FS-Researcher：突破上下文封锁，基于文件系统的深度研究 Scaling 范式
FS-Researcher: Test-Time Scaling for Long-Horizon Research Tasks with File-System-Based Agents
本文提出了 FS-Researcher，一种基于文件系统（File-System）的双智能体框架，旨在解决长程深度研究任务中的上下文限制问题。该方法通过引入持久化工作区，实现了超越模型原生窗口的 Test-time Scaling，在 DeepResearch Bench 和 DeepConsult 等基准测试中达到了 SOTA 水平。
TL;DR
传统的 AI 调研（Deep Research）智能体常常受困于“有限的内存”——Context Window 一旦溢出，之前的思考和证据就会丢失。FS-Researcher 另辟蹊径，借鉴了人类专家的做法：给 AI 配置一个硬盘（文件系统）。通过将任务拆分为“构建知识库”和“撰写报告”两个阶段，FS-Researcher 不仅突破了 Token 限制，还实现了性能随推理成本增加而提升的 Test-time Scaling 效应。
核心速览
- 定位：SOTA 级别的长路径任务智能体框架。
- 痛点：长路径任务（Long-horizon tasks）导致的 Context Window 溢出。
- 方案：基于文件系统的双智能体框架（Context Builder + Report Writer）。
- 成就：在 DeepResearch Bench 击败 OpenAI、Claude 及 Google 的原生 Deep Research 产品。
1. 为什么深度研究不能只靠“大窗口”？
尽管 LLM 的 Context Window 正在向百万级别迈进，但在处理“写一篇 PhD 级别调研报告”这类任务时，依然显得捉襟见肘。
- Token 竞争：原始网页、思维链（CoT）、工具反馈和最终草稿都在抢占有限的 Token，导致深度不足。
- 状态易失：单次推理结束后，智能体之前的思考过程随之消失，无法像人类一样“第二天早上接着写”。
- 缺乏结构：简单的线性对话难以有效组织数百个来源的复杂事实。
2. 核心架构：离线存储与双智能体解耦
FS-Researcher 模仿了人类学者的分工，将其分为两个主要阶段：
2.1 架构设计
- Context Builder (数字图书馆员)：通过 Web 搜索并读取内容，提取核心事实并写入 Markdown 格式的知识库。它不仅下载原始网页（Sources），还撰写分层级的摘要笔记（Notes）。
- Report Writer (资深分析师)：从文件系统中按需读取知识库，唯一专注于撰写逻辑严密的报告。
下图展示了 FS-Researcher 与现有范式的本质区别：
（底部展示了 FS-Researcher 如何利用无限大小的外部文件系统作为上下文外延。）
2.2 持久化工作区
文件系统（Workspace）包含了两类关键文件：
- 成果物（Deliverables）：分层生成的知识库索引和 Markdown 报告。
- 控制文件（Control Files）：包括
Todos（跟踪进度）、Checklist（自查标准）和Logs（运行日志）。这让智能体哪怕崩溃重启，也能通过读取文件“找回状态”。
3. 实验结果：Test-time Scaling 的力量
FS-Researcher 在 DeepResearch Bench 上的表现令人印象深刻。最关键的发现是：给 Context Builder 分配更多的迭代轮数（计算资源），最终报告的质量会线性提升。
3.1 性能对比
在 RACE（综合评估）和 FACT（事实准确性）指向上，FS-Researcher 超越了主流厂商产品：
- Comprehensiveness (全面性) 和 Insight (洞察力) 提升尤为明显，分别比之前的 baseline 高出 3.74 和 4.4 分。
- Scaling 验证：下表显示，当 Context Builder 的运行轮数从 3 轮增加到 10 轮时，归档的证据量和报告的深度显著增长。
4. 深度洞察：为什么这有效？
- 信噪比隔离：Context Builder 充当了“噪声过滤器”。最终 Report Writer 处理的是经过整理的结构化 Markdown，而不是杂乱的 HTML 原始文本，这极大地降低了模型处理长文本时的幻觉风险。
- 分章节撰写 (Section-wise Writing)：作者通过消融实验证明，按章节撰写并进行针对性自查，比“一气呵成”产生的报告在逻辑深度（Insight）上高出 8.8 分。
- IO 开销可忽略：很多人担心文件系统会慢，但统计显示文件读写时间占总时长的比例小于 0.03%，真正的大头依然是网络检索和模型推理。
5. 局限性与未来展望
尽管 FS-Researcher 表现强劲，但它对基座模型的 Reasoning 和 Function Calling 能力要求极高。较弱的模型（如 GPT-4o-mini）可能在文件路径操作或结构化自查中出错。 未来，该研究方向可能会偏向如何通过强化学习（RL）来进一步优化智能体在文件系统上的操作效率，以及如何将这种范式扩展到多模态跨文档的研究场景中。
总结
FS-Researcher 证明了：智能体的上限不在于 Context Window 的长度，而在于其管理外部知识的组织结构。 当我们从“Prompt Engineering”转向“Agent Architecture Design”时，基于文件系统的持久化协作将成为构建长程 AI 应用的行业标配。