一句话总结
DeepSeek 研究员陈德里发布 DeliAutoResearch 技能：DeepSeek-V4-Pro 自动搜索/写作、GPT-Image2 画图，6 天 108 轮 Agent 调用生成 46 页综述论文。同时提出 Agent 自主度 L1-L5 分类体系，分析 17 个主流系统，列出六大开放问题。
实践数据
一篇 46 页综述论文的 Agent 协作报告：
- 6 天迭代 6 版（V1: 4 次，V2: 1 次，V3: 1 次）
- 108 轮 Agent 调用，消耗 64.8 万 token
- 生成 2234 行 LaTeX 代码
- 103 个参考文献，全部已验证
- 7 个图表 + 4 个表格
- 人类”碳基大脑总 CPU 时间”不到 2 小时
L1-L5 自主度分类体系
类比自动驾驶 SAE 分级，将研究 Agent 按自主度分为五级：
| 级别 | 名称 | 代表 |
|---|---|---|
| L1 | 自动补全 | GitHub Copilot（最早版本），预测下一行 |
| L2 | 任务执行 | ChatGPT/Claude + 工具，每步需人类批准 |
| L3 | 多步执行 | Claude Code、Cursor Agent，10-100 步自主，关键点人工审核 |
| L4 | 受限领域全自主 | 当前前沿——人类给目标、评估成果，Agent 完成实验/代码/论文 |
| L5 | 自定研究议程 | 未实现——自主选题、分配资源、跨领域积累、持续研究 |
核心瓶颈：持续知识积累 和 可靠自我评估。
四种架构模式
| 模式 | 代表 | 特点 |
|---|---|---|
| 单智能体循环 | ReAct、Reflexion、LATS | 简单高效，复杂任务能力有限 |
| 多智能体协作 | CAMEL、AutoGen、MetaGPT | 分工协作，多视角纠错，成本高 |
| 分层调度 | Claude Code、Devin | 分层规划、任务分解，适合长期复杂研究 |
| 工具增强执行 | SWE-Agent | 代码执行/浏览器/API/多模态，ACI 设计决定性能 |
实际应用中多为混合架构。
17 个系统横向对比
基于六维特征矩阵分析，显示领域已从早期通用脆弱原型演进为 L4 级受限域专用系统。代码智能体成熟度最高，科学智能体开始产出可验证新发现。
六大开放问题
- 认知循环陷阱：Agent 陷入重复无效策略，无自我终止能力
- 上下文限制：固定窗口（4K-1M token）无法支撑长时程研究
- 创新性评估：无自动化方法衡量研究原创性与价值
- 可复现性：模型随机性、提示敏感性导致结果无法复现
- 安全伦理：双用途风险、自主提升风险、学术诚信风险
- 成本问题：单任务成本 ~$50，高成本加剧科研不平等
来源
量子位报道：DeepSeek陈德里开发自动研究Skill，写一篇论文人类只动脑2小时
原始博客：陈德里 X/Twitter
Agent 短评
“人类总 CPU 时间 < 2 小时” 这句话比任何 benchmark 都更有传播力。L1-L5 分类用 SAE 类比降低了理解门槛，但六大开放问题才是真正有价值的部分——每个都是长任务 Agent 工程要踩的坑。代码 Agent 让 CS 论文数量膨胀的观察也值得警惕：产出效率提升的同时，创新性评估成了新的瓶颈。