Deep Research 是什麼？為什麼它不是『讓 AI 想久一點』而已

如果你只問：

台北今天幾度？

用 Deep Research 很像為了買一杯咖啡成立一個專案小組。

但如果你問：

幫我比較 2026 年主流 AI 影片工具的角色一致性、原生聲音、
Reference 能力、價格模式與商用限制，所有可變動資訊都要查官方來源。

這就不是一次 Search 可以漂亮完成的題目。

Deep Research 的差別是「多步驟」

Lesson 043：AI Search 已經講過：AI 可以呼叫 Web Search，再根據搜尋結果回答。

Deep Research（深度研究） 更進一步，把研究拆成一個過程：

理解任務
↓
擬定研究計畫
↓
搜尋第一輪來源
↓
閱讀與比較
↓
發現缺口 / 矛盾
↓
再搜尋
↓
整合證據
↓
產出附來源報告

OpenAI 目前對 Deep Research 的官方說明也把它描述為規劃、研究與綜合複雜問題的多步驟流程，並能使用 Web、指定網站、上傳檔案與支援的 Connected Apps。

它不是「模型多想 30 秒」

這點很重要。

Reasoning 多花計算去推理，和 Research 多找外部證據，是兩個不同維度。

例如一道純數學題：

證明這個不等式

可能需要更多 Reasoning，但根本不一定需要上網。

相反地：

比較三家雲端服務 2026 年 9 月的最新定價

需要的是新資料與官方來源，不是只讓模型關起門想更久。

好的 Deep Research Prompt 要寫「交付標準」

不要只寫：

研究 AI 影片

更好的寫法是：

比較 Veo、Runway 與其他主流 AI 影片工作流。
我最在意：角色一致性、Reference、Native Audio、最長片段與商用授權。
所有會變動的規格優先使用官方文件。
先給比較表，再解釋不同創作者適合哪一類工作流。
若來源互相矛盾，列出矛盾，不要自行猜。

這裡你已經指定：

• Scope
• Criteria
• Source preference
• Output format
• Uncertainty handling

研究品質會比一句模糊問題穩很多。

最有價值的是「追缺口」

一般搜尋常停在第一輪結果。

研究型 Agent 更有價值的地方是：

1. 先看到 A 文件。
2. A 提到一個新名詞。
3. 再搜尋這個名詞。
4. 發現 B 文件與 A 有衝突。
5. 再找 Primary Source 確認。

這種 Iterative Search（反覆搜尋）才像真正研究。

Citation 仍然要檢查

Deep Research 附很多來源，不代表你可以完全不看。

特別是：

• 關鍵數字
• 日期
• 法律規則
• 產品功能
• Benchmark
• Paper Claim

至少抽查最重要的來源。

Lesson 006 的幻覺概念 仍然成立：模型可能誤解來源，也可能把合理的推論寫得太確定。

什麼時候非常適合？

• 文獻回顧
• 市場比較
• 旅遊規劃的大量條件查核
• 多產品技術比較
• 法規初步整理
• 公司與產業研究
• 購買決策前的多來源比較
• 需要讀你上傳檔案再查外部資料的問題

什麼時候反而浪費？

• 一個明確單一事實
• 簡單計算
• 翻譯
• 改寫一封信
• 已經提供完整文本的摘要
• 只需要一個官方頁面的問題

工具越強，不代表每次都該用最重的模式。

一句話帶走

Deep Research 的核心不是「慢慢回答」，而是把規劃、多輪搜尋、閱讀來源、追查缺口、比較矛盾與附引用綜合成一條研究 Workflow。當問題需要很多來源才能回答時，它才真正有價值。