18K Stars!这个 AI 研究助手,把一个人做深度调研的时间从一周压到几分钟

做行业研究最痛苦的是什么？

不是找资料，是找完资料不知道该信哪个。

你 Google 一圈，花三天读了 30 篇文章，回来脑子里还是一片混沌——每个来源说法不一样，每个数据都像是"引用了另一个不存在的来源"，你不知道哪个是真实的一手信息，哪个是三手转述。

dzhng/deep-research 解决的就是这个问题。它不是给你一堆链接让你自己消化，而是像一个真正的研究助理一样：迭代搜索、交叉验证、层层深入，最后给你一篇完整的结构化研究报告。

18,835 Stars，2025 年 2 月创建，增长速度非常快。

它是怎么工作的

普通的 AI 搜索工具：输入问题 → 返回结果 → 结束。

deep-research 的工作方式完全不同——它是迭代式的：

用户问题  ↓生成搜索查询（SERP Queries）  ↓处理搜索结果，提取关键信息  ↓发现新的方向和问题（Learnings + Directions）  ↓根据方向生成新的搜索查询  ↓重复，直到研究深度达到设定值  ↓输出完整 Markdown 报告

它会根据已有的发现，自动生成新的研究问题，一层一层挖下去，直到把一个话题彻底搞清楚。

你设定两个参数：

• Breadth（广度）：每次搜索覆盖多少个方向
• Depth（深度）：研究要挖几层

和 Perplexity、ChatGPT 比有什么区别

工具	迭代研究	交叉验证	报告质量	透明可溯源
deep-research	✅ 自动多轮	✅ 交叉对比信源	高，结构化	✅ 完整引用
Perplexity	❌ 单轮	部分	中等	有限
ChatGPT	❌ 单轮	❌	取决于模型	❌

Perplexity 和 ChatGPT 本质上都是"回答问题"，不是"做研究"。deep-research 做的是：先把问题分解成多个研究维度，然后系统性地覆盖每个维度，最后整合成有引用支撑的结论。

能干什么

行业调研：比如你想了解"中国新能源车在欧洲市场的现状"，它会：

1. 搜索欧洲新能源车销量数据
2. 搜索中国品牌在欧洲的认证/法规
3. 搜索欧洲消费者对中国品牌的评价
4. 搜索欧洲本土品牌的竞争反应
5. 交叉对比，生成报告

竞品分析：类似方法，系统性覆盖竞品的产品、价格、渠道、用户评价。

技术调研：对于技术人员特别有用——帮你找到 GitHub issues、论文、官方文档，然后综合成一份完整的技术调研报告。

投资研究：把财报、行业新闻、分析师观点、政策文件全部覆盖，生成有数据支撑的投资参考报告。

怎么用

环境要求：Node.js + Firecrawl API Key + OpenAI API Key（支持 o3 mini，便宜）

git clone https://github.com/dzhng/deep-researchcd deep-researchnpm install# 配置 API Keycp .env.example .env.local# 填写 FIRECRAWL_KEY 和 OPENAI API# 开始研究node index.js "中国新能源车在欧洲市场的现状" --breadth 3 --depth 2

输出是一份完整的 Markdown 报告，包含：研究发现、结论、引用来源链接。

代码量不到 500 行（项目刻意控制在 500 LoC 以内），非常轻量，可以很容易地改造成自己的研究工具。

怎么用它创业

方向一：垂直行业研究订阅 SaaS

选定一个高价值垂类（医疗、金融、法律、新能源），专门做这个行业的研究报告订阅服务。用户付月费，每周收到一份深度研究报告。

deep-research 帮你做 80% 的信息收集工作，你做 20% 的专业判断和解读。

方向二：企业级研究 API

封装成 API 接口，按研究次数收费。卖给投资机构、咨询公司、媒体，让他们的研究员可以更快完成初步调研。

这类 B 端用户的付费能力很强，而且有持续需求。

方向三：个人知识库 + 研究工具

做一个个人版研究工具，用户可以针对自己关心的领域做持续追踪（比如"持续追踪 AI 行业动态"），系统每天更新研究报告，存在个人知识库里。

这个方向接近"个人知识管理"，已经有 Notion、Obsidian 这样的产品在做，但和研究深度的结合是差异化。

几个要注意的

• 需要 API 成本：Firecrawl 和 OpenAI 都需要付费，虽然单次研究成本不高，但做 SaaS 的话需要算清楚毛利率
• 研究质量依赖信源质量：它能找到什么取决于搜索能搜到什么，如果某个领域信息稀少，研究质量会受限
• 代码不到 500 行：这个项目本身很轻量，意味着门槛低，但也意味着你可以很容易地基于它做二次开发

最后

做研究最难的不是信息不够，是信息太多而且散。

deep-research 做的事是：把散落在互联网各处的相关信息系统性地抓回来、交叉验证、层层深入，最终变成一份可以用于决策的报告。

这和传统"搜索引擎"完全不是一个量级的东西。对于需要经常做调研的创业者、投资人、研究员来说，这基本上是提效 10 倍的工具。

🔗 项目地址：https://github.com/dzhng/deep-research

💬 你平时做行业研究/竞品分析的时候，最花时间的环节是什么？评论区聊聊。