本文针对开放性深度研究（Open-ended Deep Research, OEDR）这一复杂挑战展开研究，该任务要求AI代理能够将海量的网络规模信息整合为具有洞察力的报告。当前方法面临双重局限：其一，静态的研究流程将规划与证据获取过程分离；其二，一次性生成范式极易引发长上下文失效问题，如“中间信息丢失”和幻觉现象。为应对这些挑战，我们提出WebWeaver——一种新颖的双代理框架，旨在模拟人类的研究过程。其中，规划代理以动态循环方式运行，通过迭代地交织证据获取与大纲优化，生成一个全面且基于来源的结构化大纲，并与一个证据记忆库相连接。随后，写作代理执行分层检索与撰写流程，逐部分完成报告的构建。该框架仅针对每个部分所需内容，从记忆库中进行精准检索，从而有效缓解了长上下文带来的问题。实验结果表明，本框架在多个主流OEDR基准测试中——包括DeepResearch Bench、DeepConsult和DeepResearchGym——均达到了新的最先进水平。这些成果验证了我们以人类为中心、迭代式的方法论，证明了自适应规划与聚焦式信息整合对于生成高质量、可靠且结构清晰的报告至关重要。