Deep Agent：让企业知识库开始交付成果

企业把制度、合同、报告和项目材料放进知识库，通常不只是为了问一句“这份文件讲了什么”。真正占用员工时间的，是后面的工作：核对几十份合同、整理台账、跨章节查证条款，再把材料写成一份可以提交的报告。

普通 RAG 擅长找到相关片段并回答问题，但面对这些任务，只有一轮检索往往不够。KnowFlow 在 v2.4.8 引入 Deep Agent，在 v2.4.9 又把它从后台能力做成了用户可以直接选择的工作方式。两次更新连起来看，变化并不是“多了一个聊天模式”，而是知识库开始具备读取材料、执行任务和交付成果的完整链路。

两个版本解决了什么

版本	重点	用户得到的能力
v2.4.8	建立知识执行底座	深度阅读、跨文档结构化抽取、Excel 产物、人工补充信息与任务恢复
v2.4.9	把能力放进日常工作入口	统一回答方式、@文档 精确选材、报告与文章生成、流式写作工作区、Document Structure V2

v2.4.8：先把“可靠地干活”做出来

Deep Agent 的第一条边界是权限。它不会另建一套知识目录，也不直接绕过 RAGFlow 读取数据库。任务开始前，系统会把当前用户有权访问的知识库和文档固化为本轮范围，Agent 只能在这个范围里查找材料。

第二条边界是证据。深度阅读不是让模型凭记忆总结，而是先定位文档，再浏览目录、检索正文、读取相关章节。结构化抽取也不是从若干命中片段里猜字段，而是按用户给定的字段口径处理完整文档，并保留缺失值、歧义值和原文引用。

这套机制适合几类过去很难稳定完成的工作：

• 从多份合同中提取甲乙方、金额、期限和签署日期，形成一份台账；
• 检查制度文件中的“第 X 条”是否连续，有没有缺号或重复编号；
• 围绕一个问题跨章节阅读技术手册，给出带出处的结论；
• 在任务缺少关键条件时暂停，等用户补充后从原进度继续。

v2.4.9：从能力接口走到产品入口

如果每次都要理解 Agent 的内部机制，能力再强也很难进入日常使用。v2.4.9 把入口收进了聊天输入框。用户可以按本轮任务选择“普通问答”“智能处理”“深度阅读”“结构化抽取”或“报告生成”，发送后自动回到会话默认设置，不会悄悄改变整个助理的配置。

同一位置还增加了 @文档。以前用户说“根据这两份制度写一份说明”，系统仍需要从整个知识库判断材料范围；现在可以直接点名文档。范围更小，结果通常也更容易核对。

报告生成则补上了交付环节。系统一边查找证据，一边在独立写作区输出正文；长文按章节组织，不必等所有材料检索完才看到第一个字。材料中的图片可以进入正文，引用可以回到原文，下载 Markdown 时则会移除阅读界面使用的引用编号，得到一份便于继续编辑的稿件。

文档结构为什么重要

Agent 能不能读懂长文档，很大程度上取决于解析阶段留下了什么。只有平坦文本块时，它能找到相关词句，却未必知道某段内容属于哪一章、一张表接续自哪一页、图片对应哪段说明。

v2.4.9 引入 Document Structure V2，并可选接入 MinerU-Popo。它在 MinerU 解析结果之上补充标题层级、章节关系、表格连续性和图片上下文，再把统一结构交给分块、检索、Deep Agent 与报告写作使用。这个服务不是强依赖：未启用、超时或返回异常时，KnowFlow 会回退到原始 MinerU 结果。

应该选择哪种回答方式

任务	推荐方式
查询一个明确事实，希望尽快得到回答	普通问答
不确定该用阅读、抽取还是写作	智能处理
需要跨章节核对、比较或解释原文	深度阅读
需要每份文档一行的字段结果或 Excel 台账	结构化抽取
需要可直接修改、下载的报告、文章或讲稿	报告生成

Deep Agent 并不取代普通问答。问题越简单，确定性的检索问答越直接；任务涉及多步阅读、固定字段或正式稿件时，再选择专业能力。这样的分工既能控制等待时间，也能避免为了一个简单问题启动不必要的模型调用。

下一步可阅读 Deep Agent Skills 使用指南。如果希望提升复杂 PDF 的结构质量，请参考 MinerU-Popo 部署与配置。