辑特别简单：严格按“思考→行动→观察”循环来，不用额外设置。比如你问“肆月河豚的全河豚宴有什么特色”，AI会先想“需要查这家餐厅的菜单和介绍”，然后搜相关信息，最后整理出“融合宋代饮食文化，用词牌名命名菜品，有刺身、红烧河豚等”——整个过程就像你自己查资料，但快10倍。

而且它的“记忆力”很好（上下文长度128K），能处理多轮对话。比如你接着问“这家店适合商务宴请吗？”，它不用再重新搜，直接从之前的信息里找答案，相当于“记住了你之前问的事”。

2. Heavy Mode：深度研究，搞定复杂任务

如果遇到“需要分步骤、多信息整合”的事，比如“写一篇关于‘香港旅游业2025趋势’的报告”“查一个复杂的法律案例并引用法条”，就得用Heavy Mode了。

它的核心是解决一个大问题：传统AI处理复杂任务时，会把所有信息堆在“脑子”里，导致“记混、漏看”（专业叫“认知窒息”）。而Heavy Mode像“研究员整理文件”：

• 把任务拆成“研究轮次”：比如写报告时，先拆成“查2025香港旅游数据→分析游客偏好→总结趋势”；

• 每轮只看“当前需要的信息”：比如分析游客偏好时，只调出“游客调查数据”，不看其他无关信息；

• 同步写“研究报告”：每轮结束后，把关键结论整理进报告，最后汇总成完整结果。

更厉害的是“Research-Synthesis框架”：相当于“多个研究员分工合作”——比如查法律案例时，3个AI分别查“相关法条”“类似案例”“判决结果”，最后由1个AI汇总成完整分析，不仅快，还能避免遗漏。

我之前用它试了“查一个劳动合同纠纷案例”，AI不仅找到了相关法条，还标了具体条款编号，甚至对比了3个类似案例的判决结果——这要是人工做，至少得半天，AI半小时就搞定了。

四、真能落地吗？看两个实际案例

技术说得再好听，不如看实际能用在哪。报告里提了两个已经落地的案例，特别贴近生活。

1. 高德“小高”：会“懂你需求”的旅游规划师

阿里和高德合作的“小高”AI助手，就是用了Tongyi DeepResearch的技术。比如你说“帮我规划香港三日游，带宠物，每天景点不超过4个，交通时间要短”，它会：

• 先筛选“宠物友好”的景点和酒店（比如排除不允许宠物进入的博物馆）；

• 按“顺路”原则安排每天行程（比如第一天把中环的香港公园、天星小轮放一起，避免跨区跑）；

• 计算每个景点的交通时间（比如从迪士尼到大埔海滨公园要多久，会不会赶不上日落）；

• 最后出一份带时间、交通方式、注意事项的完整行程，甚至能整合用户评论（比如“这家酒店宠物设施好，但早餐一般”）。

比你自己翻攻略强太多——它不仅“会搜”，还“会替你着想”。

2. 法瑞（FaRui）：能“引用法条”的法律助手

对于需要精准度的场景，比如法律查案，Tongyi DeepResearch也能用上。法瑞（FaRui）法律AI能：

• 自主搜“类似案例”“相关法条”；

• 准确引用法条编号和案例名称（避免人工引用时出错）；

• 整理成“分析报告”，标注每个结论的依据。

报告里有组数据很直观：在“法条引用质量”上，Tongyi DeepResearch得81.01分，比OpenAI的75.83分高5分多；“案例引用质量”更明显，64.26分 vs OpenAI的57.56分——这意味着它的法律分析更靠谱，能帮律师省不少核对时间。

五、现在还差点啥？AI研究员的“待办清单”

作为研究员，我得客观说：Tongyi DeepResearch不是“完美工具”，还有三个要补的“功课”。

• “记忆力”还不够长：目前128K的上下文长度，处理单篇论文或短期行程够，但要是处理“整本学术专著”“跨季度的项目报告”，可能就装不下所有信息了——相当于你用记事本写长文章，翻页太麻烦。

• “规模验证”没做完：现在用的是30B参数的模型（可以理解为“中等规模”），更大规模的模型（比如100B以上）能不能用这套训练方法，还没验证——就像一款手机在小屏幕上好用，大屏能不能适配，得再测。

• “训练效率”要提升：目前的RL训练比较费时间，要是想让AI学新领域（比如医疗研究），得等很久——相当于实习生学新业务太慢，需要更高效的“培训方法”。

我们团队讨论时也觉得，这些不是“硬伤”，而是接下来要优化的方向。比如上下文长度，已经有团队在试“动态扩展”技术，未来可能像“无限扩容的文件夹”，装多少信息都不怕。

六、总结：这不是“AI助手”，是“AI同事”

聊到这儿，你可能发现了：Tongyi DeepResearch的核心不是“帮你查资料”，而是“像同事一样，独立完成研究任务”——它有基础能力（CPT）、懂流程（SFT）、能优化（RL），还能根据任务选工具（两种模式）。

更重要的是它“开源”——这意味着不是阿里自己用，普通人、小公司也能改：比如教育机构可以改成“AI助教”，帮学生整理知识点；企业可以改成“行业研究员”，帮员工分析市场数据。

最后想跟你聊个话题：如果这种“AI研究员”再成熟一点，你最想让它帮你做什么？是写报告、查资料，还是规划更复杂的事？欢迎在评论区聊聊你的想法。

参考资料

• 标题：Tongyi DeepResearch: A New Era of Open-Source AI Researchers

• 作者：Tongyi DeepResearch Team (Alibaba)

• 链接：https://tongyi-agent.github.io/blog/introducing-tongyi-deep-research/