今天给大家带来一个开源的Deep Research框架WebThinker。这是一个面向复杂问题解决与科研写作的推理智能体，它使推理模型不仅能够“思考”，还能在思考过程中自主执行网络搜索、网页浏览、内容整合与报告撰写，实现从提问到结果的端到端执行。
Github: https://github.com/RUC-NLPIR/WebThinker
先看两个demo：
- 我想投稿NeurIPS 2025，请告诉我这个会议的详细信息
- OpenAI有哪些模型？它们有什么区别？
WebThinker系统架构解析
WebThinker的系统结构如上图所示，分为两个核心模块：
推理内核 + 搜索机制：
模型能够自主判断当前任务是否需要补充外部知识。当触发搜索时，系统会启动“深度网页探索器”来分析网页内容、点击相关链接并进行深度搜索。在收集到足够的信息后，探索器会将其整合回主推理过程中。
Think-Search-and-Draft：边思考，边搜索，边写作的科研报告生成
在搜索推理内核基础上，添加了报告撰写相关的工具。推理模型可以实时撰写报告，并根据新搜索结果动态修订内容。
系统操作分为两个模式：
- 问题求解模式（Problem-Solving Mode） ：模型聚焦获取最终答案，搜索与推理交织进行。
- 报告撰写模式（Report Generation Mode） ：模型围绕研究主题持续探索、撰写、调整，最终输出完整的报告。
深度网页探索器（Deep Web Explorer）
这一模块是 WebThinker 的核心创新，区别于传统“搜索+摘要”系统，该探索器具备：
- 多层网页点击能力 ：不局限于搜索首页，而是通过链接跳转，深入文档结构，模拟人类的信息钻取行为。
- 搜索路径控制与决策机制 ：根据目标问题不断评估“是否已足够”、“是否需换搜索关键词”，实现类人式自主调节搜索策略。
- 返回高质摘要 ：当信息收集达到需求阈值后，系统压缩为模型可消费的摘要结果用于继续推理。
自主写作机制（Auto Think-Search-and-Draft）
模型在撰写研究报告时拥有以下能力：
- 章节写作 ：根据收集到的知识，系统可独立生成某一节的内容。
- 内容审查与编辑 ：允许用户随时审查当前写作内容；系统可自动重写不准确或结构不佳的部分。
- 多轮修订能力 ：模型会反复搜索、修订，不断优化已有内容，实现内容持续进化。
自我提升训练机制（Self-Improvement）
该训练机制希望模型能够：
- 回顾过往的推理-搜索路径，识别哪些路径最有效
- 提炼“成功的推理轨迹”用于进一步学习
- 针对写作任务优化写作逻辑和节奏
该部分作者目前仍在开发中，可以蹲一波后续的论文。
实验评估
实验采用模型 QwQ-32B 作为基座，并在以下数据集上进行测试：
- GPQA （博士级自然科学）
- GAIA （困难信息获取）
- WebWalkerQA （网页导航问答）
- HLE （跨学科高难度推理题）
- Reasoning-v1-20m （开放式推理问题-报告生成）
评测使用 Qwen2.5-72B-instruct 担任评测模型，问答任务使用 Pass@1 作为正确率评估方式。研究报告从四个维度评分：
- 报告的 整体全面性
- 各章节 讨论的深度
- 事实准确性
- 逻辑连贯性
性能对比
作者在推理任务与开放式写作任务上，对WebThinker进行了评估，结果显示其在多个数据集上优于现有同类系统。
总结
作为一个让推理模型 在思考过程中自主调用工具 的新范式，WebThinker展现出了其潜力。未来，仍有不少可以继续探索的方向：
多模态推理能力 ：扩展到图像、视频等多模态内容的深度研究，来利用网络中的多模态信息。
工具学习与扩展 ：通过自我提升机制，不断优化工具使用策略，以及扩展更多工具。
GUI网页探索 ：通过GUI网页探索能力，让模型能够更好地理解和操作网页界面，实现更复杂的交互任务。