在 GitHub 查看原文

Lesson 10 — 深度浏览：多步任务与证据链

本课目标：从「单页提取」到「多步取证」——给 BrowserTool 加 deep_browse（跟链接跨页），建证据链格式（结论 + URL + 访问时间 + 快照），让报告每个关键结论可回访。与 frontier L07「数字可复算」呼应，现在来源可回访——研究报告可信度第二次升级。

学完你能回答：「怎么让 agent 的研究报告可信到每条结论都能点开核对？」——答案是证据链：多步浏览取证 + 每条结论带 URL+访问时间+页面快照，数字可复算（frontier L07）+ 来源可回访（本课）= 两次可信度升级。

0. 从「单页证据」到「证据链」

L09 的 browse_for_evidence 是广度——并行开多个独立详情页，每页一条证据。但有些任务需要深度：从一个入口页出发，跟链接翻页、跨页对比、逐层深入。例如硬任务「对比最近几次 release」：

L09（广度，单页）：                 L10（深度，多步）：
开 detail.html?id=1 → 1 条证据      开 search.html（列表）→ 跟「下一页」→ 翻到第2页
开 detail.html?id=2 → 1 条证据       → 跟第1条结果进 detail → 提取
开 detail.html?id=3 → 1 条证据       → back → 跟第2条结果进 detail → 提取
3 条独立证据，无顺序关系              证据链：列表→第2页→详情1→详情2，有访问路径

deep_browse 补的是「跟链接深入」这个维度——证据按访问顺序成链，能还原 agent 的取证路径。

🎯 核心认知：证据链不只是「多条证据」，是「有路径的证据」——每条证据带 URL+访问时间+从哪来，能还原 agent 走过什么路拿到什么。这是研究报告可信度的关键：读者不只看到结论，还能复走 agent 的取证路径自己核对。

1. 证据链格式

每条 Evidence 四个字段（L09 已定义，L10 强化使用）：

报告引用格式（writer 产出）：

LangGraph 最近一次发布是 v0.12.0（[来源](https://github.com/.../releases)，
访问于 2026-07-13 11:00 UTC）。

• URL 让读者能点开核对
• 访问时间 标注「这个结论在那个时间点的页面是这样」——网站会变，时间戳让结论可追溯
• 快照 落盘存档，即使原页改版/下线，快照仍在

与 frontier L07「数字可复算」呼应

frontier L07（代码解释器）          本课（证据链）
─────────────────────            ─────────────────────
报告里的数字 → 附可复算脚本         报告里的结论 → 附可回访来源
读者能自己跑代码核对数字            读者能自己点开 URL 核对来源
数字可信度升级                    来源可信度升级

合起来 = 数字可复算 + 来源可回访 = 研究报告的两次可信度升级。这是 research-assistant 从「搜索→写报告」进化到「可审计的深度研究」的关键。

2. deep_browse 设计

async def deep_browse(self, query, entry_url, max_steps=4, link_hint=""):
    """从入口页出发，跟链接跨页取证。"""
    page = await self._new_page()
    current_url = entry_url
    for step in range(max_steps):
        if not check_url_allowed(current_url): break       # 安全
        if not await self._safe_goto(page, current_url): break  # 降级
        # 提取当前页证据
        evidences.append(Evidence(content, current_url, accessed_at, ...))
        # 找下一个要跟的链接（hint 优先，过 allowlist）
        next_url = await self._pick_next_link(page, link_hint, allowed)
        if not next_url: break
        current_url = next_url
    return evidences

链接选择（_pick_next_link）

跟链接不是「随便点」——要选相关且安全的：

与 browse_for_evidence 的分工

researcher 按任务选：有明确 URL 列表用广度，要从入口探索用深度。

3. 成本控制

多步浏览成本 = 步数 × (浏览器操作 + LLM)。控制：

🎯 多步浏览的步数预算和 L04 agent 循环的步数上限是同一套成本哲学——每步烧钱，必须设上限。L11 收益表会有「browse 步数 vs 证据收益」的权衡列。

4. writer 产出的报告引用

L10 让 writer 在报告里引用证据——每个关键结论后附 [来源](URL)（访问于 时间）。这是在 writer 的 prompt 里引导：

你的报告每个关键结论必须标注来源，格式：
结论（[来源](URL)，访问于 YYYY-MM-DD HH:MM UTC）

writer 基于 researcher 提供的证据（带 URL+时间）写引用。报告从「无来源断言」升级到「每条结论可回访」。

before/after 对比

纯搜索版报告（L00 基线）：              浏览取证版报告（L10）：
LangGraph 近期发布了 v0.12 系列，      LangGraph 最近一次发布是 v0.12.0
改进了 checkpoint 和并行子图。          （[来源](https://github.com/.../releases)，
                                        访问于 2026-07-13 11:00 UTC）。
                                        主要变更：断点续跑支持、死锁修复、
                                        序列化体积减 30%。
→ 无来源、无具体版本、无日期            → 有版本/日期/变更 + 可点开核对的 URL + 时间戳

5. 落地清单

改动文件

验证

cd portfolio-projects/research-assistant
.venv/Scripts/python.exe -m pytest tests/ -q
# 预期：123 passed（L09 的 121 + deep_browse 2）

课程 code.py 演示 deep_browse 多步取证 + 证据链格式 + before/after 报告对比。

6. 课程 code.py 演示

gui-agent-lessons/10_evidence/code.py：

• 用 deep_browse 从 L00 搜索页出发，跟链接翻页进详情，产出证据链
• 展示证据链格式（每条带 URL+时间+快照）
• before/after 报告对比（纯搜索 vs 浏览取证）

详见 code.py。

7. 本课在两条主线上的位置

• 评估主线：本课产出「引用可回访率」这个新指标——L11 收益表会有这一列（对照 L00 基线的 0%）。证据链也让 L08 mini-benchmark 的 T8（多步取证）能严格验收（查答案含 URL+时间）。本课的 2 个测试也是评估的一部分。
• 观察-行动接口主线：本课把「行动」从单页扩展到多步串联——行动不止是 click，是 click 后跟链接、跨页、成链。观察也扩展：每步观察记成快照存档，不只喂给 LLM 还留给读者。这是观察-行动接口的「时间维度」——接口不只管单步，还管跨步的路径。

🎯 面试话术

「我的研究报告每个关键结论带 URL 和访问时间戳，页面有快照存档——读者能点开核对、能复走取证路径。数字可复算（frontier 代码解释器）+ 来源可回访（本课证据链），这是两次可信度升级。多步浏览用 deep_browse，从入口跟链接深入，每步过 allowlist、有步数预算控成本。和 L09 的 browse_for_evidence 分工：广度并行开多页、深度串联跟链接。」