> ## Documentation Index
> Fetch the complete documentation index at: https://aisa.one/docs/llms.txt
> Use this file to discover all available pages before exploring further.

# 用 AIsa 构建研究型 Agent

> 为有来源支撑的研究型 agent 选择 AIsa 搜索 API、研究类 Skills、证据规则和模型综合方式。

研究型 agent 通常需要两种不同的能力：

1. 检索实时或权威来源。
2. 用模型推理对证据做比较、总结和解释。

对于依赖实时信息的结论，不要只靠模型推理。

## 选择研究入口

| 需求        | 从哪里开始                                                            |
| --------- | ---------------------------------------------------------------- |
| 可复用的多源工作流 | [多源搜索 Skill](/docs/zh/agent-skills/search)                            |
| 跨来源的近期简报  | [Last 30 Days](/docs/zh/agent-skills/last30days)                      |
| 带引用的深度研究  | [Perplexity Deep Research](/docs/zh/agent-skills/perplexity-research) |
| 学术论文      | [Scholar Search](/docs/zh/agent-skills/scholar-search)                |
| 由应用控制的检索  | [直接 API 参考](/docs/zh/api-reference)                                   |
| 最终综合或排版   | [模型推理](/docs/zh/guides/models)                                        |

当工作流可复用、且 agent 应遵循成熟流程时，使用 Skill。当应用需要自己控制来源选择、调用顺序、缓存或排序时，使用直接 API。

## 推荐工作流

### 1. 明确研究问题

需要指定：

* 这项研究要支撑的具体决策或结论。
* 需要的时间范围。
* 偏好的来源类型或站点。
* 地域或语言限制。
* 期望的输出和引用格式。

### 2. 先检索，再综合

用搜索结果做发现，然后抓取需要作为证据的来源页面。

```text theme={null}
搜索结果是发现。
抓取到的页面是证据。
生成的摘要是综合。
```

不要把摘要片段、模型记忆或生成的答案等同于一手来源。

### 3. 比较来源

对于关键结论：

* 优先采用官方文档、申报文件、原始公告或一手数据集。
* 记录发布日期和来源 URL。
* 发现矛盾时要指出，而不是悄悄合并。
* 标注仍存在不确定性、或只有单一来源支撑的结论。

### 4. 用模型做综合

检索完成后，把相关证据交给受支持的模型，并要求它区分：

* 已核实的事实。
* 解读。
* 尚待回答的问题。
* 建议。

模型不应编造引用，也不应声称访问过未被检索的来源。

### 5. 校验输出

交付结果之前：

* 确认每条重要引用都能指向预期来源。
* 复查时效性强的数字。
* 删除缺乏支撑的结论。
* 说明研究的信息截止时间。

## 最小文档集合

构建这类工作流的 agent 通常只需要阅读：

* [Agent 快速上手](/docs/zh/agent-quickstart)
* [按目标查找能力](/docs/zh/by-goal)
* 所选 Skill 或 API 页面
* [认证](/docs/zh/guides/authentication)
* 如果需要模型综合，再看[模型](/docs/zh/guides/models)

除非任务确实需要广泛的 endpoint 发现，否则不要把整份 API 参考都读进上下文。

## 什么时候未必需要 AIsa

如果工作流只用一种来源类型、不需要可复用的 Skills，并且已经有成熟的模型和计费集成，那么直接接入单一的专业搜索提供商可能更简单。

产品匹配方面的建议参见[何时使用 AIsa](/docs/zh/evaluate/when-to-use-aisa)。