深度研究是怎么分步执行的？计划、检索、整合

AI 深度研究功能如今在不少产品里都能见到：腾讯元宝、秘塔、Kimi 等都提供类似的慢问答模式，提问之后不秒回，而是花十几分钟查资料，最后交出一份带引用的报告。它凭什么比普通问答更全面？答案在执行方式上——深度研究把一次回答拆成计划、检索、整合三个阶段，像做课题一样分步推进。拆开看每一步，才知道它慢在哪、全在哪。

第一步：把问题拆成提纲

收到一个偏复杂的问题后，模型先做的并非搜索，而是规划：把大问题拆解成若干可以分别查证的子问题，形成一份提纲。比如问「某项新政对行业有什么影响」，提纲可能拆成政策原文要点、行业现状背景、受影响的环节、各方初步反应等几块。这一步决定了后面查资料的方向，拆得越贴合问题，资料的覆盖面越完整。

提纲还会随着检索动态调整：查到一半发现某个子问题下面资料丰富、衍生出新线索，计划会补充新的子项；某个子项查不到像样的资料，也会调整查法或降低权重。分步执行的好处在这里开始显现——每一步的结果都能反哺下一步的安排。

第二步：逐个子问题检索

提纲定了之后，进入检索阶段。与普通问答「一次搜索、直接作答」不同，深度研究会对每个子问题分别生成搜索词、分别取网页，一个子问题往往对应多轮搜索。单个环节怎么运作，联网检索是怎么发生的？先搜后答的过程一篇拆过通用流程，深度研究相当于把这套流程按提纲跑了多遍。

多轮检索换来的是覆盖面：官方文件、行业报告、新闻报道、讨论帖，不同类型的资料各取一些，交叉印证。检索中还会遇到不同来源说法冲突的情况，怎么处理分歧有专门的机制，见两个信源打架怎么办？矛盾信息的处理机制。

第三步：汇总成文

资料齐了，最后一步是把分散的结果整合成一份连贯的报告：按提纲组织章节，把各子问题的结论填进对应位置，标注每段内容来自哪些来源，通常还会在开头给出一段执行摘要，方便先看结论再看论据。产出里常见的「发现一、发现二」排布，就是这一步留下的痕迹。

整合阶段的质量取决于前两步：提纲漏了关键子问题，报告就有结构性缺口；检索阶段资料单薄，整合时只能薄薄带过。所以评估一份深度研究报告，先看提纲全不全，再看每条结论后面的引用硬不硬。

为什么慢却更全面

慢的原因很直接：子问题多、每个子问题要搜多轮、每轮都要读完网页再决定下一步，整个过程是串行的多步操作，几分钟到十几分钟是正常开销。全面的理由也在同一个地方——普通问答一次只能覆盖一两个搜索方向，深度研究用十几轮检索把一个问题的多个侧面都摸了一遍。

这也解释了适用边界。需要快速拿一个概念解释、一个事实确认时，普通问答更合适；涉及多方面信息、需要交叉验证的调研类问题，深度研究的分步执行才体现出价值。哪些问题适合交给它，深度研究是什么？让 AI 花十几分钟查资料一篇按问题类型分过类。拿到报告之后也别照单全收，结论先对照适用边界再采信，参考AI 搜索能信几分？直接回答的适用与不适用。

深度研究三阶段速查

• 计划：拆子问题、列提纲，随检索动态调整
• 检索：逐项多轮搜索，多类型资料交叉取材
• 整合：按提纲成文，逐段挂引用，先摘要后论据

深度研究快问快答

• 十几分钟都在做什么？：绝大部分时间花在检索和读网页上，子问题越多、网页越长，耗时越久，整合成文只占最后一小段。
• 报告里的结论都能信吗？：整体框架可信度较高，但具体数字和引语仍建议点开引用核对，汇总环节的出错空间与其他 AI 问答一样存在。
• 自己也能分步查，为什么还要用它？：人工分步查同样有效，它省的是十几轮搜索和读网页的时间；资料敏感或需要严格把关的题目，人工流程仍不可替代。