核心用法
deep-research 是一种自主多步骤深度研究技能，专为需要系统性调查与证据综合的复杂场景设计。其核心工作流程分为四个阶段：
Phase 1: 问题分解（30秒） — 将主题拆解为5-8个子问题，从事实核查、多源视角、时间线、数据证据、未知争议等维度建立研究框架。
Phase 2: 迭代搜索（3-8分钟） — 执行多轮递进式搜索：首轮广泛检索获取基础认知，次轮追踪首轮发现的新线索（人名、公司、日期、主张），三轮填补空白、验证主张、寻找矛盾信源。关键行为包括：提取新线索持续挖掘、跨2+独立信源交叉验证、优先使用原始信源（官方报告、SEC文件）、追踪信源质量层级、使用web_fetch深度阅读全文、同一子问题变换检索策略。
Phase 3: 综合输出 — 生成结构化研究报告，包含执行摘要、核心发现（带内联引用）、数据证据、风险/未知/争议、结论建议、完整信源列表。
Phase 4: 存储归档 — 保存至memory/research/目录，支持项目交叉引用。
显著优点
- 自主性：无需人工指导即可完成从问题拆解到报告生成的完整闭环
- 深度性：标准任务15+信源，复杂任务25+信源，远超常规搜索
- 可信度：强制交叉验证、信源质量分级、时效性偏好（<6个月）、偏见检查（纳入对立观点）
- 结构化：输出格式统一，便于决策引用与存档回溯
- 适应性：内置金融/市场/技术/人物四大研究类型的专项适配
潜在缺点与局限性
- 时间成本：单次研究耗时3-8分钟，不适合即时响应场景
- 信源依赖：受限于公开可检索信息，无法访问付费数据库或封闭系统
- 幻觉风险：虽设"无 hallucination"标准，但长链条推理中仍可能误读或过度推断
- 中文支持：未明确提及中文搜索优化，非英语主题可能信源质量下降
- 无实时执行：
web_search与web_fetch的实际效果取决于底层工具实现
适合人群
- 投资分析师（股票/行业深度研究）
- 战略咨询顾问（市场进入、竞争格局分析）
- 产品经理（技术选型、竞品benchmarking）
- 记者/调查研究员（背景核查、争议梳理）
- 学术研究者（文献综述前的快速领域扫描）
常规风险
- 信息茧房：搜索算法偏向性可能导致信源同质化，需主动使用
site:过滤器突破 - 时效误判：强制偏好<6个月信源可能错过经典 foundational 研究
- 引用堆砌：15+信源要求下可能为达标而纳入低相关性内容
- 存储污染：自动归档机制若缺乏定期清理，可能导致记忆文件膨胀
- 安全未明：简介标注"未执行安全扫描"，实际部署需补充输入过滤与输出审查机制