通用 Agent 研究分析工作流：从开放式问题到结构化结论
为什么"帮我研究一下"不是一个好 Prompt
"帮我研究一下 X"是典型的开放式问题。给普通 AI，它可能：
- 基于训练知识给一段概述
- 如果联网搜索了，把几篇文章的片段拼起来
- 输出是对话回复，不是结构化文档
- 没有告诉你信息来自哪里、更新到什么时候
如果你的目标是"拿到一份可以直接放进投资备忘录或竞品调研文档里的高质量研究"，这远远不够。
AnyGen 通用 Agent 的研究工作流
第一步：抛出研究需求
"帮我研究一下 2025 年美国市场上的 AI 客服产品——主要玩家是谁？他们的核心技术路线有什么不同？各自的定价模型？目标客户规模？"
尽量明确研究范围，但不要限定具体搜索步骤。Agent 会自己规划。
第二步：Agent 主动探索
Agent 会：
- 搜公开信息，列出市场主要玩家（可能不止 3-5 家）
- 逐个访问他们的官网产品页、定价页、白皮书
- 去第三方评测平台（G2、Capterra）看用户评价
- 查行业报告（Gartner、Forrester）中的分析
- 如果发现技术路线有分化（比如有的主打 LLM fine-tuning、有的主打 RAG pipeline），会深入到各产品的技术文档
第三步：结构化输出
Agent 不会把浏览的原始内容扔给你，而是整理成结构化的研究：
- 市场全景：规模、增长趋势、主要驱动力
- 玩家画像：每家公司的定位、产品边界、融资情况
- 技术路线对比：哪些走 fine-tuning、哪些走 RAG、哪些是混合
- 定价模型对比：按 seat 还是按 usage、免费层有什么
- 目标客户规模：哪些主打 SMB、哪些主打 Enterprise
- 结论与建议：如果是选型场景，给出推荐
第四步：双 Agent 校验
生成的结构化研究会被 Verification Agent 交叉验证：
- 定价数字是否和官网一致
- 技术路线的描述是否有事实错误
- 公司信息（成立时间、融资规模）是否最新
- 引用的来源是否真实存在
第五步：交付物处理
最终的研究文档可以：
- 直接继续用对话模式让 AI 扩写某个章节
- 一键转成 Slides 做汇报
- 一键转成网页放到公司知识库
- 导出 .docx 或 .pdf
一个真实的 Agent 研究示例
研究任务：2025 年全球 AI Agent 产品进展
Agent 探索路径（实际执行时你看不到这个过程，但可以从输出的来源列表推断）：
- 搜索 "2025 AI Agent market overview" → 发现 Gartner 的报告
- 阅读 Gartner Hype Cycle 2025 → 列出主要玩家
- 去 OpenAI、Anthropic、Cognition、Adept、Replit 的产品页看最新进展
- 查 GitHub 上 AutoGen、CrewAI 的 star 数和最近更新
- 读 LangChain 博客上的 Agent 综述
- 整理出"2025 年 AI Agent 的三条技术路线"：Agent-as-a-Service / Framework / End-to-End App
最终输出：一份 5-8 页的结构化研究报告，每个结论都标注来源，关键数据带日期。
研究质量的影响因素
高质量的前提
- 明确的研究范围：说清"比什么"、"什么时候"、"什么维度"
- 愿意等一会儿：复杂研究可能需要 5-10 分钟
- 接受 Agent 的自主性：让它决定读什么、怎么组织
- 事后抽样验证：对关键数字（定价、融资、市场规模）建议自己抽查一遍官网
可以帮助 Agent 的
- 上传你已有的资料作为参考
- 用连接器（Web Search + Google Drive + Slack）提供更多数据源
- 在 Agent 输出后追问细节（"关于 Cognition 的 Devin，技术细节能再深入一点吗"）