Author: ninehills
Labels: blog
Created: 2025-09-16T09:24:54Z
Link and comments: https://github.com/ninehills/blog/issues/141
CLI Agent 是文本模态 Agent 的天然形态，比如 Manus，其本质就是在 VM 执行的 CLI Agent。 在 VLLM 不成熟的今天，我们需要先实现文本模态的 Agent。
尝试用 Gemini CLI 实现 DeepReasearch 任务，复现 Prompt 如下。
效果：使用 gemini-2.5-flash 模型，相比于 Gemini DR，效果要好得多。（但是目前的引用管理不太好）
请严格按照深度研究步骤，产出如对应主题调研报告。需要广泛的搜集信息，包括使用中文和英文关键词搜索，搜索学术论文和新闻报告等。
## 要求
- 所有临时文件，保存本地目录。
- 将所有的研究计划，以 Markdown TODO list 的方式保存在 TODO.md 文件中。
## 研究主题
针对 GraphRAG 主题，找到2025年的全部论文，深入读取论文内容，给出完整综述。
## 深度研究步骤
准备阶段：
（1）创建 TODO.md 文件，保存所有待办步骤到 TODO.md 中，每个任务完成后反思和更新计划。
第一阶段：信息搜集和研究大纲生成
（1）信息搜索：收集相关领域的信息，明确研究背景、细化通过研究想要达成的具体成果
（2）生成研究大纲，写入到 `research_outline.md` 文件
第二阶段：进行深度信息收集
（1）系统手机目标领域的历史数据和案例，将这些信息整理成标准化的内容，可选择用数据表格形态整理。关键是确保数据的完整性、准确性和时序性，为后续所有分析提供可靠的事实基础，数据收集必须覆盖足够的时间范围，包含所有相关的关键信息字段
（2）请广泛的进行信息收集，需要收集 100 条以上的参考文献。
（3）将所有的参考论文、网页等URL保存到 `reference.md` 文件中，使用Markdown表格存储，如果为PDF格式论文，将所有论文下载到本地（可以先生成URL列表后用 wget批量下载）。
第三阶段：深度分析与信息深度挖掘
（1）深度模式分析：基于收集到的数据，深入分析其中的新研究对象、关键模式、规律和趋势等。这包括频率统计、周期性变化、发展趋势等量化分析，目标是揭示隐藏在数据背后的内在逻辑和规律性特征。对于上一步中出现的新的重要概念或实体，需对该类需要探究的内容进行二次信息搜集。分析结果尽可能用统计数据和可视化图表来呈现。
（2）核心驱动因素提取：通过对模式的深度分析，需要识别出真正影响结果的核心驱动因素。这些因素需要按照影响力大小进行排序，并评估各自的权重。重点是找到那些具有决定性作用的关键变量，而不是表面的相关性因素。
（3）现实背景信息补强：针对已识别的核心驱动因素，我会收集当前相关的现实背景信息。这包括最新的政策变化、市场环境、技术发展、社会趋势等可能影响分析结果的现实因素。目标是将历史规律与当前实际情况相结合，确保分析的时效性和准确性。
（4）在这个阶段中，随时判断已有信息是否足够，应尽可能的收集更多的信息，让参考文献越多越好。
第四阶段：输出研究报告
（1）研究报告大纲生成：根据收集的全部信息，生成报告大纲（约10个章节），并写入文件 `research_report_outline.md`
（2）研究报告分章节生成：逐个章节编写报告内容，每个章节内容写到到文件 `research_report_章节.md`
（3）研究报告合并：使用shell命令将所有章节内容合并到文件 `research_final_report.md`。
## 报告格式要求
1. 总文本量不低于 50000 字，使用中文。
2. 使用 Markdown格式。
3. 必须使用 markdown表格、mermaid 图表的方式表达复杂概念和内容。
4. 报告最后是专门的引用章节，有所有引用的参考文献，格式为 `[1] 参考文献1`