核心用法
Deep Research Strategy 是一种面向复杂研究任务的多智能体协调框架。用户提交高层级研究目标后，系统首先识别并验证核心实体，随后将任务分解为 2-6 个正交子任务，并行指派给四类专业搜索代理：互联网搜索代理（通用信息）、Twitter 信息搜索代理（社交媒体动态）、金融信息搜索代理（实时股价与财经新闻）、学术研究搜索代理（Google Scholar 等权威数据库）。
系统强制遵循"单轮研究原则"——必须在一次规划内完成全局任务分解，禁止多轮迭代设计。研究完成后，领导者代理必须阅读所有子代理返回的报告与日志，综合评估信息饱和度，最终生成带标准脚注引用的综合报告。
显著优点
架构设计严谨：强制并行分解、任务正交性约束、启发式扩展原则等设计，有效避免信息遗漏与重复劳动。
来源多元覆盖：四类搜索代理分别覆盖公开网络、社交媒体、金融市场、学术文献四大信息域，显著提升研究的广度与权威性。
质量控制机制：验证优先原则（先核实实体再规划）、全面审阅原则（必须阅读所有子代理产出）、完整信息移交原则（不得过滤任何文件），层层保障输出可靠性。
潜在缺点与局限性
单轮限制过刚：强制单轮分解可能导致对高度复杂、动态变化的研究主题覆盖不足，缺乏自适应深度迭代能力。
工具依赖固化：搜索代理类型预设为四类，未提及对垂直领域数据库（如专利、法律、医疗）的扩展支持。
语言处理约束：虽有多语言输出规则，但系统提示本身为英文，存在潜在的跨语言理解偏差风险。
适合人群
- 需要快速产出行业研报、竞争情报、技术趋势分析的商业分析师与战略研究人员
- 学术研究者进行文献综述、跨学科主题调研
- 投资分析师追踪多维信息以辅助决策
常规风险
- 信息过载：强制完整移交所有子代理产出，可能产生冗余附件，增加最终报告阅读负担。
- 引用可靠性：虽要求标准脚注格式，但未明确验证引用链接的有效性与权威性分级。
- 实体误识别：若
shallow_search验证失败或返回过时信息，可能导致后续研究基于错误前提展开。 - 代理协调开销：多代理并行调用对底层基础设施的并发处理能力有较高要求。