- 0 业务痛点
标准搜索查询通常会因复杂问题而失效。学术论文、市场分析或代码调试，要找到完整答案通常需拼凑数十个单独搜索。这正是深度研究的用武之地——它能够直面这一日常挑战。Google Gemini、ChatGPT 和 DeepSeek-R1 等领先 AI 平台已提供这项强大功能。
深度研究凭借其智能反馈循环脱颖而出：它能够识别知识缺口，锁定特定问题，进行系统性探索，并提供全面的报告。不同于传统的碎片化信息搜索，深度研究提供的答案既广泛又深入。
本文展示咋用 Dify 构建深度研究工作流，主要包含三个关键组件： 循环变量、结构化输出和代理节点 。创建一个能够独立进行研究并提供有意义见解的工作流。
工作流概述
Dify 中的深度研究工作流程分三阶段：
- 意图识别 ：工作流程捕捉您的研究主题，收集初始背景，并分析目标以确定明确的方向。
- 迭代探索 ：工作流程使用循环变量来评估知识以发现差距、运行有针对性的搜索并逐步建立发现。
- 综合 ：所有收集到的信息都成为一份带有适当引用的结构化报告。
它反映了专家研究人员的思考：“我已经知道什么？缺少什么？下一步我应该研究什么？”
1 第一阶段：研究基础
1.1 起始节点
应首先用基本输入参数配置开始节点：
- 研究主题 ：需要探索的核心问题
- 最大循环 ：本次研究会话的迭代预算
背景知识获取
We recommend using the Exa Answer tool to gather preliminary information, ensuring the model understands terminology before going deeper. 我们建议使用 Exa Answer 工具收集初步信息，确保模型在深入研究之前理解术语。
意图分析
You need to use an LLM node to excavate the user’s true intent, and thus distinguish between surface-level questions and further information needs. 您需要使用 LLM 节点来挖掘用户的真实意图，从而区分表面问题和进一步的信息需求。
2 第二阶段：动态研究周期
循环节点：研究引擎
循环节点驱动着整个研究。在 Dify 中，它跨迭代传递信息，因此每个循环都建立在先前的发现之上。
Dify的深度研究工作流程跟踪六个关键变量：
- findings: 每个周期发现的新知识
- executed_querys: 以前使用的搜索查询（防止冗余）
- current_loop: 迭代计数器
- visited_urls: 正确引用的来源跟踪
- image_urls: 视觉内容引用
- knowledge_gaps: 已确定的信息需求
循环变量 V.S 标准变量
- Normal references follow a linear path: Node 1 → Node 2 → Node 3 正常参考遵循线性路径：节点 1 → 节点 2 → 节点 3
- Loop with Previous Iteration Reference creates a knowledge network: nodes can access outputs from both current and previous iterations 循环引用前一次迭代创建一个知识网络：节点可以访问当前迭代和前一次迭代的输出
这种设计可以积累知识，避免重复工作，并在每个周期中增强焦点。
推理节点：提出更好的问题
推理节点采用结构化输出格式：
{
"reasoning": "Detailed justification for the chosen action path...",
"search_query": "Specific follow-up question targeting knowledge gaps",
"knowledge_gaps": "Information still needed to answer the original question"
}通过在 LLM 节点中启用 Dify 的结构化输出编辑器，您将收到一致的 JSON，以便下游节点能够可靠地处理。这可以清晰地提取推理路径、搜索目标和知识缺口。
代理节点：进行研究
好的问题只是开始。有效的研究需要果断的行动，而这正是 Agent node 所擅长的。
这些节点充当自主研究人员的角色，根据具体情况选择最合适的工具。我们的工作流程为代理提供了以下功能：
发现工具
- exa_search: Does web searches and collects results exa_search ：进行网络搜索并收集结果
- exa_content: Obtains full content from specific sources exa_content ：从特定来源获取完整内容
分析工具
- think: Functions as the system’s reflection engine, inspired by Claude’s Think Tool. It enables the Agent to evaluate findings, identify patterns, and determine next steps, which is quite similar to a researcher pausing to consolidate notes and plan their approach. think ：作为系统的反思引擎，灵感源自 Claude 的 Think Tool。它使代理能够评估发现、识别模式并确定后续步骤，这与研究人员暂停工作以整合笔记并规划其方法非常相似。
可通过仅向代理提供其所需的内容来优化性能：仅提供来自上一个 LLM 节点的 search_query，而不是整个上下文。这种专注的方法可以提高工具选择的准确性。
URL 提取
工作流自动识别代理响应中的 URL 和视觉参考，从而正确跟踪所有信息源。
在每次迭代中，代理通过收集信息、处理内容和整合研究结果来完成一个完整的研究周期。
变量赋值
每个周期结束后， 变量分配器节点都会更新研究状态。这确保每次迭代都建立在先前工作的基础上，而不是重复工作。
3 第三阶段：研究综合
一旦多个探索周期完成， 最终摘要节点就会采用所有累积变量（发现、来源和支持数据）来生成综合报告。
设置此节点是为了维护正确的 Markdown 引用并编制完整的参考文献列表。该工作流程还在关键节点设置了答案节点，以便在整个研究过程中提供流式更新。这些更新将最终报告构建成全面的分析和有效的参考文献，兼具分析深度和学术可信度。
总结
本《深度研究指南》展示了 Dify 代理工作流程的卓越成就。我们将专家研究方法数字化，并通过自动化加速其进程。
未来的研究不仅仅在于拥有更多数据，更在于以更智能的方式探索数据。立即借鉴这些模式，构建您的研究引擎。
参考：
