一个开源教程用 3 个 Agent（能自主调用工具、分步完成任务的 AI 程序）+ 通义千问，跑通了 OpenAI 收费 200 美元/月的 Deep Research——Agent 应用的壁垒远没有听起来那么高。

这是什么

OpenAI 年初推出 Deep Research，能自动规划、搜索、撰写长篇研究报告。它分两层：底层 DeepSearch 做「搜索→阅读→推理」循环找答案，上层加了大纲规划和逐章生成。这篇教程用 LangChain + 通义千问 qwen-plus + DuckDuckGo 搭了三段流水线：planner_agent 拆关键词、search_agent 并发搜索并摘要、writer_agent 汇总成 Markdown 报告。架构不复杂，代码能跑。

行业怎么看

大厂的 Agent 功能正被开源社区快速拆解，这已不是个例。Deep Research 的核心——规划+搜索+整合——任何熟悉 LangChain 的人一周内可复刻。但 demo 能跑和产品可用之间鸿沟不小：qwen-plus 推理能力与 o3 有明显差距，DuckDuckGo 搜索质量远不如专业数据库，报告准确性和深度尚不及付费版。有开发者直言，这类复刻更适合学习 Agent 架构，真要替代人工研究还早。

对普通人的影响

对企业 IT：国产模型+开源框架搭内部研究助手，成本可控，但别指望替代分析师。对个人职场：会写 Agent 的人正把「搜资料写报告」这类重复劳动自动化，这是实打实的效率红利。对消费市场：Deep Research 类产品会很快变成各家大模型标配，付费墙撑不了太久。