到第 25 篇为止，这个系列把 Agent 开发的工程地基打完了：工具调用、图编排、RAG、MCP、记忆、多 Agent，一路到框架选型。本篇是系列第 26 篇、第五模块"进阶架构"的收官篇，换个视角收尾——不练新招式，去看前沿长什么样。2026 年的产品侧，Deep Research、Computer Use、代码 Agent、Agent 浏览器四类形态，已经从发布会演示变成了不少人的日常工具。
本文按"四个形态逐一解剖 → 提炼共同规律 → 用 LangGraph 亲手搭一个 Deep Research 骨架 → 总结与练习"组织。结论先亮出来：前沿形态 = 基础能力 × 更长时程 × 更强上下文工程，没有新魔法。拆开每个形态，你都会认出这个系列讲过的零件。
1、Deep Research 长时程研究
Deep Research 一句话讲清：给它一个问题，它自己规划检索词、搜网页、读材料、发现缺口、补查，最后产出一份带引用的长报告，全程几十分钟。OpenAI 2025 年 2 月 2 日首发 deep research，随后各家跟进：Gemini Deep Research 不但进了产品，还通过 API 开放，2026 年起分化出低延迟交互式与自主式两种形态；Claude 也上线了 Research 功能，移动端只搜网页、桌面端能力更全。2026 年 2 月的更新还让 deep research 能接入任意 MCP 服务器——第 19 篇讲的协议进了消费级产品——并把检索范围限定到可信站点。
解剖它的循环，你会看到一个熟悉的形状：
循环体：规划查询 → 检索 → 阅读 → 评估缺口 → 不足则补查（回到检索）
出口：素材足够 → 综合成带引用的报告
这正是第 17 篇 Agentic RAG 的放大版：检索作为工具、grade 评估、rewrite 补查，循环骨架来自第 8 篇的条件边。系列知识映射下来还有两块：结构化输出约束研究计划（第 4 篇），以及把读过的网页蒸馏成笔记、不把原始对话全量带着走（第 23 篇记忆）。不少实现还会拆出规划者与多个并行执行者，那是第 24 篇 Supervisor 模式的直接应用。
普通 Agent 与它的差距不在架构，在两个参数：循环深度，几跳检索对几十轮检索；上下文管理，原始网页几轮就塞爆窗口，必须压缩成笔记再进下一轮。边界也要说破：引用仍会张冠李戴，报告质量的上限取决于检索质量；时延以十分钟计，不适合实时问答；成本同样要算——一次任务消耗的 token 是普通问答的成百上千倍。它替代的是"人肉查一周资料"的活，不是搜索引擎的活。
2、Computer Use 屏幕操作
2024 年 10 月 22 日，Anthropic 随 Claude 3.5 Sonnet 首发了 computer use：模型把屏幕截图当输入，输出结构化的鼠标键盘操作——点哪个坐标、输入什么文字、滚动多少格。官方文档里这个工具朴素得惊人：像素进，键鼠出。OpenAI 2025 年 1 月以 CUA（Computer-Using Agent）跟进；2026 年 3 月，Anthropic 进一步宣布 Claude 能操作用户真实的电脑完成任务。
剥开看，它就是第 5 篇的工具调用，只是工具的输入参数从结构化 JSON 换成一张截图，返回值从业务数据换成一个动作。收益是绕开全部集成成本——不会调接口没关系，会点按钮就行，理论上就能操作任何带图形界面的软件。系列映射三处：多模态工具调用（第 5 篇）；工具接口的歧义性（第 22 篇）——像素是歧义性最强的接口，两个按钮长得像就会点错；高危动作必须 interrupt 审批（第 11 篇）。
演示级与生产级之间隔着三座大山。可靠性：一步点错全盘皆输，长链条任务的成功率随步数指数衰减。速度：每步都要截图、推理、执行，比 API 调用慢一个量级。安全：Agent 在你的屏幕上操作，等于交出了键鼠权限。2026 年落地最稳的是容错高的场景——稳定界面上的回归测试（点错反而是测试发现），以及遗留系统的 RPA 替代（本来就是无人值守的重活）。
3、代码 Agent 架构共性
代码 Agent 是四类形态里最早完成日常化的。JetBrains 2026 年 8 月的调研显示，Claude Code 以 31% 的使用率成为最常用的 AI 编码工具，Cursor 仍是许多团队的默认选择——2026 年的工程师，已经默认在 Agent 模式下写代码了。
架构共性拆开就三样。第一，一组精心分层的工具：文件读写、终端执行、代码检索（grep 与 glob），读写分开、带行号定位、错误信息回传，正是第 22 篇工具粒度设计的教科书级实践。第二，一个 ReAct 循环——第 9 篇手写过的那张图：读码、改码、跑命令、看报错、再改。第三，一套上下文工程：CLAUDE.md 这类规则文件常驻窗口，超长会话自动压缩，无关文件不进入上下文。
系列映射：工具集（第 5 篇）；外部状态设计——文件系统才是真正的 State，对话消息只是索引（第 7 篇）；长期记忆的文件化与版本化（第 23 篇）。Skill 机制用一句话总结：把"某类任务的标准做法"打包成文件夹（指令加脚本），平时只占几十 token 的简介，命中任务才完整加载——第 23 篇"按需检索记忆"思想的产品化，本站 Skill 系列文章有展开。
4、Agent 浏览器两条路线
Agent 浏览器把浏览器本身变成操作空间：替你比价、填表、订票。技术上两条路线并存。DOM 路线读 HTML 结构、执行 JavaScript 操作元素，快而准，但遇到重动态渲染的页面容易抓瞎；视觉路线用截图加点击，是 Computer Use 的浏览器特化，通用但慢。这本质是第 22 篇工具设计的两种 schema 取舍：结构化接口对通用感知接口。
产品现状值得单独说，因为这条赛道 2026 年刚洗过一轮牌。OpenAI 的 Operator 2025 年 1 月首发，当年 7 月并入 ChatGPT agent、8 月底独立站下线；它后来推出的智能浏览器 Atlas 也在 2026 年 8 月停止服务。Perplexity 的 Comet 反而站稳了：2026 年 3 月起全平台免费，附带 Control browser 模式；Google 的 Gemini Agent 是下半年它的主要对手。
边界在三个地方。登录、支付、验证码这类环节，各家都只敢交回人工确认——第 11 篇 HITL 的产业级回声；反爬与风控是长期猫鼠游戏；产品存续本身也是风险，一年内两度下线的记录说明需求还没有完全跑通。
5、前沿的共同规律
四个形态并排放，规律自己浮出来：
| 形态 | 核心循环 | 拉长的维度 |
|---|---|---|
| Deep Research | 检索→阅读→补查 | 循环深度：几十轮 |
| Computer Use | 截图→推理→操作 | 感知带宽：像素输入 |
| 代码 Agent | 读码→改码→验证 | 任务时程：小时级 |
| Agent 浏览器 | 导航→操作→校验 | 操作空间：整个 Web |
公式可以写成：基础能力（工具调用 + 循环 + 记忆）× 更长时程 × 更强上下文工程。基础能力本系列前 25 篇全部覆盖；前沿真正多出来的只有三件事：模型本身变强，更长视野、原生多模态；产品化包装——沙箱、审批、会话恢复，正是第 11、12 篇能力下沉到产品层；上下文工程升维——笔记化、自动压缩、按需加载。
前沿没有新原子，只有旧积木的更长组合。
所以对这个系列的读者，前沿不是新大陆。你与它的距离，是把已会的积木搭得更长、更稳的距离。真要押一个学习重点，押上下文工程：模型与循环人人都有，长时程任务里决定成败的，是窗口里放什么、丢什么。
6、动手搭研究循环骨架
不信没有魔法？用第 6、8、10 篇的旧积木，二十来行搭一个 Deep Research 骨架：检索工具、多轮补漏、字数门限终止。先定义工具、内部 Agent 与 State，代码如下：
import operator
from typing import Annotated, TypedDict
from langchain.chat_models import init_chat_model
from langchain.agents import create_agent
from langchain_core.tools import tool
@tool
def web_search(query: str) -> str:
"""检索网页，返回前 5 条结果的标题、链接与摘要。"""
... # 接入 Tavily 或 Brave Search 的 API
model = init_chat_model("openai:gpt-5") # 第 2 篇的统一入口
agent = create_agent(model, [web_search]) # 第 10 篇的老朋友
class State(TypedDict):
question: str
notes: Annotated[list[str], operator.add] # 笔记只增不删
解读：web_search 是第 17 篇"检索作为工具"的最小实现；agent 负责单轮的检索与记要点，内部自带一个 ReAct 小循环；State 只留问题与笔记两个键，且笔记存的是模型蒸馏后的要点而非原始网页——这正是 Deep Research 上下文管理的精髓。
再搭外层循环，核心是条件边与终止判据：
from langgraph.graph import StateGraph, START, END
def research(state: State):
task = ("研究问题：{q}\n已有笔记：{n}\n继续检索补漏；"
"素材足够时，直接输出 500 字以上的综合报告。")
out = agent.invoke({"messages": [("user", task.format(
q=state["question"], n=state["notes"] or "（无）"))]})
return {"notes": [out["messages"][-1].content]}
def done(state: State) -> str:
return END if len(state["notes"][-1]) >= 500 else "research"
g = StateGraph(State)
g.add_node("research", research)
g.add_edge(START, "research")
g.add_conditional_edges("research", done)
app = g.compile()
解读：条件边 done 用字数门限做终止判据，简单粗暴，但比"模型自己说够了"可靠；每轮把已有笔记塞回 prompt，模型基于缺口决定下一查什么——grade + rewrite 循环的朴素版。跑一句 app.invoke({"question": "LangGraph 与 CrewAI 的定位差异", "notes": []})，能看到它像模像样地检索几轮、再收束成文。图的 API 细节见 LangGraph 官方文档。
与商用产品的差距也一目了然：没有并行检索、没有引用对齐、笔记压缩全靠模型自觉。而这些恰好都能用旧积木补齐——并行检索是第 8 篇讲过的并行分支（或第 24 篇多 Agent），引用对齐是第 4 篇结构化输出的活。没有一样是新知识。
7、总结
回顾全文：Deep Research 是第 17 篇检索循环的深度放大，Computer Use 是第 5 篇工具调用的像素化，代码 Agent 是第 9 篇 ReAct 加文件工具与上下文工程，Agent 浏览器是两条工具路线的产品化赌注。前沿的共同公式是基础能力乘以更长时程乘以更强上下文工程——没有一样超出这个系列讲过的范围。第五模块到此收官，下一篇起进入生产化模块：评测、安全、部署。
对于想把系列知识用到前沿形态的读者，建议从第 6 节的骨架起步：先把字数门限换成第 4 篇的结构化输出，让模型显式报告"素材是否足够"；再逐步补并行检索与引用对齐，每一步都是在旧积木上加一块。
练习：给骨架加引用追踪。要求 research 节点的产出用结构化输出携带来源 URL 列表，最终报告只允许引用笔记中出现过的 URL，末尾输出引用对齐表，对不上的句子删掉重写。做完它，你就摸到了商用 Deep Research 最难啃的那块工程。
