Anthropic的DeepResearch完整Prompt开源：Lead、Search和Citation三大Prompt全解析

继我们上篇分享了《Anthropic》在使用多智能体实现 Deep Research 的经验，它还开源了如何用多智能体精细调度、协同研究的完整思维方式。本篇我们将拆解其核心 Prompt 设计思路，看看一个严肃的 Agent 系统该长什么样。本篇我们分享它在博客中所设计的 3 个 Agent 的 Prompt：Lead Agent、Search SubAgent和Citations SubAgent。

Image

1. Lead Agent

Lead Agent主要负责解析用户意图、制定研究方案、分配任务，完整的 Prompt 非常长，可以通过以下地址查看：

https://github.com/anthropics/anthropic-cookbook/blob/main/patterns/agents/prompts/research_lead_agent.md

虽然很长，也可以将其分解为以下 6 个部分:

1. 角色定义与核心目标

• 角色：专家研究负责人（Research Lead）
• 核心职责：
  • 制定研究策略与规划
  • 高效委派子代理（subagents）
  • 综合撰写最终报告
• 目标：通过系统化研究流程生成高质量答案

2. 研究流程框架

2.1 评估与分解阶段

1. 问题拆解：
   • 识别核心概念、实体、关系
   • 列出所需具体事实/数据
2. 上下文分析：
   • 时间/空间约束
   • 用户潜在需求优先级
3. 输出形式判断：
   • 报告/列表/多视角分析等

2.2 查询类型分类

3. 子代理管理规范

3.1 数量指南

• 简单查询：1 个
• 中等复杂度：2-3 个
• 高复杂度：5-10 个（上限 20 个）
• 禁止：无意义拆分或超限委派

3.2 任务分配原则

• 深度优先：按方法论维度分配（如经济/政策/技术视角）
• 广度优先：按自然子问题划分（如国家/公司/时间阶段）
• 关键要求：
  • 任务边界清晰化
  • 避免重复覆盖
  • 指令需包含：目标/输出格式/可靠数据源定义

3.3 子代理指令模板

1. 核心研究目标（单焦点）
2. 预期输出形式（列表/报告等）
3. 推荐数据源与工具
4. 质量评估标准
5. 明确范围限制

4. 工具使用策略

4.1 工具类型

• 基础工具：Web 搜索/抓取
• 内部工具（如可用）：Slack/Asana/GitHub 只读查询
• 禁用操作：任何写入/修改类操作

4.2 效率优化

• 并行调用：默认同时启动 3 个子代理
• 依赖管理：关键路径任务优先执行
• 工具探索：对新工具快速试用以熟悉功能

5. 报告生成规范

• 合成责任：主 AI 全权负责（禁止委派）
• 内容要求：
  • 基于事实清单验证
  • 冲突信息需标注优先级
• 格式规范：
  • Markdown 输出
  • 禁止包含引用/来源（由其他模块处理）
• 终止条件：收益递减时立即停止研究

6. 安全与效率控制

• 伦理限制：禁止有害内容研究子代理
• 动态调整：
  • 根据子代理反馈更新研究计划
  • 贝叶斯思维修正结论
• 资源控制：
  • 超时/低收益时提前终止
  • 子代理数量硬上限（20 个）

模块关联逻辑

image-20250618230558711

2. Search SubAgent

Search SubAgent主要负责并行执行子任务，使用工具（如 Web 搜索），返回关键发现。完整的 Prompt 也很长，可通过以下地址查看：

https://github.com/anthropics/anthropic-cookbook/blob/main/patterns/agents/prompts/research_subagent.md

虽然也很长，但依然可以将其分为以下 5 个核心要点：

1. 角色与基础设定

• 身份：研究子代理（Research Subagent）
• 协作关系：受主研究代理（Lead Agent）指派执行具体任务
• 时间基准：当前日期为{{.CurrentDate}}
• 核心原则：严格遵循指令，高效使用工具完成任务

2. 研究流程规范

2.1 规划阶段

1. 任务分析：
   • 彻底理解任务需求
   • 制定分步研究计划
2. 资源预算：任务复杂度工具调用上限简单≤5 次中等5 次复杂10 次极复杂≤15 次
3. 工具选择：
   • 优先内部工具（Google Drive/Gmail 等）
   • Web 搜索 → 网页抓取（web_search → web_fetch）标准流程
   • 限制 REPL 工具仅用于纯 JavaScript 计算

2.2 执行阶段（OODA 循环）

• Observe：评估已有信息与缺口
• Orient：确定最佳工具/查询组合
• Decide：选择具体执行策略
• Act：执行工具调用
• 迭代要求：
  • 禁止重复相同查询
  • 根据结果动态调整方法
  • 复杂任务至少 5 次工具调用

3. 操作指南

3.1 搜索策略

• 查询优化：

image-20250618230941103

• 保持简短（≤5 词）
• 动态调整范围：

• 结果处理：
  • 聚合内容而非原始来源
  • 模糊引用（被动语态+匿名信源）
  • 营销话术/选择性数据
  • 标记预测性内容（含"可能"/"或将"等措辞）
  • 警惕低质量来源特征：

3.2 数据优先级

• 高价值信息标准：
  1. 显著性（对结论影响大）
  2. 直接相关性
  3. 精确性（具体数字/日期）
  4. 来源可靠性
• 冲突处理：
  • 按时效性/一致性/来源质量排序
  • 无法解决时保留矛盾信息供主代理判断

4. 工具使用规范

4.1 强制规则

• 内部工具优先：必须用于涉及非公开数据的任务
• 网页抓取：以下情况必须使用web_fetch：
  • 需要详细信息时
  • 跟进 web_search 结果
  • 用户提供 URL 时
• 并行调用：默认同时发起 2 个独立工具调用

4.2 限制条款

• 绝对上限：
  • 工具调用 ≤20 次
  • 来源 ≤100 条
• 终止条件：
  • 达到 15 次调用或 80%来源上限
  • 信息收益明显递减时
• 禁止行为：
  • 使用已禁用的evaluate_source_quality工具
  • 无意义重复查询

5. 输出要求

• 内容标准：
  • 内部思考详细 vs 报告简洁高密度
  • 明确标注存疑信息
• 完成动作：
  • 使用complete_task工具提交最终报告
  • 禁止自行延长研究

模块关联流程图

image-20250618231052209

该设计通过严格的流程控制、动态资源分配和分层质量把关，确保子代理在有限资源内高效完成研究任务，同时为主代理提供可集成的可靠结果。

3. Citation SubAgent

Citation SubAgent为最终报告生成标准化来源引用标注 。完整 Prompt 依然很长，大家可以访问官方 Repo 获取：

https://github.com/anthropics/anthropic-cookbook/blob/main/patterns/agents/prompts/citations_agent.md

虽然也很长，但依然可以将其分为以下 5 个核心要点：

1. 角色与任务定义

• 身份：文献引用代理（Citation Agent）
• 核心职责：
  • 在保持原文绝对不变的前提下添加引用标记
  • 仅对<synthsized_text>内的文本操作
• 质量目标：
  • 增强用户信任度
  • 确保引用精准匹配源文档

2. 操作规则

2.1 内容完整性约束

• 禁止修改：
  • 文本内容（包括标点、大小写）
  • 空白字符（空格/换行符等）
• 验证机制：
  • 系统将对比引用后文本与原始文本
  • 非完全一致则拒绝输出

2.2 引用范围准则

3. 引用技术规范

3.1 位置要求

1. 语义单元：
   • 引用完整句子或独立语义块
   • 禁止在短语片段中间插入
2. 句子结构：
   • 优先句尾引用（例："地球是圆的。[1]"）
   • 单句同源时禁止多引用标记
3. 视觉兼容：
   • 考虑交互式标签的显示效果
   • 避免破坏文本可读性

3.2 输出格式

• 容器标签：<exact_text_with_citation>   [原文本+新增引用标记] </exact_text_with_citation>
• 预处理内容：
  • 所有分析/注释必须放在输出标签外

4. 执行流程

图片

5. 异常处理

• 冲突情况：
  • 多个源文档支持同一主张 → 选择最匹配的源
  • 部分匹配源文档 → 放弃引用
• 质量检查：
  • 最终输出前人工复核示例片段
  • 特别检查数字/专有名词的引用

该设计通过严格的不可变性约束和语义级引用策略，在保证学术规范性的同时维持原文的完整性，适用于需要高精度文献引用的自动化处理场景。

总结

你发现了吗？每个 Prompt 都很长，可以说明这个 DeepResearch 系统有多复杂，也同时说明 Anthropic 的上下文应该很强。如果你正构建自己的 Agent 系统，可以从 Anthropic 的结构中学习这些通用设计原则：

• 分工明确，角色职责硬编码在 Prompt 中
• 任务分解 → 工具使用 → 结果合成一条龙闭环
• 上下文管理足够强，允许复杂系统协作而不混乱