Deep Research 是 Gemini 的 Agent 研究模式，自主调查课题：创建研究计划、搜索网络、阅读多个来源、将发现综合为带引用的结构化报告。与标准回答基于训练数据不同，Deep Research 主动获取实时信息。

TL;DR 核心要点

身份定位：Gemini 内置的 Agent 研究工作流，一次启动可独立运行 1-5 分钟，调用数十个来源。
典型产出：带目录、章节、要点、内联引用（脚注/链接）的结构化 Markdown 报告，适合直接发邮件或进 Docs。
计划先行：先生成可编辑的研究计划（调研哪些子问题、走哪些信源），用户审阅修改后才执行。
算力门槛：多步骤调研的推理成本远高于普通对话，因此锁定在 Gemini Advanced 订阅（$19.99/月）。
竞品锚点：对标 Perplexity Deep Research、ChatGPT Deep Research、Claude 网页搜索、You.com Pro Search。
输出格式：Markdown 报告、Google Docs 直接导出、可嵌入 Canvas 进一步创作。

核心能力

标准问答是模型基于训练数据的猜测，或最多是几条搜索摘要的拼接。Deep Research 是一次调查——搜索实时网页、阅读多个完整页面、交叉验证信息、识别矛盾、输出可验证的发现和来源链接。

启动 Deep Research 后，Gemini 先创建研究计划（要调查的子问题清单和方法论），你可以审阅、添加或删除问题、调整优先级后再执行。系统进入自主运行模式，耗时 1-5 分钟（复杂课题可达 10 分钟以上）：搜索、阅读、追踪线索、构建报告。输出是带章节标题、项目符号要点和内联引用的结构化 Markdown 报告，比聊天回复更适合专业分享、内部汇报和引用。

典型场景：市场调研（“帮我调查 2026 Q1 全球电动汽车销量前 10 品牌的市占率变化和策略”）、竞品分析（“对比 Notion、Obsidian、Logseq 三款笔记软件在 AI 集成上的差异”）、学术前期（“综述 2024-2026 年关于长上下文 LLM 的研究进展”）、技术选型（“调研 2026 年跨平台桌面框架：Electron、Tauri、Flutter Desktop、Qt 的优缺点”）。

工作原理

Deep Research 是 Agent 系统，分四个阶段自主执行：

规划阶段——Gemini 分析你的查询，拆解为子问题，选择合适的信源类型（学术论文、行业报告、新闻、官方文档、社区讨论），生成研究计划。计划以可编辑形式呈现，用户可以修改。

搜索和检索阶段——根据计划执行结构化网络搜索，访问数十个候选页面，提取相关段落并缓存上下文（不只是搜索引擎返回的 snippet）。对 PDF、学术数据库、官方文档进行深度读取。

综合阶段——将多来源信息整合成连贯叙事，解决来源间的矛盾（比如不同数据源给出的数字不一致时显式标注），标注不确定性（“根据 A 来源……但 B 来源表示……”）。

引用阶段——每个事实主张链接回原始来源，以脚注或括号链接形式呈现，确保可验证和追溯。报告末尾附完整参考列表。

与标准搜索增强（搜几个结果补充回答）的本质区别：Deep Research 进行多步骤调查，涉及数十个来源，产出文档而非聊天消息。

从技术实现看，Deep Research 背后是 Gemini 3 模型加一个 orchestrator（编排器）加搜索和网页读取工具。编排器按照研究计划一步步决定下一个要搜什么、要读哪个页面，中间态的发现会被汇总进一个 running summary，避免在数十次搜索后上下文溢出。这和朴素的“一次性搜索然后回答”完全不是同一套架构——更接近 OpenAI 的 o1/o3 系列思考模型在 Agent 场景上的延伸，代价是推理成本翻倍但结果质量也是质的提升。

与竞品研究代理对比

产品	厂商	典型耗时	来源数量	输出格式	价格
Gemini Deep Research	Google	1-5 min	30-100+	Markdown 报告 + Docs 导出	Gemini Advanced $19.99/月
ChatGPT Deep Research	OpenAI	5-30 min	50-200+	Markdown + Word 导出	ChatGPT Pro $200/月含配额
Perplexity Deep Research	Perplexity	2-4 min	30-50	Markdown + PDF	Perplexity Pro $20/月
Claude + Web Search	Anthropic	即时	10-30	内联引用回答	Claude Pro $20/月
You.com Pro Research	You	1-3 min	20-40	报告格式	You Pro $15/月

定位差异：ChatGPT Deep Research 深度最强（可跑 30 分钟、引用 200+ 来源），但价格门槛高（Pro $200/月）且等待时间长；Perplexity 速度最快、引用体验最好（段落级跳转到源页面）；Gemini Deep Research 在速度、深度、价格之间最平衡，且能无缝衔接到 Canvas 和 Docs 工作流；Claude 网页搜索 不走 Agent 多步骤，更像“加强版问答”。

和 Perplexity Deep Research 的更细致差异值得单独说一下：Perplexity 的强项是“每段文字旁边的脚注能精准跳转到原文的具体段落”，引用颗粒度更细；Gemini Deep Research 的脚注是“整条主张指向一个页面”，细到段落需要手动 Ctrl+F。但 Gemini 的优势是调研面可以更广——同一个课题它会挖到 80-100 个来源，Perplexity 通常在 30-50。换言之，Perplexity 适合“要一份即查即用的答案”，Gemini 适合“要一份可扩展成内部报告的初稿”。

真实用例

投资分析师：季度前周期准备行业 deep-dive，“调查 2026 Q1 全球数据中心液冷技术厂商、市场份额、技术路线、融资事件”，获得 15 页结构化报告作为投委会资料起点。进阶用法是先做一份广度调研拿到厂商清单，再针对每家做一次聚焦调研（“XX 公司 2024-2026 融资、专利、核心客户”）——两层叠加比直接问“帮我写个行业分析”得到的结构清晰得多。

产品经理：新功能立项前做竞品调研，“对比 Figma、Sketch、Penpot 在协同设计和 AI 集成上的最新进展”，附每条主张的原始链接。报告出来后直接导入 Canvas 做成对比矩阵，嵌在 PRD 或 RFC 的“市场现状”章节，省掉团队成员再各自搜一遍的重复劳动。

学术研究者：文献综述前期，“综述 2024-2026 年扩散模型在视频生成领域的关键论文和指标进展”，用作自己后续精读的起点。Deep Research 不取代专家精读，但极大缩短“从零到知道读什么”的时间。典型的失败案例是查询太宽泛（“综述深度学习”）——模型会倾向于回到老教材式内容，精度不够；改成“2025-2026 年 top 会议关于视频扩散模型的新方法”这种带时间和会议限定的查询，产出质量会高得多。

法律文件比对：合规人员让模型“对比欧盟 AI Act 和美国加州 SB 1047 在基础模型义务上的异同”，得到逐条对照的表格和各自条款编号。这类工作过去要请外部律所做几万美金的研究，现在先让 Deep Research 出初稿，律师只需要做法律判断和校验，成本下降一个量级。

记者与内容创作者：写深度报道前做背景研究，“调查特斯拉 2026 年的自动驾驶事故诉讼”，获取事件时间轴和来源清单。

教师与学生：备课或毕业论文选题阶段，“综述 ChatGPT 对高等教育评估方式的影响（2023-2026）”，用作后续精读和引用的入口。

技术选型：团队准备采用新栈，“对比 Next.js 15、Remix、SvelteKit、Astro 在 SEO、开发体验、生态成熟度上的差异”，带代码示例链接。

限制与边界

目前做不到：实时金融数据（股票报价、实时汇率需要专用数据源，Deep Research 基于公开网页有延迟）、付费墙内容（Bloomberg、Financial Times、Nature 的付费文章读不到完整内容，只能读摘要）、特定私有库检索（无法访问你公司的内部知识库，需配合 Personal Intelligence 和关联应用）、复杂数据可视化（报告是文字 + 引用，不生成图表，需转到 Canvas 做信息图）、中文小语种深度内容（英文信源覆盖最好，非英文深度调研可能偏浅）。

已知边界：每日配额因账号等级而异（Advanced 档约 5-20 次/日）；报告长度上限约 30 页 Markdown，超长课题需拆分成多个子调研；政策过滤器对敏感话题（医疗诊断、法律建议、金融操作）会降低确定性表述，建议用户自行判断。

多步任务的典型失败模式也值得提醒：一是计划阶段的子问题拆解过于宽泛，导致后续 80 个来源都是泛泛而谈；二是遇到相互矛盾的来源时模型倾向于“两边都说一点”而不是给出加权判断，此时需要你在阅读报告时带着批判视角做取舍；三是某些专业领域（生物医学、高阶数学）的术语解释偶有混淆，交叉验证是必须的。

Windows 情境

Google 至今没有原生 Gemini Windows app——2026-04-14 发布的 “Google app for desktop” 只是个 Alt+Space 搜索浮窗，不是 Deep Research 客户端。Windows 用户要用 Deep Research 做结构化调研并把报告保存到本地、嵌入 OneNote/Notion/Obsidian，建议用 GeminiDesktop——原生 Windows 二进制、无 20MB 上限、中文 UI、报告直接导出为 Markdown 文件。详见 Windows 安装指南和与 Google app 对比。

常见问题

Q：Deep Research 的报告准确吗？ A：引用来源可追溯是 Deep Research 的核心设计，每条事实主张都可点击回溯到原页面。但来源本身可能不准（网页原文错误、过时、偏见），模型综合时也可能误读。关键决策仍需人工核查引用。

Q：会消耗大量 Gemini 额度吗？ A：是的。Deep Research 的单次调研算力成本约是普通对话的 50-100 倍。Advanced 档日配额约 5-20 次，Pro 档更多。免费用户不可用。

Q：可以指定特定来源吗？ A：可以在提示中限定“仅使用 .edu、.gov 域名”或“优先参考 Nature、Science、IEEE”，Deep Research 会尽量满足。但无法登录付费墙或私有数据库。另一个常用的限定是时间范围——“仅参考 2025 年之后发布的内容”，对跟踪快速演进的技术领域很重要。

Q：输出报告可以编辑吗？ A：可以。报告以 Markdown 格式呈现，支持直接导入 Canvas 进行文档化再创作、导出到 Google Docs 继续编辑、或复制到 Notion/Obsidian。配合 Nano Banana 2 还能一键给报告配信息图，形成完整的图文产物。

Q：和 NotebookLM 的区别？ A：Deep Research 是公开网页调研，从互联网出发；NotebookLM 是私有语料库问答，从你上传的 PDF、文档、视频出发。场景互补：用 Deep Research 做背景调研，用 NotebookLM 做精读和笔记整合。

Q：支持中文调研吗？ A：支持，但英文信源依然是主体（中文信源深度内容占比偏低）。中文本地话题（如中国国内行业动态）建议配合其他工具或直接查阅中文来源。

Q：调研过程可以中途调整吗？ A：计划阶段可以编辑；一旦点击“开始调研”进入执行阶段就无法改变，只能等它跑完再基于结果追加新问题。因此务必在计划阶段花几分钟仔细审阅子问题清单——这是整份报告质量的决定性环节。

Q：可以生成英文报告但用中文提问吗？ A：可以。在提示末尾加一句“用英文输出最终报告，所有章节标题和引用都用英文”，模型会严格遵循。反之亦然——中文提问 + 要求中文输出 + 用英文信源，是跨语言写作者常用的工作流。

桌面端体验

GeminiDesktop 提供跨平台原生的 Deep Research 体验——macOS Intel + Apple Silicon、Windows、Linux 二进制。从桌面发起调查、在专注窗口审阅研究计划、接收带内联引用的结构化报告，可直接保存为 Markdown 文件或嵌入本地笔记系统，无需浏览器中转。相比 Google 官方 Windows 搜索客户端（对比）的英文限制和 20MB 上限，GeminiDesktop 支持中/日/韩文 UI 和完整 Deep Research 工作流。下载：geminidesktop.app。

什么是 Gemini Deep Research？多步骤 AI 研究详解