sci-employee-deep-research

name	sci-employee-deep-research
description	调用或模拟 Deep Research 流程，把论文检索、关键词拆解、候选证据和最终 answer 组织成可核验研究报告。适用于赛题讲解、开题调研、方案依据整理。

深度研究员工

Use When

用户已经有研究问题，需要形成一份有结构、有引用、有证据边界的研究报告时使用。

不要直接替代论文检索。先用 paper-search 找候选或确认检索口径，再进入 Deep Research。

输入

• 研究问题。
• 已有候选论文或允许调用的检索接口。
• 页码、每页数量、是否返回原始检索结果。
• 需要的输出形态：报告、PPT 依据、赛题讲法、实操路线。

接口

Deep Research 接口：

POST http://123.56.218.60:18000/api/research/ask

请求体核心字段：

{
  "prompt": "研究主题或问题",
  "model": "qwen-deep-research",
  "keyword_model": "qwen-plus",
  "page_num": 1,
  "page_size": 5,
  "endpoint_names": [
    "searchArticlesByQuery1",
    "searchArxivByTitle",
    "searchArxivByAbstract",
    "searchArxivByArxivNo1",
    "searchArxiv"
  ],
  "include_raw": false
}

响应是 text/event-stream。必须持续消费事件并拼接最终报告，不能在后端等完整 done 后一次性返回。

实时进度转发

Deep Research 接口本身会中途返回 SSE。调用层必须把这些事件实时透出给用户，至少展示阶段、关键词、检索汇总、references 和 answer 生成片段。

推荐使用 scripts/stream_deep_research.py 消费 SSE 并输出 JSONL：

python scripts/stream_deep_research.py `
  --prompt "large language models for scientific discovery survey"

每一行都是一个进度事件，可由服务端转成 SSE 或 WebSocket 消息：

JSONL 事件	来源 SSE	用户侧含义
stream_started	本地包装器	请求已开始
phase	phase	进入关键词规划、私有检索、写作等阶段
keywords_ready	keywords	关键词已生成
private_search_hit	private_search_hit	某个检索接口有命中或失败
private_search_summary	private_search_summary	检索总命中、失败接口已汇总
references_ready	references	候选 references 已可提前展示
answer_delta	delta	answer 正在生成，可逐步展示
done	done	服务端完成
usage	usage	token/用量信息
stream_final	本地包装器	本次流结束，给出 answer_status

如果 30-45 秒内已收到 references_ready 但没收到 done，不要丢弃结果。UI 应展示 references，并把状态标为 incomplete 或“answer 生成中/未完成”。 做可用性探针或首屏体验测试时，可加 --max-events 8，让脚本在已有阶段/检索命中后优雅输出 stream_interrupted 和 stream_final，而不是等最终长答案。

如果通过 Nginx 或其他网关转发 SSE，必须关闭响应缓冲：

proxy_buffering off;

后端响应头建议包含：

Content-Type: text/event-stream
Cache-Control: no-cache
X-Accel-Buffering: no

已实测状态

2026-06-10 测试结果：

• GET /health 返回 HTTP 200，ok: true。
• 服务端模型列表包含 qwen-deep-research 和 qwen-deep-research-2025-12-15。
• POST /api/research/ask 能返回 SSE。
• 已观察到阶段：KeywordPlanning、PrivateSearch、references、answer、done。
• 测试主题“中文学术文本人味化生成与改写的评测方法”没有检索到 references，最终 answer 是澄清问题。
• 第二次测试主题“large language models for scientific discovery survey”返回 totalResults=82，解析到 50 条 references，并开始生成 answer；但 45 秒限制内未等到 done，标为 references 已返回，answer 未完成。
• 第三次测试主题“agentic scientific discovery deterministic data access benchmark”返回 totalResults=31，解析到 31 条 references，并开始生成 answer；35 秒限制内未等到 done，标为 incomplete。更聚焦的问题减少了混杂，但摘要检索仍会引入弱相关论文。
• 已新增 scripts/parse_deep_research_sse.py，可从 SSE 文本日志提取关键词、检索命中、references 数、answer 状态和前 10 条 references。
• 已新增 scripts/stream_deep_research.py，可实时转发 SSE 事件为 JSONL，避免调用层等最终 answer。

硬规则：

如果 references 为空或 private_search_summary.totalResults=0，不能把结果标为“研究报告”。只能标为“问题澄清”“检索失败记录”或“无证据初稿”。

如果 references 已返回但没有 done，不能丢弃结果。标为“answer 未完成”，保留 references、已生成片段和下一步继续等待/缩短问题/收窄候选。

工作流

1. 先写研究 brief：问题、边界、需要回答的 3-5 个子问题。
2. 优先读取 paper-search 给出的候选论文交接合同；没有候选时，先收窄关键词再调用接口。
3. 调用接口或构造 dry-run 请求体。
4. 记录 SSE 阶段：
   • KeywordPlanning
   • PrivateSearch
   • ResearchPlanning
   • WebResearch
   • answer
   • KeepAlive
5. 从事件中整理：
   • 关键词
   • 检索来源
   • 候选论文
   • 报告正文
   • 引用或证据片段
6. 输出研究报告，不只输出模型正文。
7. 给复核清单：哪些引用已核验，哪些仍需人工看全文。

与论文检索员工的串联

Deep Research 接收的理想输入不是一句宽泛问题，而是 paper-search 交来的候选包：

{
  "research_question": "需要回答的问题",
  "candidate_papers": [],
  "exclude": [],
  "questions_to_answer": []
}

输出时必须补回：

{
  "references_count": 0,
  "answer_status": "complete/incomplete/clarification/no-evidence",
  "evidence_used": [],
  "claims_need_fulltext_check": [],
  "retrieval_limits": []
}

报告结构

研究问题：
边界：
关键词：
证据来源：
主要结论：
分论点：
引用与证据：
争议或不足：
可实操路线：
还需要核验：

失败处理

• 健康检查失败：记录服务不可用，不伪造报告。
• SSE 断流：保留已收到阶段、事件数和最后事件。
• 没有引用：报告只能标为初稿，不能当可提交证据。
• 候选论文不足：退回 paper-search 换词或扩源。
• searchArticlesByQuery1 返回 400：记录 endpoint、关键词和错误；不要重试刷接口，改用更短关键词或 arXiv/OpenAlex 回退。
• answer 只返回澄清问题：把它作为需求澄清，不要包装成调研结论。
• references 很多但混杂：退回 paper-search 做候选过滤，不要让 answer 引用不贴题论文。
• answer 超时或没有 done：保留 references 和已生成片段，标为 incomplete，不要当最终报告。
• 前端或托管层收到 answer_status=incomplete 时，先展示已返回 references 和 answer 片段，并把用户动作设为继续等待、收窄问题或回到候选论文过滤；不要让用户长时间只看到加载中。

最小实测记录格式

健康检查：
请求主题：
请求字段：
观察到的 SSE 阶段：
关键词：
检索命中数：
失败 endpoint：
references 数量：
answer 类型：研究报告 / 澄清问题 / 无证据初稿
下一步：

SSE 解析脚本

保存 SSE 日志后运行：

python outputs\ai_scientist_open_source_research\deep_dive\scientific-digital-employee-skill-pack\deep-research\scripts\parse_deep_research_sse.py `
  outputs\ai_scientist_open_source_research\deep_dive\api_tests\round4_deep_research_sse.txt `
  --out outputs\ai_scientist_open_source_research\deep_dive\api_tests\round4_deep_research_summary.json

实时转发或回放 SSE 日志：

python scripts/stream_deep_research.py --from-log outputs\api_tests\round4_deep_research_sse.txt

输出字段：

• phases
• keywords
• private_search.totalResults
• private_search.failures
• references_count
• first_references
• answer_status
• answer_chars
• answer_preview

进度事件脚本测试：

python -m pytest tests/test_stream_deep_research.py

answer_status 判定：

状态	含义
complete	有 references 且收到 done
incomplete	有 references 和 answer 片段，但未收到 done
references_only	有 references，但 answer 未开始
clarification_or_no_evidence	有 answer 但无 references
no_evidence	totalResults=0

讲解抓手

现场讲时强调：

• Deep Research 的价值不是长文本，而是把“检索、证据、报告、待核验问题”串起来。
• 可以把 SSE 阶段作为透明过程展示，让听众看到系统不是黑箱直接写答案。
• 最终答辩要讲清楚：哪些结论来自论文元数据，哪些需要全文复核。
• Deep Research 也会失败；失败时最重要的是留下关键词、检索来源、空结果和下一步换词策略。
• 宽泛问题会带来混杂 references。明天实操时先由论文检索员工筛候选，再让 Deep Research 组织证据。
• 聚焦问题能减少混杂，但不能完全替代候选过滤；标题强相关和摘要弱相关要分开看。