跳轉到

Deep Research landscape — Deep Research 生態盤點

Terminology rule (zh-TW pages)

技術名詞首次出現以「中文 (English original)」格式呈現。不自創翻譯—— 若無公認譯名直接保留英文（如 harness、SKILL.md、MCP、citation）。 代碼、API 名、CLI flag、套件名、檔名一律不翻。

這頁盤點主要 AI 廠商的 Deep Research 商業產品，以及試圖在本地復現 類似能力的 open-source skill / framework。同時說明本 repo 為何只 vendor 一個 skill (deep-research/)，並記錄哪些相關選項刻意不納入。

商業 Deep Research 產品（2024–2026）

五大廠商最後都收斂到類似的形狀——multi-agent 規劃、平行檢索、citation 化合成——但在瀏覽範圍、模型大小、定價上的預設值不同。

廠商 產品 推出 架構 備註
OpenAI ChatGPT Deep Research（o3-deep-research、o4-mini-deep-research） 2025-02 規劃 → 多步搜尋 → 帶引用報告 Plus 25/月、Pro 250/月；2026-02 加上 scoped sites + 協同規劃 + 即時進度
Google Gemini Deep Research（Interactions API） 2024-12 Lead agent + 平行 sub-agents + 合成 agent 串接 Gmail/Drive/Chat；1M token 上下文；Canvas 視覺化；2026-04 加入 MCP 工具連接
xAI Grok DeepSearch / DeeperSearch / Grok 4 Heavy 2024-Q2 → 2025-07 多 agent 平行推理、即時 X + web 搜尋 256k token 上下文；目前無正式 citation；強調效能而非可驗證性
Anthropic Claude Research 2025-06（工程部落格） LeadResearcher + sub-agents + CitationAgent 比 single-agent (Opus 4) 提升約 90%（Opus 4 lead + Sonnet 4 sub）；嚴格企業 privacy
Meta （無第一方 DR 產品） — — LLaMA 4 Scout/Maverick 是多模態 foundation model；deep research 須自組 LangChain / LlamaIndex / vector DB

四個有出貨的產品共通 pattern：

  1. 規劃 — 把 query 拆成 sub-question
  2. 平行檢索 — 派 sub-agent 打 web search / docs / files
  3. 迭代 — 根據找到的東西重新規劃、追 citation
  4. 合成 — 組合成帶引用的報告（markdown / HTML / PDF）

典型 wall time 2–20 分鐘；成本由訂閱層級或 API 計費控制。

在本地復現 Deep Research——六層分工

agent CLI 想做出真正的「deep research」不是一個 skill 能搞定的事。 拆成六層，每層挑一個工具：

層 做什麼 代表工具
1. 規劃 / 分解 把問題拆成 sub-question、evidence 需求、研究計畫 199-biotechnologies/claude-deep-research-skill（已 vendor）、langchain-ai/deepagents（Python framework，不是 skill）
2. 檢索 Web / news / GitHub / PDF 搜尋 tavily-ai/skills/tavily-search、firecrawl/cli/skills/firecrawl-search
3. 抽取 從 fetch 來的 URL 拉出主文、表格、多頁文字 firecrawl-scrape、firecrawl-crawl、firecrawl-parse
4. 瀏覽器互動 登入牆、JS render、動態 UI、下載 vercel-labs/agent-browser（32k⭐）、browser-use/browser-use（93k⭐）
5. Evidence 管理 Source registry、claim ledger、citation 驗證 199-biotechnologies/claude-deep-research-skill（內建）
6. 合成 最終報告（markdown / HTML / PDF）+ 行內 citation 199-biotechnologies/claude-deep-research-skill、tavily-ai/skills/tavily-research

最少 2 個 skill 就有可用結果：(1) + (5) + (6) 用一個有紀律的研究流程 skill 包辦，加 (2) 用一個你信任的 search backend。

本 repo vendor 了什麼

刻意只 vendor 一個 skill：

  • vendor/deep-research/deep-research——來自 199-biotechnologies/claude-deep-research-skill （646⭐）。純 prompt-flow skill，涵蓋規劃、evidence 管理、合成。四種 模式：quick（3 phase、2–5 分鐘）、standard（6 phase、5–10 分鐘、 預設）、deep（8 phase、10–20 分鐘）、ultradeep（8+ phase、20–45 分鐘）。內建 evidence ledger + claim ledger，每個 finding 都能追回來源。

為何只一個？ 用 tavily-ai/skills、 firecrawl/cli、 vercel-labs/agent-browser、 browser-use/browser-use 組出的 deep-research stack 全部都會引入付費 API key、hosted backend、 或雲端 browser session。本 repo 預設不要花錢——這樣任何人都能拿 vendor 進來的 research skill，搭配 agent 既有的工具（WebSearch、 WebFetch、MCP 等）直接跑，不必註冊第三方服務。

想要更高品質的 pipeline，把上述 skill 同時裝起來——它們可以乾淨組合。

相鄰的選項——不 vendor 的理由

記下來給未來的 agent 不要再爭：

選項 Stars 不 vendor 的原因
tavily-ai/skills 285⭐ 需要 Tavily 帳號 / API key。願意付費的話很好用，到時候再單獨裝。
firecrawl/cli 375⭐ 9 個 skill（search/scrape/crawl/map/extract/agent…）。有 free tier 但 production 仍需 key。比較適合 per-project 安裝。
vercel-labs/agent-browser 32k⭐ Browser automation 是重依賴（Chromium、profiles）。對 research-only stack 超出範圍；真的需要時再裝。
browser-use/browser-use 93k⭐ Skills.sh 顯示 Gen Agent Trust Hub 安全 audit 失敗。等問題解決前先跳過。
langchain-ai/deepagents 22k⭐ 不是 SKILL.md repo——是 Python package / framework。無法當 agent skill vendor。ChatGPT 風格的整理常常誤標。
24601/agent-deep-research 4⭐ 真的是 Gemini Interactions API wrapper，但太小 / 太實驗。日後再評估。

看起來像 deep-research skill 但其實不是的

延伸閱讀