04：任务派下去之后发生了什么

---

承接上篇：研究简报锁定意图，Supervisor 驱动决策。两者共同构成报告质量的天花板。

但 Supervisor 不搜索、不阅读、不整理——它只派任务。派下去之后，真正干活的是 Researcher。

这篇讲的是：一个任务从被派发到被交回，中间发生了什么。

---

一、Researcher 手上有什么

Researcher 拿到任务后，能用的东西很少。三件工具，一个硬性约束：

每件装备背后都有设计细节。

---

1.1 搜索工具：看到的不是原始世界

Researcher 拿到的不是原始网页。原始网页几十 KB——导航栏、广告、评论区，夹杂几段有用信息。全量塞进上下文，两三次搜索就撑满窗口。

所以搜索结果返回前，每个网页会被一次 LLM 调用自动压缩成 「摘要 + 关键引语」：

Your summary should be significantly shorter than the original content but comprehensive enough to stand alone as a source of information. Aim for about 25-30 percent of the original length.

体量压到原文四分之一。页面布局、广告、无关段落丢掉，关键事实、数据点、时间线保留。针对不同内容类型，压缩策略也不同：

• For news articles: Focus on the who, what, when, where, why, and how.


• For scientific content: Preserve methodology, results, and conclusions.


• For opinion pieces: Maintain the main arguments and supporting points.


• For product pages: Keep key features, specifications, and unique selling points.

这本质是上下文空间和信息完整性之间的取舍。丢掉的是原始细节——Researcher 不知道原始网页长什么样，也不知道预处理丢了什么。换来的是一个更内聚、更没有噪声的上下文：模型的注意力不会被广告和导航栏稀释，每一轮搜索占用的 token 更少，同样的上下文窗口里能跑更多轮搜索、追更多条线索。

---

1.2 think_tool：搜一次，想一次

实现极其简单——把输入原样返回，没有副作用。唯一作用是给模型一个停顿位置，把推理写进消息历史。

但框架对使用节奏有明确要求：

CRITICAL: Use think_tool after each search to reflect on results and plan next steps. Do not call think_tool with the tavily_search or any other tools.

每次搜索之后都要反思，且不允许和搜索并行调用。 反思内容被框定为三个问题：

After each search tool call, use think_tool to analyze the results:

• What key information did I find?


• What’s missing?


• Do I have enough to answer the question comprehensively?

搜到了什么？还缺什么？够了吗？ 理想节奏不是"搜搜搜"，而是 “搜-想-搜-想-搜-想”。

当然，这是 prompt 级别的指令，不是代码强制的。模型有时会跳过 think_tool 直接连续搜索。但设计意图清晰：搜索不是目的，反思才驱动调查方向。

上一篇提到 Supervisor 也有 think_tool。区别在于：Supervisor 用它判断"发现够不够、下一轮怎么安排"——管理者的反思；Researcher 用它推进搜索策略——执行者的工作笔记。同一个工具，不同层不同角色。不只是"干活"分出去了，"想"也分出去了。

---

1.3 ResearchComplete：谁来决定"够了"

Researcher 判断信息足够时，调用 ResearchComplete 退出循环。框架给了明确的停止条件：

Stop Immediately When:

• You can answer the user’s question comprehensively


• You have 3+ relevant examples/sources for the question


• Your last 2 searches returned similar information

尤其最后一条——连续两次搜索返回相似信息，说明线索已饱和，继续搜只是消耗预算。

但模型没有停的内在动力——"继续搜"永远是阻力最小的路径。所以硬性约束兜底：工具调用次数达到 max_react_tool_calls 强制结束。模型信号是正常出口，资源上限是安全网。

---

1.4 工具集如何塑造角色

回头看一眼工具箱。think_tool 和 ResearchComplete 都是"空工具"——think_tool 把输入原样返回，ResearchComplete 只是一个终止信号。没有实际副作用，不搜索、不写入、不调用外部服务。

但它们在系统里的作用完全不同。think_tool 是停顿，ResearchComplete 是退出。一个让模型继续，一个让模型结束。两个空壳工具，加上一个真正做事的工具，就定义了一个角色的全部行为空间：

结构完全对称，但"做"那一列的性质不同——Supervisor 的动作是派活给别人，Researcher 的动作是自己搜索。这个差异决定了两层的角色：Supervisor 是规划者，Researcher 是执行者。

更准确地说，Researcher 的角色是忠实的信息搬运工——搜索、整理、交回，不做判断。它的工具集里没有"分析"“推理”"生成结论"的工具，只有搜索和反思。搜索循环结束后，compress_research 的设计目标也印证了这个定位：

DO NOT summarize the information. I want the raw information returned, just in a cleaner format.

不是"提炼观点"，而是"原样整理"。Researcher 负责把信息从外部世界搬进来，保真地传递给上层。判断和决策留给 Supervisor，综合和推理留给 Synthesizer。每一层只做自己该做的事。

两层底层都是同一个 ReAct 循环：LLM 看上下文，决定调哪个工具，拿到结果，再决定下一步。但 Supervisor 的工具集里没有"自己干活"的选项，再加上 prompt 要求"派活前先 think，收到结果后再 think"——模型在循环里的自然行为就变成了：想清楚→派活→看结果→再想→再派或停。

这就是上一篇提到的 Plan-and-Execute。它不是代码层面强制的流程编排，而是工具集的约束 + prompt 的引导下，ReAct 循环里涌现出来的行为模式。工具集决定了模型能做什么，prompt 引导了模型怎么做，两者叠加让同一个 ReAct 引擎在不同层表现出不同的工作节奏。

---

三件工具加一个约束，就是 Researcher 的全部装备。工具少、上下文隔离、调用次数有上限——一个被刻意约束过的执行者。理解了这一点，看它在具体场景里怎么工作。

---

二、从派发到交回

上一章看的是 Researcher 手里有什么。这一章看它怎么用——从 Supervisor 并发派发任务开始，到压缩摘要交回，完整走一遍。

先看全景：

flowchart TD

    SUP["Supervisor<br/>拆解任务，并发派发"]

    SUP --> R



    subgraph PAR ["× N 并行执行 · 状态隔离"]

        R["Researcher<br/>搜索 ⇄ 反思"]

    end



    R --> CP["compress_research<br/>保真去重，整理摘要"]

    CP --> NOTES["摘要汇入 Supervisor notes"]

三个关键阶段：分头出发、各自搜索、压缩汇报。用一个场景把它们串起来。

---

2.1 分头出发

毕业季，你和同学计划一次毕业旅行。目的地没去过，出发前大家都在忙论文答辩，一个人查不过来。

分工：

• 小 A：机票和住宿，怎么最划算


• 小 B：当地有什么值得去的


• 小 C：天气、签证、交通和注意事项

三个人各自打开手机开始查。小 B 不会等小 A 选完航班再决定推荐景点，小 C 也不会等小 B 定了行程再查天气。等来等去，出发前都查不完。

分头查的前提：各干各的，互不等待。

在 ODR 里，这就是状态隔离。每个 Researcher 是独立的子图实例，asyncio.gather 同时启动，各自有独立上下文，互不知晓对方的存在。这不是疏漏，是并行的前提——共享上下文意味着速度退化为串行，上下文被无关信息稀释，搜索质量下降。

---

2.2 小 B 是怎么查的

小 B 的任务：查当地有什么值得去的地方。他的搜索过程是这样的：

这就是第一章提到的节奏：搜-想-搜-想。每一次"想"对应一次 think_tool——搜到了什么？还缺什么？够了吗？

注意循环里没有"计划"步骤。Researcher 不会在开头列完整搜索计划——它边搜边想边调整。这就是 ReAct（Reason-Act-Observe）：行动产生观察，观察驱动推理，推理引导下一次行动。

为什么不用 Supervisor 层的 Plan-and-Execute？因为搜索本质是探索性的——搜之前不知道会搜到什么。小 B 出发时根本不知道有个小众寺庙，是搜索中偶然发现的。ReAct 的灵活性，恰好适配这种任务。

可控性在决策层，灵活性在执行层。 两层用不同模式，是任务性质决定的。

---

2.3 什么时候必须收工

小 B 这次是自己判断"四个方向够了"主动停的。但如果他是个完美主义者，觉得"还可以再查查当地手工艺品市场"，然后"再看看有没有小众咖啡馆"——查到天黑也停不下来怎么办？

出发前你给每个人定了规矩：最多查两个小时，到点必须交结果。

在 ODR 里，这就是 max_react_tool_calls——工具调用次数的硬上限。无论 Researcher 是否觉得信息足够，达到上限就强制结束。

两个出口并存：

这个设计在两层都存在。Researcher 有工具调用上限，Supervisor 有调查轮次上限（max_loops）。每一层都有模型信号和资源上限两道关卡——模型信号让正常情况下的退出是智能的，资源上限确保异常情况下系统不会无限运转。

对于 Deep Research 这类系统，budget 控制不是可选的优化，而是必要的约束。模型被要求做深度研究，它的自然倾向是持续推进——没有硬性边界，它不会主动停下。

---

2.4 晚饭时每人说三分钟

三个人各自查了一下午。晚饭时坐下来：“每人说说重点。”

• 小 A：直飞比转机贵 400，推荐两个航班。老城区酒店性价比最高。最便宜的组合是红眼航班加民宿，凌晨两点到。


• 小 B：小众寺庙值得去，附近观景台看日出要早上五点。夜市评价两极分化。有条半日徒步路线。


• 小 C：免签，偶尔阵雨带伞，打车便宜，没特别的安全问题。

几个小时的调查，几分钟说完。

在 ODR 里，这一步对应 compress_research——它不是搜索循环的一部分，而是 Researcher 子图中的一个独立节点。当 ResearchComplete 被调用或工具调用次数达到上限时，流程从搜索循环跳转到这个节点。

它的输入是 Researcher 在搜索循环中积累的全部消息历史——每一次搜索的返回结果、每一次 think_tool 的反思记录、模型的每一步决策。这些消息被交给一次独立的 LLM 调用，整理成结构化摘要。

原则不是"总结"，而是保真去重：

All relevant information should be repeated and rewritten verbatim, but in a cleaner format.

一条都不丢，去掉重复和噪声。所有来源链接完整保留。摘要交回 Supervisor 的 notes 列表，作为判断"继续还是收尾"的依据。

---

三、这套设计换来了什么

并行、隔离、压缩——这三个选择不是各自独立的，它们是同一个设计决策的三个面。选择了并行，就必须隔离；隔离之后信息分散，就必须压缩汇聚。理解收益和代价，要把它们放在一起看。

3.1 收益

---

3.2 代价

先从第一性原理看这个问题。

信息在这条链路中被压缩了两次：原始网页 → 预处理摘要（四分之一体量），Researcher 工作历史 → compress_research 结构化摘要。每一次压缩，本质上都是一次"什么值得保留"的判断。

这个判断有两个根本性的局限：

做判断的模型不知道下游需要什么。 压缩网页的模型不知道 Researcher 会追哪条线索；压缩研究历史的模型不知道 Supervisor 会拿摘要和哪些其他线索做交叉推断。每一层的"相关性"判断都是局部的——它只能基于当前上下文判断，无法预见信息在全局中的关联价值。

隔离让跨线索关联在压缩时不可见。 小 A 压缩时不知道小 B 的发现，"凌晨两点到"在小 A 的上下文里只是航班的附带信息，看起来不值得强调。但放到全局，它和小 B 的"早上五点日出"构成矛盾——这个关联在压缩时根本无从判断。

用一个具体的例子看这两个局限如何叠加：

flowchart TD

    subgraph A ["小 A · 机票住宿（独立上下文）"]

        A1["发现：红眼航班最便宜，凌晨两点到"]

    end

    subgraph B ["小 B · 景点推荐（独立上下文）"]

        B1["发现：观景台日出很美，早上五点出发"]

    end



    A1 -->|"压缩：'凌晨到'是附带信息，不强调"| S["Supervisor 看到两份摘要"]

    B1 -->|"压缩：'早起'是附带信息，不强调"| S



    S --> D["选了最便宜的航班<br/>凌晨两点到，三点才睡<br/>日出没看到"]

"凌晨两点到"和"早上五点出发"各自在对方的视野之外。两条信息分别经过压缩，各自被判定为非核心细节。等它们汇聚到 Supervisor 时，关联可能已经模糊甚至消失了。

---

3.3 框架的应对

框架并非对此毫无应对。实际上有多层缓解机制：

压缩的保真原则。 compress_research 的设计目标不是"总结"而是"保真去重"——要求逐条原样保留相关信息。这降低了"凌晨两点到"这类细节在压缩环节被丢掉的概率。

Supervisor 的多轮反思。 Supervisor 收到摘要后，用 think_tool 反思"还缺什么？信息之间有没有矛盾？"。此时它同时看到所有线索的摘要——如果"凌晨两点到"和"早上五点日出"都保留了下来，Supervisor 在反思时有机会发现冲突，并在下一轮派出针对性任务来解决。

Synthesizer 的全局视野。 最终综合阶段，Synthesizer 同时看到全部摘要，在写报告时也是一个发现跨线索矛盾的机会。

Supervisor prompt 对隔离的显式承认。 框架在 prompt 中明确告知 Supervisor：

When calling ConductResearch, provide complete standalone instructions - sub-agents can’t see other agents’ work

这让 Supervisor 在派发任务时充分意识到隔离的存在，从而给出更完整、更自包含的任务描述。

这些机制都在起作用，但它们有一个共同特点：每一层都依赖模型的判断能力。压缩时模型要判断"凌晨两点到"是否值得保留；Supervisor 要在反思时把两条信息关联起来；Synthesizer 要在写报告时发现不一致。这些都可能发生，但不是必然发生。

框架用多层概率性的缓解来应对一个结构性的代价。 每多一层，遗漏的概率降低一些，但无法降到零。

---

3.3 值得吗

绝大多数场景下值得。调查线索通常相对独立——机票价格和景点推荐之间不存在因果关系。并行的效率收益远大于偶尔丢失的关联。

理解代价的意义不是质疑选择，而是知道边界：当问题本质是一条因果链而非独立线索时，需要格外留意摘要是否保留了足够的关联细节。

---

四、接下来

一个任务从派发到交回，经历了隔离、搜索、压缩。每个阶段都有明确的设计选择和代价。

三份摘要交回之后，还有最后一步：把分散的发现整合成一份报告。报告质量取决于全链路每一层保留了什么、丢掉了什么。

下一篇，从头到尾串一遍这条信息链。

---

← 03：谁在决定你的报告质量