核心用法
Research Cog是CellCog驱动的深度研究Agent，通过agent team模式实现多源信息交叉验证与深度推理。用户以自然语言发起研究查询，系统跨数百个信息源进行综合合成，支持竞争分析、市场调研、投资研究、学术文献综述、尽职调查等场景。
基础调用采用异步模式：用户发起create_chat请求后立即返回，Daemon在任务完成后通知，避免轮询等待。输出格式可选交互式HTML报告、PDF、Markdown或纯文本，满足不同场景的分享与嵌入需求。
显著优点
1. 多源交叉验证：财务数据、统计数据经过多源比对，准确性较高
2. 结构化输出：复杂研究自动组织为清晰的章节、执行摘要与可执行洞察
3. 场景覆盖全面：从快速竞争情报到机构级尽职调查，三级模式（agent/agent team/agent team max）适配不同深度需求
4. 可视化能力：支持图表、对比表、时间线、市场地图等视觉元素
5. 异步架构：fire-and-forget模式避免阻塞，适合集成到工作流
潜在缺点与局限性
- 引用非自动：需显式要求才提供来源链接，默认以效率优先
- 成本敏感：
agent team max模式需≥2000积分，高 stakes 场景成本较高 - 依赖外部SDK：必须预装
cellcog技能，存在依赖链 - 时效性风险：研究基于训练数据及检索源，实时市场数据可能存在延迟
- 幻觉风险：尽管有多源验证，极端专业领域仍可能出现合成错误
适合人群
- 投资分析师、战略咨询顾问、产品经理（竞争情报）
- 学术研究者、研究生（文献综述、技术深度调研）
- 企业BD与法务（尽职调查、合作伙伴风险评估）
- 市场研究人员（行业分析、市场规模测算）
常规风险
| 风险类型 | 说明 |
|---------|------|
| 信息时效性 | 市场快速变化时，研究结论可能滞后 |
| 引用完整性 | 未显式要求时缺乏可追溯来源 |
| 高成本模式误用 | `agent team max`用于普通查询造成资源浪费 |
| 依赖单点故障 | cellcog服务不可用则技能完全失效 |
建议关键决策场景务必启用引用请求，并与一手数据交叉核验。