告别AI黑匣子:Salesforce推出EDR智能体框架,让你实时“驾驭”企业内的AI深度研究

多客科技

作者：微信文章

字数 1765，阅读大约需 9 分钟

当AI研究跑偏时，我们能做什么？

近年来，一类更强大的“深度研究智能体”（deep research agents）开始兴起，它们超越了传统的RAG系统，能像人类分析师一样分解问题、搜集证据并综合洞察。然而，尽管进步神速，这些先进的系统依然像一个“黑匣子”。一旦你设定好任务并点击“开始”，就只能袖手旁观，祈祷它不会偏离方向。如果AI中途误解了你的意图，它会继续沿着错误的路走下去，最终产出一份毫无价值的报告，白白浪费了宝贵的时间和计算资源。

为了解决这个难题，Salesforce AI Research推出了一个名为 “企业深度研究”（Enterprise Deep Research, EDR） 的全新框架。它彻底颠覆了传统模式，允许用户在AI研究智能体运行的任何阶段进行干预和引导。本文基于Salesforce AI Research最新发表的论文 《Enterprise Deep Research: Steerable MultiAgent Deep Research for Enterprise Analytics》，为你揭秘EDR框架的颠覆性亮点，看看它是如何将人从被动的观察者，转变为AI研究过程的积极“驾驶员”。


揭秘EDR框架的4个颠覆性亮点

亮点一：不再袖手旁观——你可以实时“驾驶”AI的研究方向

EDR框架最核心的创新在于其“可操控性”（Steerability）。与传统系统只能在启动前编辑一次性计划不同，EDR允许你在研究过程中的任何时刻介入，动态调整AI的航向。

这意味着，当AI的研究方向出现偏差时，你可以随时通过简单的自然语言指令进行纠正。例如，你可以输入“关注同行评审的来源”来提高学术内容的权重，或指示它“优先考虑最近的出版物”来调整研究范围。这些指令并非简单的聊天提示，而是直接作用于AI的“情境策展层”（context curation layer），通过添加、取消或重新排列任务，直接影响在每个决策点进入AI注意力的信息。这种实时干预能力，将用户从一个只能等待结果的被动观察者，转变为能够主动塑造研究过程的“情境策展人”。
亮点二：这不是一个AI，而是一个各司其职的“专家团队”

EDR的强大之处在于它并非一个单一的全能AI模型，而是一个由多个专业智能体（Agent）组成的协作系统。这个“专家团队”各司其职，共同完成复杂的深度研究任务。



团队中的关键角色包括：

• 主规划智能体（Master Research Agent）： 如同团队的项目经理，负责将宏大的研究目标分解为具体可行的子任务，并协调其他智能体的工作。• 专业搜索智能体（Specialized Search Agents）： 这是一支专家搜索小队，成员包括通用网页搜索、学术（Academic）搜索、GitHub代码搜索和领英（LinkedIn）资料搜索的专家，确保在各自领域搜集最精准的信息。• 可视化智能体（Visualization Agent）： 负责将枯燥的数据转化为清晰直观的图表，帮助理解洞察。• NL2SQL智能体： 擅长将自然语言指令（比如“上个季度的销售额是多少？”）翻译成数据库能够理解的SQL查询语言。

这种多智能体架构确保了专业的事情由专业的智能体来处理。例如，分析代码的任务会交给理解代码仓库结构的GitHub智能体，而不是可能误解上下文的通用搜索智能体。这使得整个研究过程不仅效率更高，而且结果也更加深入、可靠且切题。
亮点三：一张公开的“待办清单”，成为人与AI的协作桥梁

EDR系统内部有一个名为todo.md的文件，它远不止是AI的内部执行计划，更是连接人类用户与AI的协作桥梁。它独创性地将结构化的任务管理与持久的笔记记录功能相结合，创造了一个人与AI共享的“工作空间”。

在这个共享空间里，todo.md文件既是AI的执行蓝图，也是人类用户的进度跟踪器。你可以随时查看、理解AI正在做什么、接下来打算做什么。更重要的是，你可以通过自然语言指令直接修改这份清单。这种设计使得AI的“思考过程”变得完全透明，让人类和AI能够围绕一个共同的、不断演进的情境进行协作，从而实现真正意义上的人机协同。
亮点四：真才实学——在权威基准测试中击败顶尖对手

EDR不仅仅是一个理论上先进的框架，它的硬实力已经在多个公开的深度研究基准测试中得到了验证。最令人惊叹的是，EDR是在完全没有任何人类实时干预的情况下取得这些成绩的。它在全自动模式下已经超越了竞争对手，而其可操控性则是一个更强大的额外优势，而非必需的辅助。EDR 框架用于所有评估的底层基础模型是 gemini-2.5-pro，同时他也支持通过环境变量配置使用如OpenAI、Anthropic Claude、Grok等模型。



在专门评估商业咨询能力的DeepConsult基准测试中，EDR与顶尖对手openai-deep research进行了成对比较。结果显示，EDR取得了高达71.57%的胜率，而失败率仅为9%。此外，在另一个权威的DeepResearch Bench测试中，它的整体得分也达到了49.86，优于大多数同类系统。这些实实在在的数据，证明了EDR框架在处理复杂研究任务时的卓越性能和先进性。
结语：从“提示”到“驾驭”，AI协作的未来形态

总结来说，Salesforce的EDR框架通过引入实时可操控性、透明的任务管理和专业化的多智能体协作，为企业级的AI研究提供了一个更可靠、更高效的全新范式。它不再是一个你无法控制的“黑匣子”，而是一个你可以并肩作战的强大助手。



目前该项目已开源，感兴趣的朋友可以访问EDR GitHub仓库[1]获取更多信息。

---

以上是我今天分享的全部内容，如果你觉得有帮助，欢迎点赞、转发、收藏，让更多朋友受益。
引用链接

[1] EDR GitHub仓库: https://github.com/SalesforceAIResearch/enterprise-deep-research