Tavily 如何打造达到 SOTA 的 Deep Research 智能体

Tavily 分享了构建 SOTA 深度研究智能体的经验：七个月前其第一版架构因假设过于复杂，在下一代模型到来时成为瓶颈，团队被迫推倒重建。新方案简化编排逻辑、强调自主性，并借助 Tavily Advanced Search 在工具侧完成上下文工程，只返回最相关内容块以降低模型幻觉与延迟。团队还提出将工具输出蒸馏为反思、仅在生成最终交付物时注入原始信息，以模拟人类研究方式管理上下文窗口。