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。我感觉现在有两个选择：

路线 A（头铁继续）： 继续在这个缝合怪上死磕，试着自己重构，把它盘活。（但我感觉个人架构能力有限，而且现在目录相对混乱，感觉用GPT-5.4 high 都已经不能很好的梳理脉络了，怕最后时间耗光了还没产出）

路线 B（及时止损）： 果断弃坑。直接去 Clone 社区里优秀的开源代码，踏踏实实研究人家是怎么设计的，然后在这个基础上做二次开发和改进（比如接点新的检索源、优化一下长摘要逻辑之类的），最后把“基于开源项目做改进”写到简历上。

【我的困惑】

1. 站在面试官的角度，路线 B（在成熟开源项目上做二次开发微创新）的认可度怎么样？会不会觉得不是自己从零写的，含金量太低？
2. 如果走路线 B，在简历上怎么包装这部分工作比较好？

目前的思路比较乱，非常感谢各位大佬指点迷津！轻喷~

网友解答：

---

--【壹】--：

1.面试官大多清楚应届生是什么水准，你讲清楚项目就行了
2.不要写基于开源项目改进，问就是自己写的

二编：
3.如果你真的可以改进这些deep research项目，不如给他们提PR然后在简历中写：有给知名开源agent项目做贡献的经历。面试被问到了就硬说吧

---

--【贰】--：

缝合怪～，继续让ai堆吧。 除非你能狠心重构