最近在做一个复杂的消费品市场调研，从「严格本地研究」一路试到 Kimi DeepResearch，中间踩了 Deep Research 接入的各种坑。值得单独拎出来讲讲。
尝试一：直接调用深度研究 API 或插件能力
结论：深度研究能力主要通过网页端或产品内插件提供，开发者无法直接通过模块调用或 API 调用并集成到自己的流程中。
- OpenAI：官方文档说明可以通过 Responses API 使用
o3-deep-research和o4-mini-deep-research模型（Deep Research 指南），需要至少包含一个数据源（web search、remote MCP 或 file search）。2026 年 9 月 9 日起，OpenAI 在 ChatGPT Business 版中正式发布了 Deep Research 插件（版本 0.1.14），Work/Codex 用户可以通过@Deep Research在各端使用，消耗现有额度或 workspace credits。但实际在非 Business 订阅 Work / Codex 中无法直接通过模块调用，API 暂不适合国内的场景。 - GitHub Issue #29741 是一个功能请求，希望在 Codex Mac app 中加入原生的 Deep Research 任务模式，能够结合当前 workspace 上下文做研究。Issue 中指出，ChatGPT 的 Deep Research 和 Codex 的 workspace 上下文目前是割裂的，且单独调用 API 需要额外计费。
o3-deep-research模型已被标记为 Deprecated，退役日期 2026-11-19，替代模型为gpt-5.6-sol（Azure 模型退役计划）。OpenAI 似乎在向基座模型 + 搜索接口的模式迁移，而非维护独立的深度研究模型。- 豆包、Kimi 等国内产品的深度研究能力同样仅限网页端体验，API 平台未提供独立的深度研究端点。
- 单次深度研究的搜索规模通常在数百次级别，公开来源显示典型 sources 数为 50–200（Deep Research 模式对比），部分复杂任务可能更多。
尝试二：本地模拟多轮搜索研究 / Goal 模式
两种思路都试过：用 web_search + 外挂豆包搜索 API 本地模拟；或者开 Goal 模式做长程任务。
共同的问题：仍然需要规定研究范围、产出的边界和约束条件。 不规定明确边界情况下，它的产出非常不稳定。
具体坑：
- 同时接
web_search和豆包搜索 API，codex 会在两个源之间摇摆，效果反而不如单源。 - 豆包搜索 API 拿不到网页正文以及 PDF 内容，只能拿到摘要和片段 —— 这是另一个更复杂的问题。
- 而且没有解决根本问题：长程任务。
- Goal 模式反而更没用：它对研究边界的要求严格，常常因为提示词过于严格而过早结束任务。
- 子代理这种事儿没什么用。上下文割裂的损耗远大于分工的收益。
尝试三：用开源 Skill 模拟
找了一圈，缺少高星的 Skill 仓库或成品，社区上的使用案例也不多，效果不明确。并且鉴于 Skill 本身就是提示词，其多轮研究稳定性就是一个大问题，很难快速验证其 budget forcing 的效果。如果不能达到 OpenAI/Kimi 深度研究的 800 次检索的效果，这个方案并不值得尝试。
尝试四：回退到网页深度研究的提示词设计
绕了一圈，最后还是回到网页版深度研究的方案上，毕竟它真的输出了一个质量尚可的结果，并且踏踏实实做了数百次搜索。更多的精力应该是放到提示词设计上。
检索了 OpenAI 深度研究提示词的最佳实践之后的几个收获：
- 过宽 / 过严都不太好。 太宽了模型乱跑，太严了变成工作流，失去了研究的灵活性。
- 规定结果，不要规定过程。 告诉它最终要交付什么，比告诉它第一步做什么第二步做什么效果好。
- 对于复杂研究，需要有研究方法规则。 一些宏观方法方面的约定还是有必要。它其实是最终结果的一部分，不单纯是过程。比如要不要交叉验证、要不要标注来源、要不要区分事实和推测。这些是研究规范，属于结果的质量标准。
- Schema 和数据清洗不应该是研究的任务。 一上来就规定 JSON Schema，模型会为了满足形式化字段要求，而影响研究准确性。推进使用广召回的思路开展研究，再用后置的 grounding 来收敛和结构化。深度研究本质上是高召回，不要放太多数据处理和清洗工作。
- OpenAI 乍一看读了 800+ 链接，但是结果很差。很多链接只是扫了标题，真正消化的没多少。
- Kimi 比 OpenAI 强很多。可见性不错（每次 50 个，再进一步探索），中文信源友好。
完整的实践可以参考 OpenAI Deep Research 指南——可以说明研究的问题、期望结果、相关限制条件，也可以指定报告结构和来源；长程任务的提示词实践则参考 Claude 提示词最佳实践。
我最终采用的结构
提示词分为四个部分：
- 角色与任务定义：明确研究主体身份、研究目标及交付对象。报告用于结构化市场地图的数据导入与人工审阅，优先级依次为事实准确与可追溯、候选覆盖完整、口径可比、数值完整。不得为满足字段要求牺牲准确性，亦不得因数值缺失删除已核验的市场对象。
- 固定研究范围：以表格形式界定地域、渠道、纳入品类、排除品类、研究窗口、基准年与币种。此部分对应前文所述「研究范围的预先界定」——不界定则产出不稳定。
- 研究与筛选规则：共 13 条规则，覆盖候选覆盖、实体层级（公司/品牌/产品线/SKU）、来源优先级、交叉验证、数值性质标注（直接披露/计算/估算/代理/不可得）、梯队判断、分类归属、增长期间可比性及结束条件等。此部分对应前文所述「研究方法中的宏观过程属于结果质量标准」——并非规定执行过程，而是规定研究规范。
- 唯一输出格式：一份固定的 Markdown 模板，包含三个部分——市场总表、产品线模板（每条重复）、来源与数据缺口附录。所有来源集中于附录，主报告表格内不嵌入链接。模板结构较为松散，不要求 JSON Schema，数值缺失以「不可得」标注——对应前文所述「Schema 与数据清洗应留给后置 grounding 收敛」。
整体对应前述原则：以表格界定研究范围，以规则定义研究规范而非执行过程，输出仅提供模板而不约束 Schema，以保障高召回，结构化与数据清洗留待后置收敛。