90 分钟后你要跟合伙人 brief 一个几乎不熟的行业。两年前这意味着开 30 个 tab 加快速打字。截至 2026 年 6 月，ChatGPT、Gemini、Claude 的一次 Deep Research 会读上百页资料，5-30 分钟返回一份带引用的 5-15 页 brief。问题在于：这份草稿的质量，取决于你的审稿。本文讲清楚战略、咨询、PM、Founder 真正在用的完整闭环，包括每个引擎在哪里赢、又在哪里悄悄带偏。
一句话总结
- 把 Deep Research 当一个手快的初级分析师，不是 oracle。机器出稿，你来设计问题、抽查、形成判断。
- 一个项目里只用一个引擎并坚持到底：ChatGPT 结构干净，Gemini 数据最新，Claude 分析深、引用更扎实。
- 一次跑 5-30 分钟，会引用上百个来源。不可省的一步是亲手点开其中 3-5 条引用。
- 免费档三家都大约只给 5 次/月。真做项目要上付费：ChatGPT Plus（$20）、Google AI Pro（$19.99）或 Claude Pro（$20）。
什么时候用，什么时候别用
需要某市场、技术或竞争格局的 5-15 页 briefing，且要能在比你聪明的人面前捍卫——这时候用 Deep Research。如果你的标准只是”明天再看一眼能看懂”，普通聊天就够了。
以下情况别用：
- **突发事件。**实时缺口仍在，今早的新闻可能还没被索引。
- **内部问题。**公司私有数据不在网上，引擎会用自信的幻觉把空缺填上。
- 知识在 paywall 后面（法律、医疗、专业数据库）。引擎多数 paywall 内容会跳过，你只能拿到一份单薄的公网视角。
同样的 Deep Research 方法也能做历史背景研究。参见 AI 历史时间线工作流，把一个宽泛话题拆成日期、人物、因果链。
选引擎（2026 年 6 月）
三家的”Deep Research”模式做的是同一件事：agent 拆子问题、自主浏览几分钟、返回带引用的报告。差别在来源风格、结构和额度。
| 引擎 | 底层模型 | 免费档 | 入门付费 | 典型耗时 | 强在哪 |
|---|---|---|---|---|---|
| ChatGPT Deep Research | GPT-5 系（2026 年 2 月起为 GPT-5.2 研究模型） | 约 5 次轻量/月 | Plus $20（约 10 次完整/月）；高频上 $100/$200 Pro | 5-30 分钟 | 结构干净、覆盖广 |
| Gemini Deep Research | Gemini 3.1 Pro | 5 次/月 | Google AI Pro $19.99（每日额度宽裕） | 5-15 分钟 | 数据最新、1M token 上下文 |
| Claude Research | Claude Opus 4.7 | 受限（Sonnet 4.6） | Pro $20（含 Opus）/ Max $100-$200 | 5-20 分钟 | 分析深、强制引用、来源更扎实 |
数据截至 2026 年 6 月，且经常变动；卡 deadline 前先看 app 内的实时额度。一个实用默认值：先用 ChatGPT Plus 或 Google AI Pro 出最干净的第一稿，需要把论证收紧时，再用同一条 prompt 在 Claude 上重跑一遍。如果选 ChatGPT，可对照 ChatGPT 深度研究教程，里面把 Project 配置、问题质疑、抽查闭环逐步走了一遍。
关于来源风格补一句：Claude Opus 4.7 现在会写过滤代码，对一个问题发出多条查询，只保留最干净、信息密度高的片段并强制标引用——所以它的 brief 倾向多引一手来源，而不是博客摘要。Gemini 偏最新优先，ChatGPT 偏覆盖最广。按 brief 的最大风险点来配引擎。
开始前准备
花五分钟设计，省一小时重跑。
- 把 brief 要支持的那个决策写出来。“要不要进 X 市场？“是问题；“讲讲 X”不是。决策决定哪些 section 重要。
- **提前定好受众和长度。**给高管的 brief 是 3 页，给策略组的工作稿是 12 页。开始前告诉引擎，事后重构很贵。
- 列出必须出现的角度（TAM、Top 5 玩家、监管风险、关键技术瓶颈）。引擎不知道你的读者关心什么。
- **收藏一个权威领域来源。**等下用它 90 秒 diff brief 里的数字。
具体步骤
- 按上表选引擎，并在整个项目里坚持用它。中途换引擎，口吻会不一致、几稿不可比。
- **从一个尖锐的研究问题开始。**强问题：“2026 AI 编程工具市场如何细分？哪些 segment 2027 会整合？“弱问题：“讲讲 AI 编程工具。“强版本逼引擎做一个可被反驳的论证，而不是写百科条目。
- **规定格式。**几节、目标长度、给高管还是详细、受众资历。典型 brief：执行摘要、市场规模、细分、Top 5 玩家、技术趋势、风险、12 个月展望、参考文献。
- 让它跑（5-30 分钟），读的时候手里拿笔。每个看起来”太干净、不太真实”的数字、人名、因果链都标记。
- **对弱节做再研究。**一条强 follow-up：“对第 3 节重新研究，每条主张至少 2 个来源，优先 2025-2026 一手资料而非二手摘要。”
- **人工抽查 3-5 个引用。**引擎仍会引弱源（Medium、AI 文章、过时报告）。一条坏来源能在会议室里当场毁掉整篇 brief 的可信度。
一次便宜的首跑
在拿它跑陌生市场之前，先用一个你懂的行业校准。
- 对你自己的领域跑一份 5 页 brief。错误能秒抓，便宜地了解引擎的失败模式。
- 掐表：到一稿多久，到你愿意信多久。
- 给每节打标签：90%+ 能用、要重做、错的。多数首跑恰好有一节是完全错的，这正常。
- 只换引擎重跑一遍（比如 ChatGPT 换 Gemini）做对比。多数团队在大约 3 次真实跑之后选定一个引擎。
上交前的质量检查
- 每个数字都点开来源核对原值。Deep Research 会激进取整，有时还引二手来源。
- 每个被点名的玩家都验下是否还存在、是否仍在该 segment。网上有不少被过时文章引用的”幽灵公司”。
- 把执行摘要念出来。如果听着自信却没有可被证伪的内容，让引擎表态。
- 用你收藏的那一个来源 diff 一遍。brief 跟你信任的来源相反时，输的是 brief。
怎么复用这套流程
- 把问题框架、格式 spec、你最好的再研究 prompt 存成模板。换行业只换变量，骨架不动。
- 维护一个个人来源白名单（引擎应该偏向或回避的域名），pin 在每个项目的系统 prompt 里。
- 每季度同模板重跑。两份季度 brief diff 一下，是你能搭起来最便宜的市场跟踪系统。
当 brief 落到几个真正要紧盯的对手身上，再接一步 AI 竞品内容拆解——他们的内容选择会暴露其战略意图。
容易踩的坑
- **不抽查就信。**一条编出来的统计就能终止会议。
- 问题太宽。“讲讲 AI”换来 10 页维基百科。
- **没给格式 spec。**形状错，事后重排一小时。
- **跑非公开数据。**网上找不到的它会幻觉补上。
- **项目中途换引擎。**口吻不一致，几稿不可比。
- **把 brief 当终稿。**它是待审的草稿，不是可上线文档。
FAQ
- 一次 Deep Research 跑多久？ 一般 5-30 分钟出一份实质 brief，视引擎和复杂度而定。三家都会在浏览时实时报进度。
- 哪个引擎最好？ 截至 2026 年 6 月：ChatGPT 结构干净、覆盖广；Gemini 数据最新；Claude（Opus 4.7）分析深、引用扎实。按 brief 的最大短板选，别按品牌偏好。
- 要花多少钱？ 免费档三家都大约 5 次/月。真干活要付费：ChatGPT Plus（$20/月）、Google AI Pro（$19.99/月）或 Claude Pro（$20/月）。高频用户上 ChatGPT Pro（$100-$200）或 Claude Max（$100-$200）。
- 能跑 paywall 行业（法律、医疗）吗？ 只能部分。引擎多数 paywall 内容会跳过，这类垂直领域要配合专业数据库一起用。
- 多少来源算够？ 一次会引上百条，但对你来说，参考文献至少 15 条不同来源，其中至少 3 条你愿意亲自引给合伙人。再少，一条坏输入就可能打穿整篇。
- 要不要在 prompt 里写明受众？ 要。“给一个想验证论点的 PE 合伙人看”出的稿，比”给初级分析师看”锋利得多。
- 能出图表吗？ 部分引擎能，但底层数字常错。自己拿数据、自己核对、再画图。
相关阅读
标签: #教程 #研究 #Deep Research