Research agent 最小工作流怎么搭：Exa、Tavily、Browser Use 怎么分工

先给结论

如果你在做 research agent，不要让一个工具同时负责“找资料、读网页、抽结果、操作网页”。

更稳的最小分工通常是：

• Exa 或 Tavily 负责找和取
• Browser Use 负责进网页执行动作
• 你的主 agent 负责判断、汇总和回传结果

这篇更适合谁

• 正在搭研究助手、销售调研流、竞品跟踪流
• 已经发现纯 AI 搜索不够，但又不想一上来就做很重的自动化
• 想让 research workflow 更像生产流程，而不是一次性演示

先拆成 3 段，不要一口气全交给一个 agent

1. 检索层：Exa / Tavily

这一步的目标不是“写结论”，而是：

• 找到足够新的来源
• 拉回更相关的页面
• 尽量减少脏结果

Exa 更像偏搜索质量和网页数据入口的基础设施。

Tavily 更像给 agent 准备好的 web access layer，强调检索、抽取、research 和生产级稳定性。

2. 执行层：Browser Use

Browser Use 适合做的是：

• 进入网页
• 点开按钮或分页
• 填表、复制、结构化抓取
• 把跨站流程走完

它的价值不在“回答你这个网页讲了什么”，而在“替你把这个网页任务做掉”。

3. 判断层：主 agent

真正该由主 agent 做的事是：

• 先决定要查什么
• 读回来的内容怎么筛
• 哪些结果值得继续验证
• 最终要交付什么格式

如果把这一步和浏览器执行混在一起，通常很快就会失控。

Exa 和 Tavily 什么时候各自更合适

Exa 更适合这些任务

• 你要给 coding agent 或 research agent 接一个高质量搜索入口
• 你更在意网页索引覆盖、相关性和开发者调用体验
• 你想把外部信息检索接进已有 agent 链路

Tavily 更适合这些任务

• 你更明确地在做 production research workflow
• 你想把搜索、抽取和 research API 一起接入
• 你更在意稳定性、安全控制和企业接入感

Browser Use 什么时候该接进来

只有当下面至少满足两条时，再加浏览器自动化更值：

• 结果不在首屏，需要点进去继续走
• 信息来自多个站点，且格式不统一
• 流程里有点击、展开、筛选、填表动作
• 你最终需要结构化结果，不只是阅读摘要

如果只是“先查资料判断一下”，先别急着上浏览器层。

今天就能开始的最小动作

• 先定义一个单一 research 任务，比如“整理 20 个竞品官网最新定价页”
• 先用 Exa 或 Tavily 找入口
• 只有在需要跨页点击和抽取时，再让 Browser Use 接手

一句话建议

research agent 最容易失败的地方，不是模型不够强，而是你没有把检索、执行和判断拆成三层。