讨论 Agentic RAG 如何把检索放进受状态、预算和权限约束的决策循环：拆分问题、选择知识源、评估证据、改写查询并决定何时停止。

从证据是否进入索引、候选集合与最终上下文三个层次，拆解 RAG 检索失败的原因，以及结构化切块、混合检索和重排序各自解决的问题。

以 Arbor 的 Hypothesis Tree Refinement 为线索，讨论 Deep Research 如何保存假设、实验、失败经验与代码证据，让长期自主优化真正积累研究进展。

从文档解析、切块和索引，到混合检索、重排、上下文组装与引用，系统解释 RAG 如何把外部知识转化为可回查的模型回答。

拆解 Deep Research 的前半程：如何通过澄清、Research Brief、动态规划与单多 Agent 编排，把自然语言问题变成可执行的研究任务。