在 GitHub 查看原文

Lesson 11 — 毕业整合：Deep Research Agent v2

本课目标：全机制协同打开，硬任务完整跑通，写架构文档。把 L01–L10 的五机制（记忆/反思/code/skills/账本）收敛成一个统一的深度智能体视图。

学完你能回答：「你的研究助手现在是个什么水准？」——有记忆、能反思、会写代码、跨会话进化，且每个机制的收益都有轨迹评估数字支撑。

0. 为什么要有毕业整合课

前 10 课每个都在 research-assistant 上加了一块能力（记忆、反思、code、skills、账本、评估）。但它们是逐课加的。毕业整合把它们收敛成一个统一的视图：

• 五机制现在全了吗？（清单）
• 每个机制指向哪段代码？（证据链）
• 一次运行中数据怎么流？（架构图）
• 关掉任一机制还能跑吗？（降级路径）

🎯 核心价值：这课不写多少新代码，是把散落的能力编织成一个可讲述的深度智能体故事。面试时你不是说"我加了个记忆"，而是说"我的 Agent 在五个维度都有前沿能力，这是架构图和收益表"。

1. 五机制协同图

详见架构文档 docs/deep-agent-v2.md。

记忆(L01-02)  →  researcher 研究前 recall 旧经验
Skills(L03)   →  writer 写报告前 load 格式规范
反思(L04-05)  →  reviewer 双通道检测冲突→补研→修正
代码(L06-07)  →  writer 数值结论走沙箱→可复算
账本(L10)     →  断点续跑 + 增量简报
评估(L08-09)  →  轨迹落盘 + 机制收益量化

每个机制解决一个维度的问题，合起来让 Agent 从"一次性"变成"持续进化"。

2. 硬任务完整跑通

裸基线 vs v2 对比

裸基线（L00）                     v2（全机制开启）
─────────────                     ──────────────
第2次完全失忆                      第2次记得第1次查过什么（记忆）
结论错了不改                       发现冲突→定向补研→修正说明（反思）
数值靠 LLM 口算                    数值走沙箱代码→可复算附录（code）
每次从头写报告                     产出增量简报→标注新增/修正（账本）
不知道做得好不好                   轨迹评估→机制收益量化（评估）

硬任务的四个要求 vs v2 的实现

3. 降级路径验证

关键约束：关掉任一机制系统仍能跑，全部 104 个测试始终绿。

# 全关模式（等同原始 research-assistant）
ENABLE_MEMORY=false ENABLE_SKILLS=false ENABLE_CODE_INTERPRETER=false ENABLE_LEDGER=false
.venv/Scripts/python.exe -m pytest tests/ -q  # 104 passed

# 部分开启（只开记忆）
ENABLE_MEMORY=true
.venv/Scripts/python.exe -m pytest tests/ -q  # 104 passed（测试不受开关影响）

# 全开（Deep v2）
ENABLE_MEMORY=true ENABLE_SKILLS=true ENABLE_CODE_INTERPREpreter=true ENABLE_LEDGER=true
.venv/Scripts/python.exe -m pytest tests/ -q  # 104 passed

每个机制默认关闭，测试在默认配置下跑。开启机制不破坏现有测试——这是工程化的底线。

4. 机制收益表（最终版）

用 L09 的 harness 跑出对照 L00 基线的收益表：

⚠️ 具体数字来自 mock 演示（非真实 API）。完整收益表见 eval_agent/REPORT.md。

5. 架构文档产出

详见 docs/deep-agent-v2.md，包含： - 五机制全景图 - 一次运行的数据流（从用户输入到增量简报产出） - 开关与降级路径表 - 技术栈

6. 落地清单

产出物

验证

cd portfolio-projects/research-assistant

# 1. 全量测试（104 个全绿，所有开关组合下）
.venv/Scripts/python.exe -m pytest tests/ -q
# 预期：104 passed

# 2. 全开跑硬任务（需所有 ENABLE=true + API key）
# 3 轮跑同一主题，第 2/3 轮应：
#   - researcher 日志有"记忆命中"
#   - 报告有"修正说明"（如有冲突）
#   - 报告附录有代码脚本（如涉及数值）
#   - 产出增量简报（标注新增/修正/不变）

# 3. 降级验证：逐个关掉机制，确认系统仍能跑

7. 本课在两条主线上的位置

• 评估主线：本课是评估主线的最终验证——所有机制的收益在收益表里汇总，对照 L00 裸基线。从 L00 立基线到 L11 汇总，评估主线完整闭环。
• 上下文工程主线：本课把上下文工程的四个子问题（记忆/知识/能力/工具的按需调回）+ 规划层（账本）+ 质量层（评估）收敛成统一架构。每个机制都是上下文工程的一个面，合起来是完整的"上下文管理"。

🎯 面试话术（终极版）

「我的研究助手是有记忆、能反思、会写代码、跨会话推进长任务的深度智能体。五个机制：记忆（情景+语义分层，researcher 研究前 recall 旧经验）；反思（双通道 reviewer，文字不合格重写、事实冲突定向补研修正）；代码解释器（数值走沙箱算，报告附可复算脚本）；skills（渐进式加载格式规范）；任务账本（断点续跑+增量简报）。每个机制的收益都有轨迹评估数字支撑——我建了 TrajectoryEvaluator 和 eval harness，对照 L00 裸基线，从失忆到记得、从口算到可复算。而且每个机制默认关闭、降级路径完好，104 个测试全绿。从裸基线到 v2 的每一步都是可复现的对照实验。」