图解 Agent 系统

GPT Researcher：多来源怎样变成报告上下文 ​

GPT Researcher Hybrid 研究上下文的来源汇合图

查看原尺寸 SVG（可缩放）

可编辑图源 · PNG 预览 · 图的文字版 · 九步代码导读

固定官方仓库 assafelovic/gpt-researcher@6f998577d547b1e54ec662dac63583aa11e3b84b。范围是非 DeepResearch、未指定 source_urls、未传入 write_report(ext_context=...) 的 ReportSource.Hybrid：文档路径和网页路径汇合后生成普通研究报告；文档路径不保证实际加载到本地文档。本文只做源码静态核对；没有运行检索器、模型或检查真实报告引用。

核心问题 ​

“会联网研究”并不说明报告依据怎样形成。这里要分清三层：原始来源（可能有本地文件，也可能仅有网页）、按子问题筛选的研究上下文、最终 LLM 写出的报告。GPT Researcher 的 Hybrid 分支把文档路径和网页搜索路径并发执行，结果拼接进 researcher.context；写作器收到的是这个整理后的上下文，不是原始网页集合的独立证据验证结果。

关键代码路径 ​

  1. GPTResearcher.conduct_research() 把普通研究交给 ResearchConductor.conduct_research()，返回的内容保存到 self.context；DeepResearch 则走另一条分支。主入口
  2. Hybrid 分支先用 OnlineDocumentLoader 或 DocumentLoader 读取本地/指定文档，再以 asyncio.gather 并发执行“给定文档的上下文提取”和“空文档输入的网页检索”，最后用 prompt_family.join_local_web_documents 拼接。第一路只有文档非空时才是本地文档上下文；若加载结果为空，_process_sub_query() 可能转向网页抓取，因此两路都可能取得网页内容。来源分支 · 空文档回退 · 拼接格式
  3. _get_context_by_web_search() 规划子查询并行执行；_process_sub_query() 对网页路径调用检索器、获取 URL、抓取或复用预取正文，然后让 ContextManager 生成与子查询相关的压缩上下文。MCP retriever 可按策略参与，但不是 Hybrid 的必然组成。子查询规划与并行 · 单个子查询处理 · 抓取和预取正文汇合
  4. ContextManager 使用 ContextCompressor；小文档集可直接格式化，较大的文档集会走拆分和 embedding 相关性过滤。格式化内容带标题与来源字段，形成报告提示可用的上下文。上下文管理器 · 压缩快慢路径 · 来源格式
  5. GPTResearcher.write_report() 将内部 self.context 或外部传入的 ext_context 交给 ReportGenerator；后者遇到真正的空字符串会拒绝生成“有来源”的报告，否则把上下文交给 generate_report 调用 LLM。提示文本要求引用，但提示要求不是引用正确性校验。写作入口 · 空上下文保护 · LLM 报告生成 · 引用要求

一个需要单独核验的边界 ​

在本文限定的非 Granite PromptFamily 路径，join_local_web_documents 无条件写出 Context from local documents: 和 Context from web sources: 两段标签。即使两路没有有效正文，拼接结果在字符串意义上仍可能非空；而写作器当前只用 _ctx.strip() 判断“是否有材料”。因此，从静态路径看，这道保护不能独立证明该 Hybrid 报告确有来源材料。Granite 提示词家族覆写了拼接格式，不能照搬这项字符串推断。这只是代码可推导的风险，尚未实际触发或证明会生成虚假引用。拼接实现 · Granite 覆写 · 写作器判断

不要混淆 ​

  • visited_urls 是 URL 去重状态，不是事实核验或可信度分数。URL 去重
  • curate_sources 是配置控制的可选步骤，不应在图中画成所有请求必经。可选筛选
  • Hybrid、多源、MCP、DeepResearch 是不同维度；这张图只覆盖 Hybrid 普通研究中的本地与网页并发汇合。

下一步应在隔离环境用两份标有互相冲突事实的文档及可控网页源，记录抓取内容、压缩后的来源字段、researcher.context 和最终引用；再单测“双源均空”的保护边界。静态图不能代替这样的证据质量验证。

图的文字说明 · gpt-researcher-evidence ​

这张图对应 assafelovic/gpt-researcher@6f998577 的非 DeepResearch、未指定 source_urls 或外部写作上下文的 ReportSource.Hybrid 路径。返回章节 · 手机查看原尺寸 SVG · PNG

  1. 图内的“在线加载器”指 OnlineDocumentLoader。DocumentLoader 或 OnlineDocumentLoader 先完成文档加载；可选的 vector store 加载也发生在 asyncio.gather 前。这一阶段不属于并发框。
  2. 随后 asyncio.gather 并发执行两次 _get_context_by_web_search。已加载文档非空时，第一路使用这些文档形成 local context；若文档列表为空，_process_sub_query() 会回退到网页检索和抓取，故这一路也可能取得网页材料。第二路以空文档输入规划子查询、检索 URL、抓取正文并形成 web context。两路 context 是并发分支，local context 是分支名称，不保证材料一定来自本地。单个子查询处理
  3. join_local_web_documents 给两路上下文加标签并拼接；研究器保存为 researcher.context，之后可按配置做来源筛选。
  4. ReportGenerator 对字符串意义上的空上下文有拒绝生成分支；有上下文时将其送入 LLM 报告提示。提示要求引用来源，但图不表示已核验每条主张。
  5. 风险标注：即使双路正文为空，Hybrid 固定标签仍可能让拼接字符串非空，所以空串检查不能单独作为证据存在的证明。

图是静态源码说明，不是一次真实检索轨迹。MCP retriever、图片预生成、DeepResearch、其他来源类型和引用验收均不在本图范围。

编辑 build.py 后运行 python3 figures/gpt-researcher-evidence/build.py，再用 excalidraw-agent renderer 从原生 scene.excalidraw 导出 SVG 和 PNG。

在线预览稿：书稿仍在校稿，系统篇以文内固定源码版本为准；静态阅读不等于运行验收。