开发者Club

3分钟搞懂深度研究(Deep Research)

深度研究是让 AI 自己拆问题、反复搜索、整理成带出处报告的 Agent 功能。本文讲清它比普通 AI 搜索多做了什么、为什么又慢又有次数限制、引用为什么不能直接信，以及国内外有哪些产品可以用、怎么提问更有效。

开发者Club
更新于
3 分钟阅读
AI人工智能Deep Research深度研究深入研究AI调研研究报告AgentBrowseComp引用核查
阅读 —收藏 —

一句话定义

深度研究（Deep Research）= 你交给 AI 一个需要大量查资料的问题，它自己把问题拆成几个小问题，多轮搜索、阅读几十到上百个网页，比对不同来源的说法，最后整理成一份带引用出处的报告。整个过程通常要几分钟到几十分钟。

举个例子：你问“个人开发者做一个 AI 记账小程序，国内有哪些大模型 API 可以选，价格和限制分别是什么”。普通的 AI 搜索会搜一次，抓几条结果直接总结；深度研究会先问你预算和用户量大概多少，然后一家一家去翻官方文档和价格页，发现某家的价格页打不开，就换个关键词再找，最后给你整理成一张对比表，并且在每个数字后面都会标着它的出处。

这也是普通人最先用上的 Agent 形态：不需要写任何代码，你就能亲眼看到 AI 自己规划、自己搜、自己决定还要不要继续查。

普通 AI 搜索只搜一次，深度研究搜到够了为止

这两者的区别，很像买手机时的两种做法。一种是随手搜一下“3000 元左右买什么手机”，看完排在前面的两三条结果就下单，几分钟搞定，买得好不好就要看运气了。另一种是认真做一次功课：先想清楚自己最在意拍照还是续航，再去翻测评、看差评、比价格，发现某款的信息对不上，就换个平台再查一遍，最后整理出一张对比表，还记下了每条信息是从哪里看来的。普通 AI 搜索是前一种，深度研究是后一种，只不过做功课的这部分活由 AI 替你干了。

一次深度研究大致分成这几步：

① 先确认需求  -> 问你几个问题: 预算多少? 只看国内? 要表格还是长文?
② 拆解问题    -> 把 "帮我调研 XX" 拆成七八个子问题
③ 分头检索    -> 每个子问题单独搜, 有的产品会派多个子 Agent 并行去查
④ 判断够不够  -> 信息缺了就换关键词再搜, 来源矛盾就再找第三个来源
⑤ 写成报告    -> 按结构组织内容, 把每个说法对应到引用链接

动画：深度研究像一格一格填满手机对比表，来源对不上就再找第三个来源，每一格都标上出处

第 ④ 步是分水岭。普通搜索是“搜一次就交差”，深度研究是搜到它自己觉得够了为止。把“搜索、阅读、判断、再搜索”不断循环下去，其实就是 Agent Loop 在起作用。

第 ① 步很多人会直接跳过，但它对结果影响很大。ChatGPT、Kimi、千问等产品在开始之前都会先反问几个问题，把这几个问题认真回答了，报告才不容易跑偏。

查得深，所以又慢又有次数限制

深度研究到底比普通搜索强多少，OpenAI 在 2025 年 4 月发布的 BrowseComp 测试里给过一组很直观的数字。这套测试有 1266 道题，每道题的答案都藏在网上，但需要翻很多网页、把好几条线索拼起来才能找到。不过答案本身都很短，比如一个人名或者一个标题，和标准答案一对就知道对不对，所以评分不会有争议。

测试对象答对比例
人类测试员（每题最多找约 2 小时）1255 道题里放弃了约 71%，只解出了约 29%
GPT-4o（不联网）0.6%
GPT-4o（可以联网搜索）1.9%
OpenAI 深度研究（2025 年初版本）51.5%

从这张表可以看出，光给模型加上联网搜索，几乎没有帮助，答对率只从 0.6% 涨到 1.9%。真正拉开差距的，是深度研究那种“查不到就换个思路继续查”的能力。需要说明的是，这个深度研究模型训练时专门练过这类任务，所以这个分数更适合用来理解两种方式的差距，不代表它日常调研就有一半的把握。

代价也很明显：查得多，花得就多。Anthropic 在 2025 年 6 月公开了 Claude 研究功能的做法：由一个主 Agent 制定计划，再派出多个子 Agent 分头并行搜索，最后由主 Agent 汇总。

Claude 研究功能的多 Agent 架构：主 Agent 派出多个搜索子 Agent，最后由引用子 Agent 补上出处 图注：Anthropic 公开的 Claude 研究功能架构。左边是用户在对话里提出的请求（列出至少 100 家在做 AI Agent 的美国公司）；右边的主 Agent（Lead agent）负责规划和汇总，下面三个搜索子 Agent（Search subagent）各自循环搜索，引用子 Agent（Citations subagent）在最后给报告补上出处，Memory 用来保存研究计划。出自 Anthropic 工程博客（2025-06-13）。

在他们的内部测试里，这种多 Agent 的方式比单个 Agent 的效果高出 90.2%，但消耗的 token 大约是普通聊天的 15 倍。他们还发现，在 BrowseComp 上，token 用了多少，就能解释表现差异的 80%。说白了，深度研究的效果很大程度上是靠“多花算力、多查资料”换来的。

BrowseComp 论文中的图：深度研究花的算力越多，答对率越高 图注：OpenAI 在 BrowseComp 论文里给出的图。横轴是深度研究早期版本在答题时投入的算力，用的是对数刻度，越往右增加得越多；纵轴是答对率。投入的算力越多，答对率越高，从不到 10% 一直涨到 50% 以上。出自 OpenAI《BrowseComp》论文（2025-04）。

这也就解释了为什么各家都会给深度研究设置次数限制：免费用户通常只有很少的次数，或者用的是轻量版本，付费档位越高，次数越多。所以用之前最好先想清楚，这个问题值不值得花掉一次深度研究。

有引用，也不代表内容一定可靠

深度研究的报告几乎都带着一长串引用链接，看起来非常严谨。但这恰恰是最需要警惕的地方，已经有好几项研究专门查过这些引用：

  • 引用对不上内容：2025 年 9 月的 DeepTRACE 研究审查了多款深度研究产品，引用准确率在 40% 到 80% 之间，报告里有相当一部分说法，在它自己列出的来源里根本找不到依据。
  • 链接本身是编的：2026 年 4 月的一项研究检查了 10 个模型和 Agent 给出的 5 万多条引用链接，其中 3% 到 13% 的链接在网页存档里从来没有出现过，基本可以判断是模型编出来的，还有 5% 到 18% 的链接打不开。而且深度研究类 Agent 给的引用更多，编造链接的比例也比普通联网搜索更高。
  • 错了也很自信：在前面提到的 BrowseComp 测试里，深度研究的校准误差高达 91%，也就是说，它自己声称的把握程度和实际答对的概率差得很远，答错的时候语气也一样笃定。

除了这些，还有几种常见的情况：

  • 源头本身就是错的：网上的错误信息被它当成事实写进了报告。
  • 看起来交叉验证过了，其实是同一个来源：十篇文章都在转载同一篇不靠谱的原稿，报告里引用了五篇，看起来很扎实，实际上只有一个出处。
  • 时间对不上：引用了两年前的数据来描述现在的情况，价格、政策、产品功能这类信息尤其容易出问题。

所以比较稳妥的用法是，把报告当成一份带线索的初稿，而不是结论。尤其是要拿去做决策、写进文章或者给别人看的关键数字和结论，一定要点开链接核对一遍：先看链接能不能打开，再在原文里找到那句话，最后看一眼发布时间和来源是不是一手的。

引用的三种问题和核对三步

哪些问题值得交给它

问题的类型表现
广度调研（行业概况、竞品盘点、技术选型对比）强项，能省下大量搜集资料的时间
有公开资料的事实梳理（政策变化、事件时间线）比较靠谱，但关键信息仍需要抽查
需要公司内部数据的分析默认查不到，需要上传文件或接入内部数据
冷门、争议大、资料稀少的话题容易被单一来源带偏
需要原创判断的结论能把各方观点罗列清楚，但独立的洞见有限
查一个具体事实、问一个明确的定义没必要，普通搜索几秒钟就能搞定

关于内部数据这一条，现在已经有了一些变化。2026 年 2 月 ChatGPT 的深度研究升级后，可以连接各种应用和 MCP 服务，读取你授权的数据，也可以只在你指定的几个网站里搜索；Gemini 的深度研究 API 也支持把自己的文档加进检索范围。如果你的问题需要用到自己的资料，可以先看看手上的产品支不支持上传文件或连接数据。

用的时候，提问的方式也很关键。和给实习生布置任务一样，交代得越清楚，结果越好：

  • 说清楚目的：“我要决定选哪家”和“我要写一篇科普”，需要的报告完全不一样。
  • 限定范围：时间（只看 2026 年的信息）、地区（只看国内）、来源（优先官方文档和财报）。
  • 说明想要的形式：对比表、时间线，还是带结论的长文。
  • 报告出来后接着追问：哪部分不够细，就让它针对那部分再查一轮，不用整个重来。

提问写清四件事：说清目的、限定范围、说明形式、接着追问

一条经验：深度研究替你省的是“找资料”的时间，不是“下判断”的时间。

现在有哪些产品可以用

国内外主流的 AI 助手基本都已经有了深度研究功能，只是叫法不太一样：

产品功能名称特点
ChatGPT深度研究2025 年 2 月最早推出的一批；2026 年 2 月升级到 GPT-5.2，可以连接应用和 MCP、限定搜索网站，还能实时看进度、中途插话调整方向
GeminiDeep Research2024 年 12 月最早上线；2025 年 12 月换成基于 Gemini 3 Pro 的研究 Agent，同时向开发者开放了 API
Claude研究（Research）主 Agent 加多个子 Agent 并行搜索，每个说法会对应到引用来源
PerplexityResearch 模式早期叫 Deep Research，速度相对比较快
豆包深入研究2025 年 6 月开始免费测试，结果可以生成报告文档或可视化网页，App 里还能一键转成播客
Kimi深度研究由自研的 Kimi-Researcher 模型驱动，开始前会先和你确认研究范围，报告支持导出 PDF 和 Word
千问深度研究2025 年 5 月上线，之后升级支持把报告生成交互式网页和播客

如果你是开发者，想把深度研究接进自己的产品里，也有现成的选择：OpenAI 和 Google 都提供了深度研究的 API，因为一次运行要好几分钟，一般用后台任务加轮询的方式来拿结果；阿里通义实验室在 2025 年 9 月开源了 通义 DeepResearch，总参数约 305 亿，每次推理只激活约 33 亿，可以自己部署。

各家的次数限制、可用档位和底层模型变化都很快，具体以你使用时产品页面上的说明为准。

时效性提醒

深度研究的基本流程已经比较稳定了，变化比较快的是下面这些：

  • 各家用的底层模型、单次耗时、每月可用次数和收费档位
  • 能不能连接自己的文件和应用、能不能限定信源、能不能访问付费墙后的内容
  • 引用准确率会随模型版本变化，上面提到的研究测的都是当时的版本

建议：重要结论一定要点开原始链接核对一遍。

💬 互动话题：你用深度研究查过什么？报告里有没有遇到过“链接是真的，但原文根本没说这句话”的情况？

📖 相关阅读：

资料来源：

上一篇
3分钟搞懂AI Agent
下一篇
3分钟搞懂Computer Use(电脑操作AI)

评论

登录后即可发表评论

登录账户

加载评论中...