课程深入讲解了上下文工程与 Deep Research 智能体的原理及实战，通过构建多轮迭代的 Agent 系统，实现复杂问题的深度调研与结构化报告生成。

## 核心要点
上下文工程本质是程序化构建提示
Deep Research 模拟人类研究员思维
Agent 可自主规划、反思与执行任务
多智能体架构提升复杂问题处理能力
提示词工程与上下文工程有本质区别

知识点速记

上下文工程（Context Engineering）

• 定义：通过程序化方式动态构建和优化大模型输入上下文的技术
• 与提示词工程区别：提示词工程是一轮静态优化，上下文工程是多轮动态迭代
• 实现方式：依赖 Agent 系统自动拆解问题、收集信息、反思调整
• 优势：突破单轮推理限制，解决复杂问题

Deep Research 智能体核心机制

• 模拟人类研究员工作流程
  - 初始探索：对用户问题进行首轮信息收集
  - 状态评估：判断信息完整性与矛盾点
  - 策略制定：决定是否补充搜索或继续推进
  - 迭代执行：多轮搜索 - 反思 - 完善闭环
  - 报告生成：整合成结构化 Markdown 报告
  - 典型应用：扣子空间、dear flow 等产品均基于此架构

Agent 架构演进

老款 Agent（单体 React 模式）依赖大模型自身思维链能力，仅适用于简单或固定问题，易受模型能力波动影响。