deep-research

核心用法

Deep Research Agent 是一款基于 Gemini Deep Research Pro 的自主研究工具，专为需要系统性深度调研的场景设计。用户通过触发词（如"深度研究"、"deep dive"）激活后，系统将执行以下流程：

1. 主题确认：与用户明确研究范围，将模糊需求转化为清晰的中英文查询
2. 密钥获取：自动从 openclaw.json 配置读取 Gemini API Key，无需用户手动输入
3. 执行研究：通过 Node.js 脚本调用 Gemini 多步搜索-阅读-分析能力，默认 1 小时超时
4. 结果呈现：输出带引用链接的 Markdown 研究报告，包含完整的思考过程摘要
5. 追问支持：保存 Interaction ID，支持针对报告内容的追加提问与深入探索

显著优点

• 全流程自动化：无需人工干预搜索、筛选、整合环节，Agent 自主完成多轮迭代
• 权威引用保障：报告自动附带来源链接，可追溯验证，降低 AI 幻觉风险
• 深度追问机制：Interaction ID 机制支持研究延续性，避免重复启动成本
• 配置即插即用：API Key 从配置文件自动提取，平衡安全性与便捷性
• 进度可视化：stderr 实时输出研究状态（🔬📊💭✅），缓解长等待焦虑

潜在局限

• 时间成本高昂：单次研究需 5-20 分钟，不适合实时性要求高的场景
• 配额消耗大：Deep Research 调用消耗较多 Token/配额，高频使用成本显著
• 主题依赖提示：模糊主题需人工澄清，无法完全自主确定研究方向
• 网络与稳定性：长耗时任务易受网络中断影响，虽支持 --no-stream 降级但体验受损
• 输出格式固定：仅限 Markdown 报告，不支持直接生成 PPT、数据表格等格式

适合人群

• 科研人员、行业分析师、咨询顾问等需要系统性文献/市场/竞品调研的专业人士
• 学生、内容创作者需快速搭建某领域知识框架的入门者
• 投资决策支持、政策研究、技术趋势追踪等需要多源交叉验证的场景

常规风险

• API Key 泄露风险：虽采用环境变量传递，但配置文件路径固定，多用户环境需隔离权限
• 引用源质量参差：Gemini 搜索来源未经过人工审核，可能包含低权威性内容
• 研究偏见传导：Agent 的搜索策略与总结逻辑可能放大原始 query 的立场偏见
• 超时任务堆积：默认 1200 秒超时设置若研究未完成，可能造成资源占用或失败

核心用法

Deep Research Agent 是一款封装 Google Gemini Deep Research Pro 能力的自动化研究工具。用户只需提供一个研究主题，系统即可自主执行多轮深度研究：首先确认研究范围和方向，然后通过环境变量获取 API Key，启动通常耗时 5-20 分钟的研究进程。研究完成后输出 Markdown 格式的完整报告，包含引用来源链接，并支持通过 Interaction ID 进行后续追问和深入分析。

显著优点

研究深度与效率兼备：相比传统人工检索，该工具能自动执行多轮搜索、阅读和分析，大幅缩短研究周期，同时保持学术级别的深度和严谨性。

来源可追溯：生成的报告包含完整的引用链接，确保信息的可验证性，满足学术写作和商业决策的可靠性要求。

交互式追问机制：通过 Interaction ID 支持研究完成后的定向追问，用户可以针对特定发现深入挖掘，形成渐进式研究闭环。

安全设计规范：API Key 通过环境变量传递，无硬编码风险；仅与 Google 官方 API 通信，数据传输全程 HTTPS 加密。

灵活的运行模式：支持流式输出和轮询模式两种运行方式，可根据网络环境选择更稳定的方案。

潜在缺点与局限性

耗时较长：单次研究通常需要 5-20 分钟，对于需要即时反馈的场景可能不适用。

依赖 Google 生态：完全依赖 Gemini API 的研究能力和数据覆盖范围，对 Google 服务不可用时无替代方案。

SDK 路径硬编码：当前版本将 SDK 路径硬编码为特定用户环境，在不同部署场景下可能需要手动调整。

输出格式固定：目前仅支持 Markdown 格式输出，如需其他格式（如 Word、PDF）需额外转换。

API 成本考量：深度研究涉及多轮 API 调用，可能产生较高的 token 消耗，高频使用需关注配额和费用。

适合的目标群体

• 学术研究人员：需要快速获取某一领域的系统性综述和参考文献
• 咨询与战略分析师：为客户提供行业研究、竞品分析等深度报告
• 内容创作者：撰写需要事实核查和权威引用的长篇文章
• 企业决策支持：为商业决策提供数据驱动的研究支撑
• 学生与自学者：对新领域进行结构化、系统性的入门学习

使用风险

性能与稳定性风险：研究进程耗时较长，执行期间若网络中断或 API 服务异常可能导致研究失败，需预留超时余量并考虑重试机制。

依赖项风险：高度依赖 Google GenAI SDK 和 Gemini API 的可用性，版本更新或服务变更可能影响功能。

配置迁移成本：SDK 路径硬编码问题可能导致跨环境部署时的配置调整需求。

数据隐私考量：研究主题和查询内容会发送至 Google 服务器，涉及敏感商业信息时需谨慎评估。

结果质量波动：AI 生成内容的准确性和全面性受训练数据截止时间和模型能力限制，关键决策建议人工复核。