Deep Research

深度调研工作流

🚦 硬上限：任意时刻并行 subagent ≤7 个。 维度多就分批，不要抬高上限。子 agent 禁止再派子 agent——递归 fan-out 是最烧钱的失败模式（见错误 6）。如果你的平台自带一个 fan-out 到几十个 agent 的"deep research"模式，不要用它，用本流程做受控并行。

元数据

• 类型: Workflow
• 适用场景: 需要对某个主题进行深度、全面、可验证的第三方调研，并且你要的是一个"判断"，不是一份综述
• 输出位置: 你指定的一个输出目录

核心原则

1. 一手源优先: 先找原始文献（官方公告、技术论文、创始人博文、财报电话会议），精读后再做广度搜索。二手信息层层转手会蒸发洞见
2. 论点驱动: 报告的结构是论证链（观察 → 分析 → 判断），不是主题分类（市场 → 竞争 → 趋势）。每一章推进一个论点，前后有逻辑递进
3. 交叉对比: 选 2-3 个核心案例做深度对比，找收敛点和分歧点。收敛本身就是洞见，分歧背后的原因更是洞见
4. 标注不确定性: 诚实区分"确定知道的"、"合理推断的"、"不确定的"。过于确定的结论是分析不严谨的信号
5. 可追溯性: 所有引用必须保留 URL，关键引用保留原文摘录
6. 单一交付: 最终只交付一个汇总报告，中间结果不保存

关键区分：Wide Research vs Deep Research

Wide Research（信息搬运）：搜索多个来源 → 按主题分类摆放 → 输出 checklist。这是 LLM 的默认模式，产出的是"正确的废话"。