企业官网建设流程全解析

很多人第一次开发智能体时，都会有一个很自然的想法：把用户的问题、文档和工具都交给大模型，让它自己判断下一步该做什么，最后直接生成结果。

这个思路做演示很快，做真正要使用的平台却容易出问题。特别是科研场景，结果里经常有文献、数字、引用和判断。如果这些内容都由模型自由生成，报告看起来可能很完整，但不一定经得起复核。

我在开发科技文献智能服务平台时，里面有智能选题智能体和创新性评估智能体。两个智能体都需要理解长材料、整理研究脉络、解释文献之间的关系，但我没有让大模型包办全部工作，而是把模型和程序各自擅长的事情分开。

这篇文章就结合这个平台，讲一下我在开发科研智能体时是怎么做分工的。这里不重点讲某个框架，主要把开发思路说清楚，方便刚开始做 Agent 的开发人员参考。

一、先看一个最容易出错的例子

假设用户上传一份项目申报书，然后问系统：“这个项目有没有创新性？”

如果只调用一次大模型，模型一般可以很快回答：项目提出了什么方法、有什么应用价值、和已有研究相比有什么优势，甚至还会给出一个分数。

但是，这里面至少有几个问题没有解决：模型比较的是哪些文献？项目里的指标是已经完成，还是计划完成？报告中的百分比是算出来的，还是模型自己写的？引用的论文是否真的支持这句话？

所以我在设计时，先把这类问题拆成两部分。一部分是需要理解上下文、处理自然语言的工作，另一部分是有明确规则、应该稳定重复的工作。

二、大模型适合负责什么

大模型最适合的事情，是把人写的内容理解清楚，再用人容易读懂的方式表达出来。

在创新性评估智能体里，模型可以帮助系统从几十页材料中找出项目目标、技术路线、创新点和指标，也可以判断两段文字说的是不是相近的事情。

比如材料里写着“首次将某算法应用到科技文献主题发现中”，模型可以识别出这是一条需要核对的主张。它还可以进一步判断，这句话涉及方法、应用场景和“首次”这个强结论。

在智能选题智能体里，模型则更适合做主题拆解、关键词扩展、文献摘要归纳和研究空白解释。用户输入一个比较宽泛的研究方向，模型可以帮助把它拆成几个更容易检索和比较的问题。

简单说，凡是需要结合上下文来理解意思，或者需要把复杂内容讲清楚的地方，都可以优先考虑交给模型。

三、程序适合负责什么

普通程序的优势是稳定、可重复，而且不会因为换一个说法就改变计算结果。

文献检索、结果去重、时间范围过滤、引用编号、状态管理和报告导出，这些工作都更适合由程序负责。模型可以帮助生成检索词，但真正去调用检索接口、保存返回结果，应该有确定的代码流程。

再比如，系统要判断一个指标是否比基准值高百分之十，这不是语言理解问题，而是计算问题。把两个数字交给模型让它心算，结果有可能出错；交给程序计算，结果就可以稳定复现。

下面这些内容，我一般不会让模型直接生成：

• 文献总数和去重后的数量；
• 统计图表中的数字；
• 文章或项目的引用编号；
• 任务当前处于哪个阶段；
• 文件是否已经解析完成；
• 某个链接是否能够正常打开。

模型可以解释这些结果，但不应该成为这些结果唯一的来源。

四、在平台里是怎么分工的

以创新性评估智能体为例，我把它的工作拆成了几个比较清楚的阶段。

首先是材料解析。程序负责接收文件、保存文件信息、提取文本，并记录页码、段落或表格位置。模型在这个基础上识别项目目标和创新主张，但不会把原文位置丢掉。

然后是证据检索。模型可以根据主张生成更合适的检索表达，程序负责真正执行检索、保存文献结果、去掉重复内容，并记录检索时间、关键词和来源。

接下来是主张和证据的比较。模型负责回答“这两段内容在技术方法上有什么相同和不同”，程序负责把主张、证据、文献编号和原文位置关联起来。

最后生成报告时，模型负责把判断写成自然语言，程序负责把引用插入正确位置、检查链接和生成固定格式的报告。

这样做以后，一条结果就不只是“模型认为有创新”，而是可以整理成下面这个结构：

用户看到结论后，还可以继续往回查看依据，这比只给一个总分更有用。

五、为什么引用不能让模型自由发挥

科研智能体最需要控制的地方之一，就是引用。

如果让模型直接生成参考文献，很容易出现标题相近但并不存在的论文，或者论文确实存在，但正文并没有支持报告中的那句话。

我的做法是，文献先由检索程序获得，再给每篇文献分配内部编号，保存标题、作者、年份、来源和详情链接。模型只能在这个证据池里选择和解释，不能凭空增加一篇文献。

报告里的引用也不能只保存一个[1]。系统还要知道[1]对应哪篇文献，文献来自哪次检索，正文中的哪条判断使用了它。这样后面发现引用不合适时，才能定位到具体结果。

还有一点需要特别注意：没有检索到相似文献，不等于证明项目绝对原创。报告应该说明本次使用的数据库、关键词和时间范围，而不是直接写成“全球首创”。“首次”“唯一”“填补空白”这类表述，最好自动标记出来，交给用户或专家确认。

六、模型不可用时，系统也要能继续工作

智能体不是只有“成功”和“失败”两种状态。真实运行时，模型接口可能超时，检索服务可能暂时不可用，上传的文件也可能无法解析。

如果所有阶段都必须等待模型返回完整答案，任何一个环节出问题，整条链路就会中断。更稳妥的方式，是给不同环节准备降级结果。

例如模型暂时不可用时，程序仍然可以保存用户上传的材料、保留已经检索到的文献和任务进度；文档解析失败时，系统可以告诉用户是哪一个文件出了问题，而不是生成一份看似完整的报告；证据不足时，可以输出“当前无法判断”，并列出需要补充的材料。

这里的关键不是让系统无论如何都给出答案，而是让它在不能确定时把原因说清楚。科研场景里，一个有依据的“暂时不能判断”，通常比一个没有依据的肯定结论更可靠。

七、第一版开发时，怎么把这件事做简单

如果刚开始做科研智能体，我不建议一上来就实现特别复杂的自主规划。可以先做一条最小但完整的链路：上传一份材料，提取三到五条主张，为每条主张检索相关文献，最后生成一张“主张—证据—判断”对照表。

这条链路里，模型主要负责提取和解释，程序负责文件、检索、编号和状态。只要每条结果都能回到原文和文献，哪怕功能还不多，也已经具备了基本价值。

等这条链路稳定以后，再逐步增加趋势分析、指标对比、人工复核、网页报告和 Word 导出。每增加一个功能，都要先想清楚：它是需要模型理解，还是可以用程序稳定完成。

我在平台开发中也采用了这个思路。智能选题智能体重点处理方向拆解、趋势归纳和候选题解释；创新性评估智能体重点处理材料解析、主张提取和证据比对。至于检索记录、任务状态、引用关系和报告导出，则尽量交给确定的程序流程。

最后

开发智能体时，模型越强，并不意味着越应该把所有事情都交给模型。真正决定系统能不能长期使用的，往往是边界有没有划清楚。

我的理解是：模型负责理解、比较和表达，程序负责保存、计算、校验和追踪。两者结合起来，既能处理自然语言中的复杂问题，也能让数字、引用和流程状态保持稳定。

对于科研智能体来说，最重要的不是让报告看起来特别聪明，而是让用户知道这句话从哪里来、这个数字怎么算出来、这个结论目前能确定到什么程度。做到这些，智能体才真正像一个可以协助工作的工具，而不是一个只会生成长文本的聊天页面。