“1%是我写的，99%是Agent写的。”
近日，DeepSeek研究员陈德里（Deli Chen）在个人博客上更新了一篇关于自动研究智能体（Autonomous Research Agents）的学术综述论文。令人震惊的是，这篇长达46页、包含7个图表和4个表格、引用了103篇已验证参考文献的高质量论文，几乎完全由他自己开发的Agent技能——DeliAutoResearch自主撰写完成。
在整个创作过程中，底层大模型采用的是DeepSeek-V4-Pro进行研究和写作，配图则由GPT-Image2完成。整部著作经历了6次版本迭代，总耗时仅6天。期间，Agent共进行了约108轮调用，消耗了64.8万个Token，并自动生成了2234行标准的LaTeX代码。对于陈德里而言，他的碳基大脑在这项研究中的“总CPU时间”加起来不到2个小时。他直言，如果放在以前，同样的工作量至少需要一个人类研究员高强度工作一个月才能完成。
这篇论文的核心内容是探讨自动研究智能体（L1–L5）的自主度分类体系。类比自动驾驶的SAE级别，论文为当下混乱的AI Agent领域梳理出了一套清晰的演进谱系：
L1（自动补全）：最基础的辅助阶段，如早期的GitHub Copilot，仅能根据上下文预测并补全下一行代码。
L2（任务执行）：以当前的ChatGPT、Claude聊天机器人加上各种外接工具为代表，能够分解任务，但执行的每一步都需要人类手动批准。
L3（多步骤执行）：以当前的Claude Code、Cursor Agent为代表，能自主执行10到100个步骤，只在关键节点向人类发起审核请求。
L4（受限领域内全自主执行）：人类仅需提供宏观的研究目标并评估最终成果。智能体可以独立完成多步实验、编写代码并撰写论文，但其依然无法自主选择研究的具体问题。目前行业最前沿的技术已初步触及此阶段。
L5（完全自主研究）：智能体能自主设定研究议程、选题、分配计算资源、长期积累跨领域知识并持续进行研究。这是目前尚未实现的理想状态，其核心瓶颈在于“持续知识积累”和“可靠的自我评估能力”。
除了自主性分级，论文还系统性地归纳了目前AI Agent的四种主流架构模式：
1. 单智能体循环（Single-Agent Loop）：以ReAct、Reflexion、LATS、思维树（ToT）等早期研究为代表。单模型通过“推理-行动-观察”进行迭代，简单高效，但在面对高度复杂的任务时能力受限。
2. 多智能体协作（Multi-Agent Collaboration）：以CAMEL、AutoGen、MetaGPT等框架为代表，特点是分工明确、多视角纠错，但开发与运行成本较高，且容易产生沟通混乱。
3. 分层调度（Hierarchical Planning）：以Claude Code和Devin等为代表，通过分层规划和任务分解来应对长时程（Long-horizon）的复杂研究任务。
4. 工具增强执行（Tool-Augmented Execution）：以SWE-Agent为代表，依赖于代码执行环境、网页浏览和数据库等外部工具，智能体-计算机接口（ACI）的设计直接决定了其性能上限。
此外，论文还客观地指出了迈向更高级别Agent所面临的六大开放性挑战：包括智能体陷入无意义重复策略的“认知循环陷阱”、固定窗口限制的长时程研究障碍、缺乏自动化手段评估创新性的“创新性评估”、模型随机性导致的可复现性问题、安全与学术诚信等伦理风险，以及高昂的调用成本可能加剧的科研资源不平等问题。
【AgentUpdate 深度解析】陈德里的实践标志着AI Agent正式从“效率工具”走向“生产力平权”。通过将大模型与垂直领域的L4级自主科研流（DeliAutoResearch）深度融合，人类得以将繁琐的文献检索、代码复现与论文撰写等低效重复劳动完全托管。横向对比来看，虽然目前主流工具如Claude Code和Cursor已在软件开发上展现L3/L4级别能力，但在需要强逻辑闭环、长时程推演及持续自我纠错的“科学探索”场景中，基于混合架构的分层调度Agent（如DeepSeek-V4驱动的多智能体协同）将成为未来主流。这将重塑科研生态，未来AI Agent的关键壁垒不仅在于底层模型的推理极限（Reasoning Limit），更在于如何设计更具鲁棒性的Agent-Computer Interface（ACI）和持续知识沉淀机制，推动人机协同从“Copilot”向“Co-Researcher”跨越。
