什么是Deep Research
Deep Research 是一个基于多 Agent 编排的工作流系统，旨在将复杂的调研任务分解为可并行执行的子目标，并通过自动化流程高效完成系统性资料搜集、分析与报告生成。该工作流以主控进程为核心，负责目标澄清、子任务拆解、资源调度与结果聚合，而具体的信息采集与分析则由独立的 Claude Code 非交互子进程承担。整个流程强调模块化、可追溯性和最终产出质量，确保交付物为结构完整、洞察驱动的专业报告文件，而非零散的聊天记录或半成品。其设计初衷是解决传统调研中信息过载、效率低下、缺乏统一标准等问题，通过标准化流程和工具链整合，实现从原始数据到高质量结论的可靠转化。
核心功能特点
- 采用主控+子进程的多Agent架构，支持大规模并行任务调度与精细化分工
- 严格遵循默认模型配置，仅在用户授权时调整参数，保障流程稳定性
- 优先使用本地已安装skills进行联网操作，其次调用MCP工具（如firecrawl/exa），最后才降级至WebFetch/WebSearch
- 所有中间产物均落地为结构化文件，日志实时记录，确保全流程可追溯
- 最终交付物必须为独立成品报告文件，禁止在对话中粘贴完整内容
- 内置双重质检机制：验证是否分章节多轮整合产出，并评估分析深度是否达标
适用场景
Deep Research 特别适用于需要系统性搜集、整合与深度分析的复杂调研场景。例如，当用户提出一个宽泛的研究课题（如‘中国新能源汽车出口趋势’）时，系统会自动将其拆分为多个可并行处理的子维度（如按时间切片、按区域市场、按政策影响等），每个子任务由独立子进程完成数据采集与初步分析，再由主控统一汇总精修。这种模式显著提升了处理海量信息的效率，尤其适合学术研究、商业尽调、行业白皮书撰写等对信息全面性与逻辑严密性要求高的场合。此外，对于涉及多源异构数据（如网页、API列表、数据库导出文件）的综合分析项目，该工作流也能通过灵活的权限控制与缓存机制，高效协调各类工具，避免重复劳动，确保最终报告既详实又具洞察力。