企业官网建设流程全解析

千笔-AIWritePaper · https://www.aiwritepaper.com

Deep Research 类功能把「一次问答」拉成多步智能体流程：先追问范围，再迭代检索，再评价来源，最后写成带引用的长文。广搜与初综合确实更快，可选型若停在「比普通聊天更少胡说一点」，就会把初稿加速误当成纳入与引用终裁。

本文依据 University of Mary Washington 频道发布的AI Tools Webinar: Deep Research（2025-10-02，约 48 分钟，Center for AI and the Liberal Arts 赞助系列）整理。讲者关于工作流步骤、平台耗时差异，以及厂商公开的误差率口述，均未经第三方核实。实验部分用 15 条虚构迷你检索任务，对照「人工检索清单」与「伪 Deep Research 输出」，不是讲者课堂演示的原始日志，也不代表任何商业产品的真实 API 结果（_w/deep-research-gate/）。

图：上排为讲者描述的 Deep Research 步骤；中排为 15 条任务的能用一致与假放行；底部为选型终裁分层。

目标说明

读完你应能独立完成四件事。

1. 说清 Deep Research 与普通聊天检索的差别：多步计划、迭代搜索、来源评价、带链接综合。
2. 把能力拆成「能加速广搜/提纲」与「必须人工终裁」两层。
3. 在 15 条迷你任务上复跑，看清假 DOI、题名漂移、过时综述冒充最新等假放行。
4. 产出选型终裁表与验收 CSV，终裁列写清人类必做与失败含义。

视频要点：讲者原话（数字未经第三方核实）

讲者把 Deep Research 定义为平台上的智能体工作流：提示进入后，系统常先追问受众与范围，再做研究计划，接着多轮定向检索并按中间结果改策略，再按提示约束做来源评价，最后综合成自然语言并附上可回点的引用。他强调这与「只靠训练记忆生成」的早期聊天不同，计算更重，耗时从约数分钟到数十分钟不等；课堂例子里 Perplexity 偏快，Claude 某次超过一小时。

讲者反复留下的失败含义：误差率下降，不等于报告可直接进系统综述；「带引用」不等于 DOI、链接、发表状态与文献类型都对；漏检关键研究可以不进某些厂商口径的「错误率」。选型文案若只写「更准」，会被这几条边界打脸。

实验：15 条迷你任务上的人工清单 vs 伪 Deep Research

每条任务种植一类检索终裁缺陷（假 DOI、题名漂移、过时综述冒充最新、链接错配、漏检基准、新闻当同行评审、预印本当已发表、作者年错配、重复计数），并保留 3 条「广搜题名/目录提纲」作为能用层对照。人工金标准写清应如何判定；伪 Deep Research 用「看起来完整的错误放行」模拟初综合报告。输出原样：

T01 缺陷=假DOI 一致=MISMATCH 层=不能用-引用核验终裁 → 人类必做 T02 缺陷=假DOI 一致=MISMATCH 层=不能用-引用核验终裁 → 人类必做 T03 缺陷=题名漂移 一致=MISMATCH 层=不能用-纳入合并终裁 → 人类必做 T04 缺陷=题名漂移 一致=MISMATCH 层=不能用-纳入合并终裁 → 人类必做 T05 缺陷=过时综述冒充最新 一致=MISMATCH 层=不能用-时效与类型终裁 → 人类必做 T06 缺陷=过时综述冒充最新 一致=MISMATCH 层=不能用-时效与类型终裁 → 人类必做 T07 缺陷=正常可加速 一致=ok 层=能用-广搜/结构初稿 → 人类抽检 T08 缺陷=正常可加速 一致=ok 层=能用-广搜/结构初稿 → 人类抽检 T09 缺陷=引用链接错配 一致=MISMATCH 层=不能用-引用核验终裁 → 人类必做 T10 缺陷=漏检关键研究 一致=MISMATCH 层=不能用-覆盖终裁 → 人类必做 T11 缺陷=把新闻当同行评审 一致=MISMATCH 层=不能用-文献类型终裁 → 人类必做 T12 缺陷=预印本当已发表 一致=MISMATCH 层=不能用-发表状态终裁 → 人类必做 T13 缺陷=正常可加速 一致=ok 层=能用-广搜/结构初稿 → 人类抽检 T14 缺陷=作者年错配 一致=MISMATCH 层=不能用-引用核验终裁 → 人类必做 T15 缺陷=重复计入同一研究 一致=MISMATCH 层=不能用-研究计数终裁 → 人类必做 合计=15 能用层一致=3/3 假放行(MISMATCH)=12 能用层任务=3 人类必做层=12 选型终裁: 广搜题名/目录提纲可加速 | 假DOI·题名漂移·过时综述冒充最新·… 必须人工终裁 | 讲者误差率数字未经本脚本核实

读法：

• 能用层 3/3：题名列表与已知 PDF 目录提纲可以和人工清单对齐，适合当广搜与结构初稿加速器，仍要抽检。
• 假放行 12/12 种植缺陷：伪报告都能「写全引用、写完段落」，但 DOI 无效、题名漂移被合并、2019 综述被标成 2024 最新、题名配错 DOI、漏掉基准研究、新闻冒充同行评审、预印本升级成正式刊、作者年错、同一试验计三次。
• 人类必做 12/15：选型若宣传「自动完成系统检索终裁」，会被这 12 条打脸。
• 与讲者边界同向：输出侧可以「像样」，遗漏与错配仍要人审；本实验故意加重错配与假放行，用来压「完整报告=正确证据」的幻觉。

能用 / 不能用：分层验收

选型终裁表（可抄走）

常见误判

• 「有引用列表就等于可引用」：T01/T09 显示假 DOI 与错配链接都能出现在像样报告里。
• 「厂商误差率很低，可跳过抽检」：讲者已说明仍有幻觉，且漏检可能不在该口径。
• 「Deep Research 跑得越久越可信」：耗时反映迭代与负载，不证明纳排正确。
• 「和文献筛选工具选型是同一篇文章」：本文管 Deep Research 素养与引用/时效终裁，不展开筛选器产品对照。

与讲者课堂演示的对齐方式

讲者现场对比了多家平台的深度报告长短与结构：有的更快、偏短，有的更长、带分节。选型时不要用「哪家文笔更好」当终裁指标。把同一条探针查询（例如「某主题 2024 年以后的系统综述」）丢给候选工具，只比较三件事：是否捏造出版年、引用能否打开、是否漏掉你预置的基准文献。耗时与文笔留作体验分，不进能用/不能用硬门。

若机构统一提供 Copilot 或 Gemini 额度，仍要在本地维护tasks.csv同类探针；厂商升级模型后复跑，防止「上月能用层、本月开始假放行」不被发现。

人类必做的最小动作清单

1. 打开报告中的每一条拟用引用，核对题名、作者、年、DOI 或稳定链接。
2. 对声称「最新/系统综述/已发表」的句子，回出版页面看类型与日期。
3. 用基准研究必检表对照报告，缺一条就记覆盖失败。
4. 同一试验的多篇会议/期刊报告合并计数后再进证据表。
5. 把检索式、运行日期与原始报告文件名写进方法附录。

五步做完，Deep Research 才从「生成器」回到「助理」。少做第 1 或第 3 步，T01 与 T10 类事故会直接进稿。

验收清单

• 广搜输出必须导出题名清单，抽检回库。
• 每条拟引用文献完成 DOI/链接/作者年打开核对。
• 「最新」「系统综述」「已发表」三类标签有人工证据。
• 基准研究必检表存在，且 Deep Research 报告对照过。
• CI 跑deep_research_gate.py，能用层保持一致，假放行样本可复现。

当天 30 分钟落地

1. 5 分钟：选定 1 个 Deep Research 入口，固定保存原始报告与引用列表。
2. 10 分钟：用本目录tasks.csv思路列 10 条本学科「必杀」探针（假 DOI、旧综述、基准漏检）。
3. 10 分钟：对真实报告抽 5 条引用做三角核对，记下假放行类型。
4. 5 分钟：更新选型终裁表：哪些步骤可加速，哪些步骤写死「人类必做」。

踩坑

• 把课堂演示的漂亮长文直接贴进开题或 Related Work。
• 只核对第一页引用，附录里的二次引用放行。
• 用「全面检索」作方法句，却拿不出检索式与日期。
• 看见题名相似就合并研究，不做作者与注册号核对。
• 把预印本、新闻稿、博客与期刊混进同一证据等级。

总结

Deep Research 类工具适合加速广搜与初综合：多步计划、迭代检索、带引用成文，是讲者划出的能力边界。它不能自动完成纳入终裁、DOI 真伪、题名合并、时效与文献类型判定。15 条虚构任务里，能用层 3 条可对齐人工清单，12 条种植缺陷全部假放行。选型终裁表应写清人类必做与失败含义，并在升级工具时复跑同一份 CSV。讲者口述的误差率数字未经本实验核实；以你学科的探针集为准。

检索验收表与禁区归档可用千笔-AIWritePaper 整理；分层骨架与脚本不依赖产品名。