Deep Research 深度研究：让 AI 帮你写研究报告
学习目标：掌握 Deep Research 的完整使用流程，能用 AI 自动生成结构化研究报告，并知道什么时候该走 API 批量跑
预计时间：35 分钟
难度：⭐⭐⭐
最后更新：2026 年 10 月
先说结论
Deep Research 不是「搜索的加强版」，而是「研究自动化的第一步」。
你给一个研究课题，AI 会自动规划搜索路径、逐页阅读、交叉验证、整理归纳，最后输出一份几千字的研究报告。整个过程 5-20 分钟，你只需要等着。
这改变了什么？ 以前做一份像样的调研报告，至少 2-3 天。现在十几分钟出初稿，你再花 1-2 小时精调和验证。
2026 年又多了一层变化：Deep Research 已经 API 化。以前要人坐在浏览器前点按钮，现在可以一次调用、异步跑完、直接进流水线。这件事对企业用户的意义，比模型又强了多少大得多。
什么是 Deep Research？
传统 AI 搜索：搜一次 → 总结一次 → 结束。
Deep Research：搜一次 → 发现需要更多信息 → 再搜 → 阅读 → 发现需要验证 → 再搜 → ... → 整合所有信息 → 生成报告。
核心区别是自主规划和多轮迭代。
传统 AI 搜索：
用户提问 → AI 搜索 → 返回答案（1 轮）
Deep Research：
用户提问 → AI 制定研究计划
→ 第 1 轮搜索（收集基础信息）
→ 第 2 轮搜索（深入子问题）
→ 第 3 轮搜索（验证和补充）
→ ...
→ 整合生成报告（3-10+ 轮）六款 Deep Research 工具
Google Gemini Deep Research
入口：Gemini 网页/App 里选「Deep Research」；开发者走 Interactions API。
2026 年的两个关键节点：
- 2025-12：Gemini 通过 Interactions API 把 Deep Research 作为一个 agent 提供出来，不再是纯网页功能
- 2026-04-21：发布 Deep Research 与 Deep Research Max，都基于 Gemini 3.1 Pro
标准版和 Max 版的区别不是「好和更好」，而是算力预算不同：
| 版本 | 定位 |
|---|---|
| Deep Research | 低延迟，适合交互式使用，你在等结果 |
| Deep Research Max | 用更多测试时计算（test-time compute），异步跑深度报告，你不在等 |
核心能力：
| 特点 | 说明 |
|---|---|
| 异步深度报告 | Max 版专门为「提交后过一会儿再来取」设计 |
| MCP 接入 | 可以接私有数据源，内网文档也能进研究范围 |
| 原生图表 | 报告里直接生成图表、信息图，不是文字描述 |
| 协作式规划 | 研究计划可以在开跑前调整 |
| 流式思考摘要 | 过程可见，能看它在想什么 |
| 一次调用跑完 | API 侧一次请求即可完成整个研究流程 |
优势
Gemini 现在最实用的点不是「更聪明」，而是研究规划可见 + 可接私有数据。你能看到它打算搜什么，也能把公司内部文档挂上去——这两点决定了报告能不能直接用。
Perplexity Deep Research
入口：Perplexity 网页/App，选择 Deep Research 模式。
核心特点：
| 特点 | 说明 |
|---|---|
| 来源引用 | 每句话都带出处，Perplexity 的传统强项 |
| 结构清晰 | 报告自动分段、加小标题 |
| 速度快 | 通常几分钟完成 |
| 可追问 | 生成后可以继续对话深入 |
注意评测偏差
2026 年 Perplexity 推出了 Draco 研究评测基准，用来衡量各家 Deep Research 的质量。这个基准本身做得不错，但它是 Perplexity 自建的——评价维度、题目设计都会向自己的产品优势倾斜。看榜单时记住这一点：自家评测看趋势，别当客观排名。
优势
Perplexity Deep Research 的最大优势仍是来源引用的完整度。你看到的每一段结论都能追溯到原始网页。做学术调研时这一点极其重要。
ChatGPT Deep Research（OpenAI）
入口：ChatGPT 应用内选择 Deep Research。
核心特点：
| 特点 | 说明 |
|---|---|
| 推理能力强 | 强推理模型驱动，长链条分析稳 |
| 多模态支持 | 可以分析图表、PDF 等 |
| 代码执行 | 搜索过程中可以运行代码处理数据 |
| 报告质量高 | 分析深度和逻辑性最强 |
一个已退场的东西
ChatGPT Atlas 浏览器已于 2026-08-09 退场。之前很多教程写「在 Atlas 里用 Deep Research」，这条路径已经没有了。现在统一在 ChatGPT 应用内使用。
评价
ChatGPT Deep Research 的报告质量确实是最高的那一档，但价格也最贵。如果你的调研需求不是很频繁，用 Gemini 或 Perplexity 就够了。
Claude Research（Anthropic）
入口：Claude 网页/桌面端，开启 Research 能力。
可用范围：Pro / Max / Team / Enterprise 订阅用户。
核心特点：
| 特点 | 说明 |
|---|---|
| 代理式多轮搜索 | 自己决定搜几轮、搜什么，不是固定流程 |
| 自动多角度追问 | 会把一个问题拆成多个子问题分别查证 |
| 几分钟出报告 | 带引用的结构化报告，速度介于对话和深度研究之间 |
| 长文写作 | 延续 Claude 的写作风格优势，报告可读性好 |
Claude Research 的定位很清晰：不是最深的，但是最像「一个靠谱同事帮你查了一下午」的。报告结构干净，措辞克制，不需要大改就能发给别人。
Kimi 深度研究与秘塔研究模式
中文场景下，这两家是最实际的选择。
| 工具 | 特点 |
|---|---|
| Kimi 深度研究 | 自主搜索 + 长上下文，一次可读数百页，中文资料整合能力强 |
| 秘塔研究模式 | 六路检索（全网/文库/学术/图片/视频/播客），报告带参考文献，可导出 Word/PDF |
两者的共同点是：能读的量足够大。中文互联网的有效信息大量藏在长文档、文库 PDF、公众号里，能不能「读进去几百页」直接决定报告质量。
秘塔的导出（Word / PDF）是硬需求——报告最终往往要交给人看，不是留在浏览器里。
六工具速查表
| 维度 | Gemini | Perplexity | ChatGPT | Claude | Kimi | 秘塔 |
|---|---|---|---|---|---|---|
| 价格档位 | 免费额度 + AI 订阅 | 免费少量 + Pro | Plus 起，Pro 更高 | Pro / Max / Team / Enterprise | 免费 + 会员 | 免费 + 会员 |
| 速度 | 分钟级（Max 更慢） | 快，几分钟 | 较慢，5-15 分钟 | 几分钟 | 分钟级 | 1-3 分钟 |
| 来源引用 | 有 | 最强 | 有 | 有 | 有 | 有（可点原文） |
| 私有数据 | ✅ MCP 接入 | 弱 | 部分（文件上传） | 部分（项目/文件） | ✅ 长文档直读 | ❌ |
| 导出 | Docs / 网页 | 网页 | 网页 / 文件 | 网页 / 文档 | Word / PDF | Word / PDF |
| API 可用 | ✅ 一次调用跑完 | ✅ Agent API | 有限 | 无公开 Research API | 部分 | ✅ 搜索 API |
价格统一说明：各家订阅与 API 单价调整频繁，具体数字以官网为准，这里只给档位关系。
Deep Research 已经 API 化
这是 2026 年最该关注的一节。
以前 Deep Research 是「一个功能」，现在它是「一个可调用的服务」。三条主线：
Gemini Interactions API
把 Deep Research 当作一个 agent 通过 Interactions API 调用，一次请求跑完整个研究流程。适合已经在用 Gemini 体系的团队——不用自己搭循环，也不用自己处理多轮工具调用。
Parallel Task API
专做研究任务的 API，特点是异步 + 价格跨度极大：
- 价格：$5 – $2400 / 1000 次任务
- 耗时：5 秒 – 30 分钟
价格差 480 倍，本质是在买不同的算力预算：5 秒的任务是快速检索+摘要，30 分钟的任务是真正跑一遍深度研究。按任务重要性分配档位，是这类 API 的正确用法。
Perplexity Agent API
Perplexity 把搜索与研究能力包装成 Agent API 对外提供，延续它「引用完整」的特点。
什么时候该用 API，而不是网页
| 场景 | 为什么适合 |
|---|---|
| 夜间批量研究 | 提交 50 个课题，早上收报告。人不参与，延迟无所谓 |
| 企业私有数据 | 通过 MCP 接内网知识库，公网工具做不到 |
| Agent 流水线第一步 | 研究结果直接喂给下游写稿/选型/报价环节，不需要人工搬运 |
| 高频重复任务 | 每天监控同一批竞品动态，网页版点不过来 |
判断标准
如果你每周手动跑 Deep Research 超过 3 次，或者每次的报告都要复制粘贴到别的地方——该接 API 了。省钱是次要的，主要是把人从「搬运工」位置挪开。
实操演示：从零到一份研究报告
用一个具体场景走一遍完整流程。
场景：你需要了解「2026 年 AI Agent 在企业中的应用现状和趋势」，为公司的技术选型提供参考。
第一步：选择工具
这个场景需要中英文信息兼顾、需要来源引用、报告要交给管理层。选择 Perplexity Deep Research（引用最强），如果需要图表就换 Gemini Deep Research。
第二步：提出问题
不要写一句话，写一段结构化的需求描述：
请帮我研究「2026 年 AI Agent 在企业中的应用现状和趋势」。
需要覆盖以下方面：
1. 主流的 AI Agent 框架和平台有哪些（开源和商业）
2. 企业采用 AI Agent 的主要应用场景
3. 当前面临的主要技术挑战
4. 2026 年下半年的趋势预测
5. 对中型科技公司的建议
请引用权威来源，包括研究报告、官方数据和行业分析。为什么问题要写这么详细？
Deep Research 花十几分钟帮你做研究，你花 2 分钟把需求写清楚，ROI 极高。问题描述越具体，AI 的搜索策略越精准，报告质量越高。
第三步：等待并观察
注意看它的检索过程，重点不是「搜了几次」，而是搜的方向对不对：
正在搜索...
→ 搜索「AI Agent enterprise adoption 2026」
→ 阅读 8 个来源
→ 搜索「enterprise AI agent frameworks comparison」
→ 阅读 12 个来源
→ 搜索「AI agent challenges enterprise deployment」
→ 阅读 6 个来源
→ 正在整合信息并生成报告...如果发现它一直在搜英文厂商博客、没碰任何行业报告，这时候就该打断，补一句「请优先引用 Gartner、IDC 等机构的报告」。
第四步：审阅报告
报告生成后，重点检查：
- 结构是否完整：是否覆盖了你要求的所有方面
- 数据是否新：引用的数据是否是 2025-2026 年的
- 来源是否可靠：点击几个关键引用，验证原文
- 有没有「看起来对」的段落：越是逻辑顺畅、没有引用的段落，越要查
第五步：追问补充
追问 1：「请补充 LangGraph 和 CrewAI 在企业场景中的具体对比」
追问 2：「以上分析中，哪些结论的数据来源最可靠？哪些是推测？」
追问 3：「哪些结论在不同来源之间存在冲突？分别列出双方说法」
追问 4：「帮我整理一份 PPT 大纲，用于向管理层汇报」适用场景清单
| 场景 | 推荐工具 | 理由 |
|---|---|---|
| 论文调研 | Gemini / Perplexity | 来源引用完整，可接学术库 |
| 市场分析 | ChatGPT / Claude | 分析深度与写作质量 |
| 技术选型 | Perplexity | 多源对比 + 引用 |
| 竞品调研 | Gemini | Google 生态信息全，可接 MCP |
| 行业报告 | Perplexity / 秘塔 | 结构化输出，可导出 |
| 中文资料整理 | Kimi / 秘塔 | 中文长文档与文库覆盖 |
| 批量夜间跑 | Parallel / Gemini API | 异步、无人值守 |
Deep Research 的局限
必须说清楚。Deep Research 很强，但不是万能的：
- 可能过时：虽然会搜索最新信息，但有些数据库它访问不了
- 可能偏颇：AI 挑选来源有自己的偏好，不一定全面
- 可能编造：虽然引用来源，但 AI 总结时可能出错
- 不能替代专家：它能给你 80 分的报告，但专业判断还得靠人
- 专家接受率仍然不高：公开评测里，领域专家对 AI 研究报告的接受率依旧偏低——格式很专业，但关键判断经不起推敲
- 结论会漂移：同一个问题隔一周再跑，结论可能不一致。来源更新、检索路径随机性都会影响结果。重要决策别只跑一次
- 必须做来源审计：抽查 10% 的引用，点进去看原文是否支持该结论。这一步省不掉
关键提醒
Deep Research 生成的报告，永远不要直接用。把它当作一个高质量的初稿，然后：
- 验证关键数据的原文
- 补充你的行业经验
- 调整结论和判断
- 加入你自己想强调的观点
参考来源
- Google Gemini Deep Research — 产品入口与能力说明
- Gemini API 文档 — Interactions API 与 Deep Research agent
- OpenAI Deep Research — 能力与使用范围
- Anthropic 帮助中心 — Claude Research 的可用范围与用法
- Perplexity — Deep Research 与 Draco 评测
- Parallel — Task API 的定价与延迟档位
本节小结
✅ Deep Research 不是搜索加强版，而是研究自动化的第一步
✅ 六款工具各有取舍：Gemini 透明可接私有数据，Perplexity 引用最强，ChatGPT 深度最深，Claude 报告最好读，Kimi/秘塔中文场景最实用
✅ 2026 年的结构变化是 API 化：Gemini Interactions API、Parallel Task API、Perplexity Agent API，让研究能进流水线
✅ 问题描述越详细，报告质量越高——花 2 分钟写需求描述
✅ 结论会漂移，来源要审计。同一个问题跑两次，结果可能不一样
✅ 把 Deep Research 当作高质量初稿，而不是最终稿