Patrón Research Agent: buscar, verificar, citar

Esencia Del Patrón

Research Agent es un patrón donde el agente realiza investigación controlada con un pipeline acotado: search, dedupe, policy-check, read, extract notes con provenance, y synthesize de respuesta solo desde material verificado.

Cuándo usarlo: cuando necesitas reunir y verificar hechos de varias fuentes, no responder sin base de evidencia.

Esto no es "solo browse".

Un research-pipeline normalmente incluye:

• Search + dedupe URL: quitar duplicados antes de leer
• Read con presupuesto: leer páginas dentro de límites de tiempo y fuentes
• Extract facts: crear notas estructuradas
• Verify claim/citation: verificar de forma básica los claims clave
• Synthesize con referencias: escribir respuesta final con citas

Problema

Imagina que pides:

"Busca las reglas en la nueva ley y explícalas brevemente."

El agente "googleó" y devolvió una conclusión, pero sin rastro claro de fuentes.

Entonces aparecen riesgos típicos:

• lectura superficial (se abre mucho, se lee poco)
• duplicados del mismo material
• mezcla de hechos con interpretación del autor
• citación débil o falsa
• cero reproducibilidad del resultado

La investigación en open-web sin proceso se vuelve rápido un caos: muchos pasos, poca evidencia.

Ese es el problema central: sin pipeline controlado es difícil demostrar que la conclusión está basada en fuentes reales y verificadas.

Solución

Research Agent trabaja con pipeline acotado, no con "buscar un poco más".

Analogía: es como investigación periodística con checklist. Primero reúnes fuentes y notas con enlaces, luego escribes conclusiones. Sin eso es fácil mezclar hechos con supuestos.

Principio clave: writer obtiene permiso para synthesis solo después de notas extraídas con origen.

Proceso controlado:

1. Búsqueda (Search): encontrar una cantidad limitada de fuentes
2. Deduplicación (Dedupe): normalizar URL y quitar duplicados
3. Verificación de policy (Policy Check): pasar fuentes por policy-gate
4. Lectura (Read): leer solo páginas permitidas
5. Extracción (Extract): formar notas con origen (url + quote)
6. Verificación (Verify): verificar claims clave
7. Síntesis (Synthesize): escribir respuesta solo con notas

Esto permite adjuntar a la respuesta:

• qué páginas se leyeron
• qué citas se extrajeron
• qué claims se verificaron
• por qué el pipeline se detuvo (stop reason)

Funciona bien si:

• el paso de búsqueda (Search) tiene límites claros (max_urls, max_seconds)
• el paso de lectura (Read) pasa por policy-check
• el paso de extracción (Extract) incluye origen completo
• la ejecución prohíbe synthesis sin notes

Si no, el agente puede:

• citar fuentes que nunca leyó
• mezclar hechos no verificados
• inventar citación para sonar convincente

Por eso se necesitan budget caps, dedupe + cache, ejecución protegida y stop-rules contra search-loop infinito.

Cómo Funciona

Principio crítico: writer no debe inventar fuentes. Trabaja solo con extracted notes.

En Código Se Ve Así

budget = {"max_urls": 10, "max_seconds": 90}
urls = search_once(goal, k=8)
urls = dedupe_and_normalize(urls)[: budget["max_urls"]]

notes = []
for url in urls:
    if budget_exceeded(budget):
        break

    if not policy_allow(url):
        continue  # stop/skip reason puede loguearse

    page = fetch_with_cache(url)
    note = extract_structured_note(goal, page, url=url)
    notes.append(note)

if not notes:
    return partial_or_escalate("no_reliable_sources")

verified = spot_check_claims(notes, sample_size=2)
answer = synthesize_from_notes(goal, notes, verified=verified)

return answer

Aquí lo importante no son "prompts bonitos", sino ejecución controlada: budget, dedupe, cache, stop reasons.

Cómo Se Ve En Ejecución

Goal: ¿Qué restricciones del EU AI Act aplican a sistemas high-risk?

Search:
- 12 URL encontradas
- tras dedupe: 7 únicas

Read/Extract:
- 5 páginas leídas correctamente
- 2 rechazadas por baja relevancia

Verify:
- 2 claims clave pasaron spot-check

Synthesize:
- resumen corto generado
- citas añadidas desde 3 fuentes

Cuándo Encaja - Y Cuándo No

Encaja

No Encaja

Porque el modo research casi siempre es más caro que generación local o RAG.

Diferencia Frente A RAG

RAG trabaja sobre knowledge layer preparado. Research Agent obtiene conocimiento externo en runtime.

Cuándo Usar Research (vs Otros Patrones)

Usa Research Agent cuando necesitas reunir hechos de varias fuentes y consolidarlos como evidencia estructurada.

Prueba corta:

• si necesitas "investigar tema en varias fuentes y dar conclusión fundamentada" -> Research
• si necesitas "analizar un dataset ya dado" -> Data Analysis Agent

Cómo Combinar Con Otros Patrones

• Research + RAG: hallazgos externos verificados se guardan en la knowledge base interna para respuestas futuras.
• Research + Guarded-Policy: las policies limitan tools, domains y tipos de datos permitidos.
• Research + Fallback-Recovery: con search/fetch inestable, el agente reintenta o cambia a fuentes de respaldo.

Resumen

Ventajas Y Desventajas

FAQ

Q: ¿Se puede buscar "hasta tener confianza"?
A: No. El nivel de confianza no es condición de parada. Necesitas límites claros: max_urls, max_seconds y reglas de stagnation/convergence.

Q: ¿Por qué es importante dedupe de URL?
A: Sin dedupe, el agente paga por releer el mismo contenido y distorsiona el conteo real de fuentes.

Q: ¿Basta con agregar citas al final de la respuesta?
A: No. Las citas deben venir de extracted notes, no generarse "de adorno".

Qué Sigue

Research Agent cubre búsqueda y citación open-world.

Ahora que conoces los patrones clave, la siguiente pregunta es: ¿cómo combinarlos en un sistema real? ¿Cuándo usar workflow determinista y cuándo agente flexible? ¿Y cómo trabajan juntos?

Hybrid Workflow + Agent ->