搞了半个月Agent项目成了打补丁的屎山...找实习求教：自己手写 Agent 还是基于开源框架改？

问题描述：

大家好，小弟目前正在准备找实习，急需一个能写进简历的硬核项目，于是盯上了最近比较火的 Deep Research（深度研究）方向。现在遇到点瓶颈，非常内耗，想听听各位前辈和过来人的真实建议，听劝！

【我的踩坑背景】 最开始心气比较高，想用 LangGraph 或者 AutoGen 这样的开源框架 自己从零手搓一个Deep Research出来。
做了一阵子发现效果不行，于是我就想了个捷径：让 AI 去阅读社区里那些优秀开源框架的源码比如说 NVIDIA-AI-Blueprints/aiq onyx-dot-app/onyx之类的，然后照猫画虎地来给我的项目打补丁、加功能。

结果这半个月下来，我的项目变成了缝合怪。代码东一块西一块，虽然勉强能转，但底层逻辑非常混乱，而且全都是 AI 缝补的痕迹。最要命的是——产出的研报质量依然不达标。

1. 信息来源的质量不高，我尝试用了 Tavily, Brave 这些可以免费用的API，但是感觉信息来源比较杂，二手信息含量高，同时调试的时候额度花光了又得重新白嫖。最新看到L站上有佬弄了Exa的免费API，感觉可以试试。
2. 上下文管理的问题，现在在具体的工程实现上比较纠结是直接用Agent的上下文管理去让LLM自主提取他需要的东西，还是外挂一个RAG+知识库，把搜索的资料都用RAG处理，Agent在调用query工具获取具体内容
3. 参考文献管理：目前这个方向还没有比较好的思路。
4. 关于研报的最终产出格式：目前只做了markdown的产出，但是参考网上的一些产品方案，他们既可以有文档的形式，还能输出精美的类似于PPT(网页版)，同时研报中还有丰富的交互式数据分析图图表，相比之下，我的想法黯然失色。

【现在的纠结】 目前时间比较紧了，沉没成本也搭进去了半个月。