深度研究功能
学习目标：学会使用 AI 的深度研究功能完成系统性调研
预计时间：60-90 分钟
难度：⭐⭐⭐
什么是深度研究？
2025 年开始，几家头部 AI 公司相继推出了"深度研究"功能。简单说，就是让 AI 像人类研究员一样，花几分钟到几十分钟去搜索、阅读、整理信息，最后给你一份带引用的报告。
这和普通问答有什么区别？
| 普通问答 | 深度研究 |
|---|---|
| 几秒钟响应 | 几分钟到半小时 |
| 靠模型记忆 | 实时联网搜索 |
| 简短回答 | 长篇报告 |
| 很少引用来源 | 每句话都有出处 |
| 容易出现幻觉 | 有据可查 |
三大平台对比
目前有深度研究功能的主要是 ChatGPT、Gemini 和 Perplexity。
ChatGPT Deep Research
发布时间：2025 年 2 月
访问方式：ChatGPT Plus/Pro 用户，在对话界面选择"深度研究"模式
工作原理：
- 接收到问题后，系统规划研究步骤
- 自动搜索几十到几百个网页
- 阅读并提取关键信息
- 整理成结构化报告
- 标注所有引用来源
特点：
- 擅长技术性话题和行业分析
- 报告结构清晰，逻辑性强
- 会主动补充你没想到的相关信息
- 单次研究时间较长（10-30 分钟）
限制：
- Plus 用户每月 10 次
- Pro 用户每月更多（具体次数不固定）
实测感受：
给它一个技术话题，比如"当前主流向量数据库的对比分析"，它会去翻官方文档、技术博客、用户反馈，最后给你一份相当全面的报告。引用的来源大多是一手资料。
但偶尔也会引用一些不太权威的来源，需要自己核查。
Gemini Deep Research
发布时间：2025 年 3 月（升级版）
访问方式：Gemini Advanced 用户
工作原理：
- 基于 Gemini 3 Pro 构建
- 多步强化学习优化
- 支持上传文件作为研究素材
- 可以分析 Google Drive 中的文档
特点：
- 与 Google 生态深度整合
- 能同时分析你的文件和网络信息
- 输出格式可以自定义
- 速度相对快一些
限制：
- 需要 Gemini Advanced 订阅（$19.99/月）
实测感受：
如果你的研究资料存在 Google Drive 里，Gemini 用起来会很顺。可以说"结合我 Drive 里的那份竞品分析，搜索一下最新的市场动态"，它能做到。
缺点是中文报告的表达有时候不太自然，像是从英文翻译过来的。
Perplexity
发布时间：一直在迭代，2025 年底加强了深度研究能力
访问方式：免费版有基础功能，Pro 版本更强
工作原理：
- 专门做搜索+总结，不是聊天机器人
- 实时搜索，结果更新
- 每个论述都带引用链接
特点：
- 引用做得最规范，每句话都有来源
- 界面简洁，就是搜索框
- 免费版也能用
- 搜索结果时效性强
限制：
- Pro 版 $20/月
- 深度分析能力略逊于 ChatGPT
实测感受：
Perplexity 更像是"增强版搜索引擎"。如果你只是想快速了解一个话题，带着引用看个大概，它比 ChatGPT 的深度研究更快。但如果需要深度分析和洞察，ChatGPT 做得更好。
怎么选？
| 需求 | 推荐 | 原因 |
|---|---|---|
| 技术调研、行业分析 | ChatGPT | 分析深度最好 |
| 结合自己的资料研究 | Gemini | Google 生态整合 |
| 快速了解一个话题 | Perplexity | 速度快，引用清晰 |
| 免费使用 | Perplexity | 免费版就能用 |
| 中文内容为主 | ChatGPT | 中文表达更自然 |
实操：用 ChatGPT 做一份调研
以"2025年国内 AI 编程工具市场"为例，演示怎么用深度研究功能。
第一步：提出问题
不要只说"调研 AI 编程工具"，要具体一点：
请帮我研究以下问题：
1. 2025年国内主流的 AI 编程工具有哪些？
2. 各自的核心功能和定价策略是什么？
3. 开发者群体的实际使用反馈如何？
4. 这些工具背后的技术方案（使用什么模型）
重点关注：Cursor、Windsurf、Trae、通义灵码、GitHub Copilot
时间范围：2025年的最新信息
来源要求：尽量引用官方文档、技术博客、用户社区的讨论第二步：等待研究
ChatGPT 会显示它正在做什么：
- 正在规划研究步骤
- 正在搜索相关网页
- 正在阅读第 15/47 篇文章
- 正在整理报告
这个过程通常需要 10-20 分钟。你可以去干别的，回来再看。
第三步：审核报告
拿到报告后，重点检查：
引用是否靠谱？
- 点开几个链接看看
- 官方文档 > 技术博客 > 新闻报道 > 个人博客
- 如果引用的是个人博客或论坛帖子，谨慎采信
数据是否过时？
- 检查引用文章的发布时间
- 产品定价、功能特性变化很快
- 超过 3 个月的信息可能已经过时
有没有明显遗漏？
- 你知道但报告没提到的工具
- 重要的争议或问题
- 最近的大新闻
第四步：追问补充
报告生成后可以继续追问：
关于 Cursor 和 Windsurf 的对比，能否深入分析一下：
1. 代码补全的准确率对比
2. 大型项目中的性能表现
3. 用户社区里争议最大的点是什么常见问题
Q：深度研究会产生幻觉吗？
会，但概率低很多。因为每个论述都要找到来源支撑，没有来源的信息很难被编造进去。
但"引用来源"不等于"信息正确"。AI 可能正确引用了一篇错误的文章。所以关键数据还是要自己核查。
Q：能用来写论文吗？
可以用来查资料和理清思路，但不能直接当论文用。
几个问题：
- 学术论文需要引用一手学术来源（期刊、会议论文），AI 搜索的主要是网页
- 生成的文字风格不符合学术写作规范
- 有些学校明确禁止使用 AI 生成内容
把它当作研究助手，不是论文代写工具。
Q：中文资料搜索得全吗？
不太全。这些工具都是英文优先的，中文网站的索引覆盖度不如英文。
如果研究的是国内的话题，建议：
- 在提示词里明确说"重点搜索中文来源"
- 补充一些你知道的中文资料来源
- 自己再用中文搜索引擎补充
Q：报告可以直接用吗？
不建议直接用。
AI 生成的报告有几个共性问题：
- 结构太"整齐"，一眼能看出 AI 感
- 缺少你自己的判断和观点
- 可能遗漏了你场景里重要的细节
把它当作初稿，在这个基础上改写、补充、加入自己的见解。
实用技巧
1. 分步研究
复杂话题不要一次问完。先让 AI 给你一个概览，然后针对感兴趣的点深入。
第一轮：帮我概述一下当前 AI Agent 的主要技术路线
第二轮：关于 ReAct 模式，详细分析一下优缺点和实际应用案例
第三轮：有没有 ReAct 模式失败的案例？问题出在哪？2. 指定来源类型
搜索的时候优先看：
- 官方文档和技术博客
- GitHub 仓库的 README 和 Issues
- 技术社区的深度讨论（不是水贴）
忽略：
- 营销软文
- 没有技术细节的新闻报道
- 明显过时的内容（2024年之前）3. 交叉验证
同一个问题用不同工具研究一遍。如果三个工具给出的结论一致，可信度就高很多。
4. 保留原始链接
AI 给的引用链接要保存下来。后续写报告或者分享的时候，直接引用原始来源，而不是说"根据 AI 研究"。
深度研究 vs 手动搜索
什么时候用深度研究，什么时候自己搜？
用深度研究：
- 不熟悉的领域，需要快速建立认知
- 需要比较多个产品/方案
- 时间紧，没空一篇篇看
- 需要带引用的正式报告
自己搜索：
- 熟悉的领域，知道去哪找信息
- 需要非常细节或小众的信息
- 中文内容为主
- 只是简单查个东西
两者结合效果最好：先让 AI 给个概览和方向，再自己深挖关键的点。
本章小结
- 深度研究功能适合系统性调研，不是日常问答
- ChatGPT 分析深、Gemini 整合强、Perplexity 引用好
- 拿到报告后要核查引用、检查时效性
- 把 AI 当研究助手，不是信息的最终来源
练习
任务：选一个你工作中需要调研的话题，用深度研究功能生成一份报告。
要求：
- 用上面学到的技巧设计提示词
- 核查至少 5 个引用的来源
- 记录哪些信息是准确的，哪些需要修正
- 在 AI 报告的基础上，加入你自己的见解，改写成自己的版本