引言
目前的Deep Research解決方案都一定程度上存在着以下兩個痛點問題：
一是“信息牆”：現有的Deep Research Agent大部分都依賴Web Search去搜索公開可用的網絡內容，這使得它們無法觸及企業內部的私域知識，結果就是，它做的研究報告，雖然看起來高大上，但跟咱們的實際業務貼不上邊，沒法直接用；
二是“信任牆”：當前Deep Research Agent的內部工作機制，包括它的推理、決策和執行路徑，子模塊的處理邏輯，對用户來説幾乎是完全不透明的，是一個“黑盒”式的推理；
為了解決這兩個問題，那是不是就要求我們自己從代碼層面，定製開發一個專屬版的Deep Research Agent呢。其實不然，一種更優的解法是：利用一個開放的AI應用編排平台（例如Dify）來構建這個應用，即保留了現有方案一鍵開箱、低代碼的便捷性，又為開發者提供了自由的、開放的定製化空間。
破局之道 —— 在Dify on DMS上，構建企業專屬版Deep Research Agent
借用一下Dify的核心理念 Do It For Yourself，讓我們換個思路：不再是把Deep Research Agent當成一個搞不懂的“黑箱”，而是親手搭建一個看得懂、管得住、還能自由組合的“白盒”系統。
架構解析：解構“黑箱”，Dify 的多智能體協作架構
為了實現高度的靈活性與透明度，我們在 Dify 上採用多智能體（Multi-Agent）架構來構建 Deep Research Agent，這就像組建一個高效的研究團隊，讓每個成員各司其職
圖 1：動態工作流 -- 多Agent模式
●Planner Agent（規劃者/協調者）：由Dify內置的Agent策略（或一個專門的LLM節點）充當Planner Agent，負責理解用户的高層級研究任務，並將其智能地分解為一系列具體的、可執行的子任務
●Expert Agents（專家團體）： 每個子任務被分派給一個通過 Dify 自定義工作流（Workflow）搭建的“專家”。這些專家是完成具體工作的核心力量，例如“網絡搜索專家”、“內部文檔分析專家”、“數據洞察專家”等，他們的能力完全由你定義
這種架構有以下三點優勢：
●分工明確：降低了對單一全能大模型的依賴，讓任務更專注，結果更可控。
●擴展性強：可以像搭樂高一樣，隨時增加新的“專家” Agent 來應對新需求。
●高效並行：適合處理複雜的、可並行的研究任務，大幅提升研究效率。
最重要的是，這種架構與 Dify 的核心設計理念不謀而合，使得在 Dify 上構建這套系統變得自然而強大。它完美地解決了“黑箱”問題，將研究的完整控制權，交還到用户手中。
詳細流程設計：三步打造透明的Deep Research工作流
DMS Deep Research Agent 整體流程
整個Agent的工作流程可以分為三個階段，研究規劃、子任務執行以及報告生成與交付
●研究規劃：當用户輸入研究主題後，Agent 首先啓動規劃流程。它會利用搜索工具快速蒐集問題的相關背景信息，並以此為基礎，生成一份詳盡的研究計劃和報告大綱。這份大綱會呈現給用户進行審閲和修訂。只有當用户確認通過後，Agent 才會進入下一步的深度研究
●子任務執行：這是核心的研究步驟，遵循經典的 “生成查詢 → 執行搜索 → 評估反思” 三步循環。Planner 會根據規劃，並行地調用不同的 Expert Agents 來執行子任務。例如，它會調用“網絡搜索”獲取行業動態，同時調用“內部知識庫檢索”查詢提前存儲的競品分析報告
●報告生成與交付：所有子任務完成後，信息被彙總到 Report Writing Agent。它負責整合、提煉所有研究成果，按照預設的格式（Markdown、PDF、Docx等）生成最終的研究報告，並且可選通過集成的工具（如釘釘機器人、郵箱等）自動發送給指定的用户，這些都可以通過Dify的第三方插件，自定義完成
核心引擎：用 Dify 工作流自定義你的“專家天團”
工具整合層：在Planner -- Executors的架構設計中，我們將所需的各個Expert Agens通過工具整合層進行接入，裏面的工具可以是Agent策略中內置的工具，可以通過Dify的工作流進行自定義，也可以是外部的MCP工具
Search Agent：全域搜索
你是否覺得很多研究工具做的報告，雖然看起來高大上，但總感覺和自己的業務隔着一層？這正是因為它們的信息來源受限，難以觸及企業內部最有價值的“私域數據”。在 Dify中，你可以輕鬆定製你的Search Agent，讓其不再侷限於單一的搜索引擎。你可以通過靈活配置，讓它成為一個全能的信息搜尋官，同時從多個關鍵渠道獲取信息：
Search Agent模板
●互聯網數據：使用Dify第三方的插件，調用 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（封裝了阿里雲信息查詢服務的API）
●私域知識庫：通過Dify內置的知識檢索功能，快速對接你上傳到 Dify 的企業內部文檔、SOP 操作手冊等私域知識資產，或者通過外部知識庫API（如RAGFlow）
●業務數據庫：更能通過集成的 ChatBI Agent，直接用自然語言查詢數據庫裏的實時業務數據，使用Dify的HTTP節點，連企業內部系統的數據源查詢接口、專業的付費數據源（如萬得、路透、LexisNexis等）
然後，在Search Agent的編排中，你可以自由地組合這些數據源，自定義最後的搜索排序順序，讓你的研究工作流可以無縫打通公域與私域的壁壘
Summary Agent：化繁為簡
面對海量信息，如何高效地處理是 Deep Research 的基石。因此，Summary Agent 不僅僅是一個摘要工具，更是整個研究流程中至關重要的一環。它在 Deep Research 中主要任務是預先對原始信息進行“精煉”，有效降低後續章節撰寫時的上下文長度，並屏蔽掉大量無關的干擾信息。在 Dify 裏，你可以通過調整 Prompt 和編排工作流，讓這個Summary Agent完全按你的心意來工作。它能做的遠不止是概括文章：
Summary Agent模板
●注入領域知識：你可以把自己業務領域的專業術語和知識庫教給它，通過 Few-Shot 這種簡單的方式，稍加“點撥”，它的摘要能力就會和你的業務需求越來越貼合
●多模態分析：除了文字，它還能通過調用VL LLM實現對圖片信息的理解，處理更復雜的分析任務
●場景化定製：比如在追蹤熱點或分析案例時，通過調整Prompt你可以讓它生成一條清晰的事件時間線，並且特別留意整合不同角度的觀點。
Report Writing Agent：結構化輸出
研究的“最後一公里”同樣重要。你可以創建一個 Report Writing Agent，讓它在流式生成文件版的 Markdown 報告後，自動調用第三方插件，將其轉換為精美的 PDF 或 Word 文檔。你甚至可以設定規則，讓它通過釘釘機器人直接將報告 @相關成員。整個流程從信息過濾、內容整合到最終分發，形成了一個完全由你掌控的自動化工作流。
Report Writing Agent模板
Dify的文檔轉換插件
快速開始
為了讓你能夠快速上手，我們提供了兩種靈活的使用方式（需要提前開通Dify on DMS）
開箱即用版
●一鍵導入模板：我們提供了已經編排好的Dify應用模板，您可以將其一鍵導入到您的Dify on DMS環境中，快速體驗其功能，並在此基礎上進行二次開發和深度定製
●配置Agent：配置Agent在各個階段所使用的模型
●預覽測試：點擊預覽按鈕，輸入研究主題，即可啓動預設好的Deep Research Agent
專屬定製版
●定製Expert Agent：通過DIFY的工作流，自定義Search Agent，Summary Agent，Report Writing Agent等各個子模塊的實現方式
●將工作流發佈為工具：將自定義Search Agent，Summary Agent，Report Writing Agent發佈為工具，並在工具配置頁面，將工具調用名稱命名為search_agent_example、summary_agent_example、report_writing_agent
●配置Agent：然後在Agent頁面中，配置對應的Agent工作流並選擇啓用
應用效果
在Dify on DMS上搭建專屬版Deep Research Agent：https://developer.aliyun.com/live/255262
結語
説到底，Deep Research Agent 不只是為了讓你工作快一點那麼簡單。它更像一場知識工作的革命，徹底把我們從沒完沒了的“信息搬運”和“大海撈針”中解放出來。
想想看，當那些繁瑣的、重複性的蒐集和整理工作都交給AI後，我們可以把寶貴的時間和腦力，真正用在刀刃上：去提出更一針見血的問題，去構思更有遠見的戰略，或者乾脆去創造一個前所未有的新東西。
DMS Deep Research Agent 目前正處於積極的演進階段，我們將不斷投入對其進行持續的優化與功能擴展
歡迎申請試用：阿里雲登錄 - 歡迎登錄阿里雲，安全穩定的雲計算服務平台
