Han Xiao 观察到一个很实用的工作流变化：2026 年的长程 agent 任务，不再像 2025 年的 deep research 那样每一轮都去 Web 上搜索、阅读、推理。
新的模式更像两阶段系统。
#第一阶段：Web IO 只负责研究和规划
第一阶段仍然需要 Web。agent 或人类操作者会搜索、阅读、推理，拿到足够多的外部信息。
但这一阶段的目标不是直接生成最终答案，而是把 Web 知识物化成本地文件。原文提到的形式包括 .md、.json、.csv。这些文件会成为后续任务的稳定输入。
这一步很关键。Web 是动态的，页面会更新，链接会失效，内容会被改写，甚至不同时间抓到的结果都不一样。如果长程任务每一轮都重新抓 Web，agent 实际上是在不断改变自己的依据。
#第二阶段：Agent 挂载文件再循环
第二阶段开始后，agent 只读取、运行、写入本地文件。它不再通过实时 Web 调用来做 grounding。
这听起来像限制能力，但对长程任务反而是增强。因为 agent 的每次判断都基于同一批材料，输出也能回写到同一个工作目录里。任务状态、证据、结论和中间表格都可以被复查。
#为什么切掉第二阶段的 Web grounding
原文给了四个理由。
第一是确定性。本地文件是不变快照，Web 内容会漂移、404、进入付费墙。
第二是速度。文件系统读取是毫秒级，Web 抓取通常是秒级。agent 循环越密集，这个差距越明显。
第三是一致性。交叉检查需要同一个知识库，而不是每次拿到不同版本的网页。
第四是成本。Web IO 会消耗大量 token 解析 HTML 噪声，而本地文件已经被清洗成更适合模型读取的材料。
#这对 agent 产品意味着什么
真正可靠的长程 agent，不应该把 Web 搜索当成每一步的默认动作。更好的做法是先做一次材料收集和整理，再进入本地化执行循环。
这也是为什么内容仓库、任务目录、结构化日志、CSV 和 Markdown 会重新变得重要。它们不是旧工具，而是 agent 长程推理的工作台。
#实施上的关键点
这个模式不能只理解成“先下载网页”。真正重要的是文件要变成 agent 能稳定消费的工作材料。
比如研究阶段可以把来源、摘要、关键事实、待验证问题和结构化数据分开存。Markdown 适合记录论点和证据，JSON 适合保留对象结构，CSV 适合后续排序、筛选和交叉检查。
进入执行阶段后，agent 应该明确哪些文件是只读证据，哪些文件是可以更新的工作产物。这样才能避免它一边引用材料，一边把原始证据改坏。
这类边界看起来很工程化，但它正是长程任务能不能持续跑下去的差别。没有文件边界，agent 只是不断重读互联网；有了文件边界，它才开始像在一个真正的工作区里推进任务。