核心定位
Deep Research 是一种调查型研究技能，强调「彻底查清直至问题得解」。它区别于快速搜索（Search）、文档整合（Synthesize）和持续监控（Digest），专注于系统性探索与方法论留痕。
显著优点
1. 结构化流程：七步协议（Scope→Search→Evaluate→Deepen→Synthesize→Document→Deliver）确保研究不遗漏关键环节
2. 多源交叉验证：要求追踪引证、核对一手来源、主动寻找对立观点，显著降低信息偏见
3. 来源可信度评估：从权威性、时效性、证据支撑、偏见识别、多方印证五个维度加权
4. 迭代深化机制：允许根据初步发现调整方向，避免「一次性搜索」的局限
5. 透明度极高：强制记录搜索查询、来源权重理由、未找到的信息（gaps），支持学术审计
6. 灵活输出格式：支持执行摘要（BLUF）、学术规范、工作文档三种形态
潜在局限
- 时间成本高：标准级需30-60分钟/8-15源，深度研究可达数天
- 依赖执行者判断：「何时停止」的决策（diminishing returns）、来源权重分配存在主观性
- 未明确AI幻觉防控：虽然强调人工核实，但未针对大模型生成内容的可信度做专项设计
- 工具链依赖：提及
methodology.md、sources.md等外部文件，独立运行时完整性受限
适用人群
- 需做出高 stakes 决策的分析师、政策研究者、投资人
- 学术写作前的文献综述阶段
- 调查记者、合规审查、尽职调查场景
- 对「快速答案」存疑、愿为可信度支付时间成本的用户
常规风险
| 风险类型 | 说明 | 缓释建议 |
|---------|------|---------|
| 确认偏误 | 筛选来源时无意识偏向预期结论 | 强制纳入对立观点、预设「证伪」查询 |
| 来源污染 | 低可信度来源被高可信度文献引用 | 追溯原始研究、识别「僵尸引用」|
| 过度研究 | 边际收益递减时未及时停止 | 预设时间/预算硬上限、记录停止理由 |
| 方法论形式主义 | 流程完备但实质质量参差 | 输出需经同行或专家抽样复核 |