Neo Chat 的 Agent 与 Deep Research 是什么
Neo Chat 是本地优先的开源 AI 聊天工作台（MIT 协议，GitHub 约 1800 star，2026-09 查询为 1816），在普通聊天之外提供两种进阶模式：Agent 模式执行多步工具工作流，Deep Research 产出带引用的研究报告，均需人工审批、支持手动恢复（官方 README）。出处为官方 README 与 docs/agent-runtime.md、docs/research-workflows.md（2026-09-13 核实）；产品全景与部署见Neo Chat 是什么和部署教程。
Agent 模式：多步工具工作流怎么跑
Agent 与普通聊天的分界在循环：普通聊天一次请求一次应答，Agent 围绕目标反复执行”计划 → 调用工具 → 依结果决定下一步”，直到完成或预算耗尽；Neo Chat 把它做成可审计的显式状态机。
机制细节（docs/agent-runtime.md）：
- 运行记录（AgentRun）持久化在浏览器 IndexedDB，状态机共 7 个状态：running、awaiting_input、awaiting_approval、interrupted、completed、failed、cancelled
- 每个工具在日志里记录 prepared → running → committed / failed / effect_unknown 轨迹，日志存哈希与引用，不存原始提示词和结果体
- 预算回落值为 20 轮工具、100 次调用；官方预设三档：
| 预设 | 工具轮数 | 工具调用 | 活跃时长 |
|---|---|---|---|
| Light | 8 | 30 | 10 分钟 |
| Standard | 16 | 75 | 25 分钟 |
| Extended | 24 | 150 | 45 分钟 |
审批分级执行：读取类自动；可恢复的本地写自动带修订检查；可信外部写仅宽松模式；破坏性操作、凭据暴露、未知 MCP 函数必须一次性人工确认，且不持久化。信任边界同样硬：网页、附件、插件、MCP 内容一律标记 external_untrusted，取回的指令不能升级为系统指令（docs/agent-runtime.md）。
Deep Research：先审计划，再收报告
Deep Research 把研究拆成规划、批准、执行、交付四段，每段都有人工闸门，这是它区别于一键式工具的地方。规划阶段工具全部禁用，只允许对陌生主题做有界查询：知识库查询最多 2 次、每次 5 条、限时 30 秒；公开查询最多 2 次、5 条、90 秒（docs/research-workflows.md）。
计划是版本化文档，记录目标、受众、时间范围、域名、假设、交付物契约、步骤、查询主题、证据标准；每次调整生成新版本、需重新批准。批准即冻结模型与推理设置、只读工具白名单、知识集合、附件与工作区文件（按路径、修订、哈希），模型只能收窄、不能放宽。
计划审查的价值有两点。过程可控：研究跑偏大多在计划阶段注定，人工审步骤、域名和假设，执行前就能拦住方向性错误。引用可验证：执行阶段维护证据台账，每条证据记来源身份、定位符、检索时间、内容哈希，模型自有知识永不进台账；来源支撑结论、未验证材料、模型知识补充、证据缺口在报告里分开标注（docs/research-workflows.md）。
停止原因显式记录：100% 覆盖为 complete，高优先步骤全覆盖且 80% 主张验证为 sufficient，其余如预算耗尽、无新来源也写明（docs/research-workflows.md）。预算三档：
| 预设 | 工具轮数 | 工具调用 | 活跃时长 | 广度 | 深度 | 查询数 | 每查询结果 |
|---|---|---|---|---|---|---|---|
| Quick | 6 | 20 | 5 分钟 | 2 | 1 | 6 | 5 |
| Standard | 12 | 50 | 15 分钟 | 4 | 2 | 16 | 5 |
| Deep | 20 | 100 | 30 分钟 | 6 | 3 | 32 | 5 |
手动恢复：前台执行的取舍
Agent 和 Research 都在前台执行，关页即中断，恢复必须手动点 Resume。一个浏览器标签页持有会话租约，刷新、关页、断网都算中断；恢复只复用已提交并哈希化的结果，绝不自动重放网络请求（docs/agent-runtime.md）。
工程解读：前台执行加显式恢复，把后台失控任务的风险压到零——没有看不见的进程在烧 API 额度，代价是长任务期间页面得开着。实操上，跑 Deep 档前先确认预算；中断也不怕，检查点保留已完成波次结果，Resume 接着跑，已抓来源不重抓。manual resume 正适合长任务中断续跑。
扩展工具箱：四种扩展在任务里的分工
工具供给决定 Agent 执行质量上限，四条路线如下：
| 扩展 | 接入方式 | 在任务中的角色 | 硬限制（来源） |
|---|---|---|---|
| Text Skills | 声明式文本 | 收窄工具集、注入流程约束 | 不能授权新工具、不能执行代码、不能联网（docs/agent-runtime.md） |
| OpenAPI 插件 | search_tools / load_tools 发现加载 | 把自定义 API 变成任务工具 | 单次请求最多 64 个工具 schema |
| 远程 MCP | 标准 MCP 协议 | 引入外部工具、资源与提示词 | MCP 注解仅是显示提示，安全边界在宿主 |
| Docker bridge | Compose mcp profile 起独立容器 | 让本地 stdio MCP 工具可被调用 | 托管模式与 Cloudflare Workers 不可用 |
两个数字：网页读取 fetch_url 单请求 15 秒时限、2 MiB 响应上限、4 万字符可读文本（docs/agent-runtime.md）；Docker bridge 白名单 timeoutMs 1 秒到 5 分钟、输出上限 1 KiB 到 10 MiB（docs/mcp-stdio-bridge.md）。MCP 配置可参考本站Cherry Studio 配置 MCP。
知识库与记忆：在研究任务里的位置
附件和知识库能进研究流程并随计划冻结，记忆则被刻意排除在 Deep Research 之外，为的是可审计。Deep Research 边界清单很硬：没有 Agent 技能、记忆、JavaScript 和工作区写操作（docs/agent-runtime.md），但批准时选定的知识集合与附件按 ID 冻结，作执行资料来源。检索配置：DEFAULT_RAG_BASE_URL 指向向量服务、DEFAULT_RAG_TOP_K 控召回条数、DEFAULT_MODEL_MEMORY 指定记忆抽取模型（docs/environment-variables.md）。
富输出与交付：报告怎么落地
产出物是不可变、按内容寻址的 Artifact，可导出可追问；Markdown 与 PDF 导出含附录和质量说明（docs/research-workflows.md）。
两个收尾能力。报告问答（Questions）：针对冻结版本追问，引用校验不过则该轮作废。Steering：执行中可调节点顺序或向步骤追加问题，命令以 ResearchSteeringCommand 落盘、不改运行状态。聊天侧还有可编辑 artifacts、交互式图表与导出控制（README）。
典型场景走查：一次技术选型调研（示例流程）
以下流程基于官方文档描述的能力整理，为示例走查、非实测记录。
- 新建任务，套内置 Technical evaluation 模板：交付物 decision_memo，必含需求、方案对比、风险、建议、验证计划（docs/research-workflows.md）
- 审计划：检查步骤是否覆盖待评估维度、域名排除是否合理、假设是否成立；改动即生成新版本，重新批准
- 执行中 steering：发现漏了候选方案，向对应步骤追加问题，或排到同层优先
- 中断处理：中午关机，下午点 Resume 续跑，已提交结果不重抓
- 收报告并导出：对照证据台账抽查两条引用的定位符与哈希；导出 Markdown 归档，同事追问放 Questions。
开源 Agent 生态另有形态：本站OpenHuman 介绍是桌面 Agent 方向的另一个样本。
常见问题
AI Agent 工作流和普通 AI 聊天有什么区别？
区别在有无工具循环：普通聊天一次请求一次应答，Agent 围绕目标多轮调用工具、依结果调整下一步，直到完成或预算耗尽。Neo Chat 把这条循环做成显式状态机：7 种运行状态、工具每步留哈希日志、预算三档可选，破坏性操作必须人工确认。
Deep Research 工具推荐哪个？
要可控可核查的深度研究，优先选带计划审批与引用报告的产品，Neo Chat 的 Deep Research 属于这类。它有可审查计划、证据台账与手动恢复，主张可回溯到来源。判断标准：能否审计划、引用能否查回原文、模型知识与来源结论是否分开标注。
AI 深度研究的报告怎么验证引用？
核对报告的证据台账，按来源身份、定位符、检索时间、内容哈希逐条对应原文，重点抽查主要主张。Neo Chat 把来源支撑结论与模型知识补充分开标注，报告问答中引用校验不过的轮次作废；官方设计要求一手证据，仅二手佐证的保持待验证。