深度研究智能體（Deep Research Agents）憑借大語言模型（LLM）和視覺-語言模型（VLM）的強大能力，正在重塑知識發(fā)現(xiàn)與問題解決的范式。

然而，現(xiàn)有開源智能體框架多依賴付費工具，限制了可復現(xiàn)性和普適性。

騰訊AI Lab全新推出的Cognitive Kernel-Pro，一款全開源、多模塊、層次化的智能體框架，為深度研究智能體的開發(fā)與訓練提供了突破性解決方案。

在GAIA基準全集上，Cognitive Kernel-Pro超越開源免費框架SmolAgents，性能逼近依賴付費工具的智能體，展現(xiàn)出卓越的綜合能力。在GAIA-text上，訓練的8B模型超越WebDancer和WebSailor-7B。

相關(guān)論文排上當日HuggingFace熱榜第一。

此外，騰訊AI Lab公開了Agent Foundation Model的訓練配方，為社區(qū)提供可復現(xiàn)的訓練路徑。

相關(guān)技術(shù)報告及代碼已開源于GitHub，詳細鏈接可見文末。

全開源智能體框架

Cognitive Kernel-Pro以Python代碼為動作空間，充分發(fā)揮現(xiàn)代LLM的推理和代碼生成能力。

其核心設計包括以下四點。

1、模塊化架構(gòu)：框架采用兩層多模塊設計，包含主智能體和多個子智能體（如網(wǎng)頁導航智能體、文件處理智能體）。主智能體負責任務分解和信息整合，子智能體專注于特定任務（如網(wǎng)頁瀏覽、文件操作），確保模塊獨立性和擴展性。

2、狀態(tài)管理與規(guī)劃：通過“進度狀態(tài)”（Progress State）機制，智能體能夠記錄已完成步驟、待辦任務、歷史經(jīng)驗和關(guān)鍵信息。這種結(jié)構(gòu)化狀態(tài)管理顯著提升了復雜任務的處理效率。

3、標準化任務接口：主智能體與子智能體通過簡潔的文本接口通信，子智能體以Python函數(shù)形式定義，輸入任務字符串，輸出格式化結(jié)果和日志，便于協(xié)作與調(diào)試。

4、測試時優(yōu)化：框架引入反思機制（Reflection）和投票機制（Voting），通過評估和優(yōu)化動作軌跡，提升任務完成質(zhì)量。反思機制允許智能體審查和修正先前動作，投票機制則通過多輪軌跡比較選擇最優(yōu)結(jié)果，顯著增強了網(wǎng)頁瀏覽等高隨機性任務的穩(wěn)定性。

上表顯示了Agent框架工具的使用和能力情況。

比較專有工具時，Google Search API（可以輕松切換到 DuckDuckGo 等免費 API）被排除在外，它是搜索相關(guān)任務的必備功能。

注：WebDancer 和 WebSailor 主要關(guān)注Web Agent，支持 PDF 獲取和簡單處理，但缺乏通用文件Agent功能。

許多現(xiàn)有智能體框架依賴付費工具，增加了使用成本并限制了廣泛應用。而Cognitive Kernel-Pro框架盡可能使用免費、開源工具，使用LLM的python代碼生成能力和理解能力對智能體任務進行處理。

創(chuàng)新訓練方法

Cognitive Kernel-Pro不僅提供了強大的框架，還設計了全面的訓練流程，覆蓋網(wǎng)頁導航、文件處理、代碼生成和推理等多個領域。

關(guān)鍵創(chuàng)新包括：

• 高質(zhì)量Web Agent數(shù)據(jù)構(gòu)建通過構(gòu)造可驗證的查詢-答案對，結(jié)合中間過程提示和基于提示的拒絕采樣，顯著提升訓練數(shù)據(jù)的質(zhì)量和相關(guān)性.
• Persona Hub數(shù)據(jù)增強利用Persona Hub生成多樣化的合成查詢，結(jié)合跨系統(tǒng)驗證，增強訓練數(shù)據(jù)的多樣性和魯棒性。
• 推理數(shù)據(jù)優(yōu)化對現(xiàn)有數(shù)據(jù)集（如NumiaMath、LogicCot、TACO）進行精細化處理，適配智能體任務格式，確保訓練數(shù)據(jù)與實際應用場景一致。
• 軌跡采樣以GPT-4.1為骨干模型生成智能體軌跡，并通過相似度匹配進行拒絕采樣，最大化訓練數(shù)據(jù)的有效性。

性能優(yōu)勢

Cognitive Kernel-Pro在網(wǎng)頁信息檢索、文件處理和復雜推理等任務中表現(xiàn)出色，尤其在GAIA基準上超越SmolAgents，接近依賴付費工具的智能體框架。

相較于依賴Jina Reader、FireCrawl等付費工具的現(xiàn)有開源框架，Cognitive Kernel-Pro強調(diào)LLM和VLM的內(nèi)在能力，最大限度降低外部依賴，實現(xiàn)真正的全開源。

上圖的技術(shù)報告中對比了多個AI智能體框架，顯示Cognitive Kernel-Pro在功能全面性和開源程度上具有顯著優(yōu)勢。框架支持靈活切換免費API（如DuckDuckGo），進一步提升了可訪問性。

上表展示了Cognitive Kernel-Pro與其他開源 Agent基礎模型的性能對比。

Cognitive Kernel-Pro 在 GAIA-text基準測試中取得了優(yōu)異的成績，超越了WebDancer和WebSailor類似大小模型，體現(xiàn)了框架、模型訓練方法的優(yōu)越性。

首先，Cognitive Kernel-Pro是一個通用Agent框架，有更好的文件Agent、Code Agent的處理能力，在框架上比整體上是Web Agent的WebThinker、WebDancer、WebSailor要能處理更復雜的情況。

其次，在訓練對應的開源模型CK-Pro-8B時，更通用、豐富的Agent數(shù)據(jù)被包含進訓練集，共同提升了Agent基座模型的能力。

上表展示了測試Cognitive Kernel-Pro反思功能的消融實驗。

更強的模型，例如GPT-4.1，可以提供更好的反思信號，但開源模型例如Qwen-3-32B已經(jīng)能提供相當GPT-4.1的反思效果。

Cognitive Kernel-Pro的研究團隊表示，未來工作將關(guān)注在將反思能力蒸餾到同一個Agent基座模型中。

GitHub：https://github.com/Tencent/CognitiveKernel-ProArxiv：https://arxiv.org/pdf/2508.00414