本指南旨在为研究人员、分析师和决策者提供一个系统化的深度调研工具选择框架。我们根据工具的「证据链可审计性」核心原则，将当前主流调研工具分为13个级别，从最全面的研究流水线总控工具到专业化的文献与专利分析工具。
核心原则说明：
证据链可审计性指研究过程中的每一步都有可追溯、可验证的来源记录，确保结论的可靠性与透明度。
Genspark 的核心优势在于「工作台化」设计，将研究过程拆解为规划、检索、分析、输出四个阶段。根据 Fireworks AI 的测评，Genspark Deep Research Agent 比主流闭源模型的工具调用次数多33%，研究质量提升12%。其「研究→表格→文档→PPT」的串联能力使证据链从采集到交付全程可追溯，天然契合企业级尽调的流程需求。
你是研究员。请先输出研究计划（问题拆解、关键词树、排除项、数据口径），我确认后再开始深度研究。
输出最终报告时必须包含：
ChatGPT Deep Research 是 OpenAI 于2025年2月推出的研究型代理，能够自主浏览网页5至30分钟，跨越数百个来源进行信息收敛与综合。其特点是以「报告交付+引用」为核心输出形式。Wikipedia 已为其建立专门词条，说明其在研究领域的影响力已获广泛认可。
目标：做一份可审计的研究报告。
规则：
请按「结论→证据→反证→不确定性→下一步」结构输出。
这是一个基于 Claude Code 的开源 Skill，提供系统化的8步研究方法论。核心特点包括：L1-L4 分层来源评估（官方文档 > 博客 > 媒体 > 社区）、带引用的事实卡片、时间敏感性自动评估、显式推导链。特别适合 AI/技术类快速迭代领域的调研，会自动强制6个月时间窗口并要求版本号引用。
用自然语言触发：「深度调研 [主题]」或「对比 X 和 Y」。该 Skill 会自动执行8步流程：问题类型识别 → 时间敏感性评估 → 问题拆解 → 来源分层 → 事实抽取 → 对比框架 → 推导链构建 → 交付格式化。所有中间产物保存在~/Downloads/research/<topic>/ 目录，支持回溯审计。
深度调研 [你的主题]
要求：
👋 亲，manus来了，赶快点击试用：
🔗 https://manus.im/invitation/G5QUUQFY1CANUBManus 是全自主 AI Agent，能够在云端异步执行多步骤任务。核心能力包括：信息检索与事实核查、数据处理与可视化、代码执行与自动化、自纠错机制。其多 Agent 协作框架可处理复杂研究任务，如生成股票分析报告、竞品调研等。适合需要「研究+执行+交付」一体化的场景。
将复杂任务拆解后交给 Manus 执行。明确指定输出格式（报告/PPT/网站）和验证要求。利用其浏览器和文件系统访问能力，可以让它自动生成带数据的分析报告。
任务：[具体研究任务]
要求：
请先给出执行计划，确认后开始。
AnyGen 定位为「AI 办公 Agent 平台」，类似 Manus 和 NotebookLM 的结合体。核心能力是将语音、笔记、图片转化为可交付文档。特别适合从零散想法到结构化报告的场景，支持市场趋势分析、竞品研究、年度规划等任务。
用 AnyGen 做「从想法到初稿」的快速产出，然后用第1-2级工具做深度验证。适合非结构化输入（语音备忘、照片、零散笔记）的场景。
基于以下输入生成研究报告：
[语音/笔记/图片内容]
输出要求：
Gemini Deep Research 现已升级至 Gemini 3 Pro 驱动，能够自动浏览数百个网站，并整合 Gmail、Google Drive、Chat 等 Workspace 内容。这种「内外数据联动」能力使其特别适合企业内部知识与公开信息的交叉研究。定位是「找全」而非「定论」，适合作为研究第一站。
请先给出研究计划与候选来源目录（按官网/监管/论文/专利/媒体分类），每类至少10个链接。
然后输出报告：每条结论都要有可访问链接；如果链接不可访问请标记「未验证」并给替代来源。
Claude 的 Web Search 工具适合将研究过程拆解为更可控的步骤：先搜索、再阅读、再归纳。这种分步执行模式特别适合做「证据链清洗与复核」——当你已经从第1至5级工具获得初步结论后，用 Claude 进行二次验证和反证检索。Claude 4 系列支持在 Extended Thinking 模式下使用工具，推理与搜索可交替进行。
Search the web 做证据型调研。
输出必须包含：
只要可核验的链接，不要「凭常识推断」。
在 SimpleQA 基准测试中达到93.9%的准确率，核心优势是速度快且每个回答都附带编号引用。
包括 Google Scholar、Semantic Scholar API、OpenAlex，适合进入学术证据体系。
包括 Elicit、Consensus，可节省80%的系统综述时间，将论文证据转化为可审计结论表。
包括 Connected Papers、ResearchRabbit、Litmaps，适合发现遗漏的重要研究。
scite 分析超过14亿条引用语句，能够区分支持、反驳、提及三种引用类型。
Lens.org 实现专利与学术文献联动分析，适合技术先发性评估。
适合验证历史宣称，做功能、定价、合规表述的历史版本比对，构建时间线证据。
将调研成果转化为可复用资产：来源管理、PDF存档、标注协作、引用格式统一。
推荐从第5-7级开始：
推荐第1-4级组合：
推荐第8-12级：
无论选择哪个级别的工具，都要牢记「证据链可审计性」这一核心原则。优秀的研究不只是得出结论，更是构建一个透明、可追溯、可验证的证据网络。
每条关键结论都应有多源证据支撑，并标注原文摘录与链接
主动寻找反证与局限性，避免确认偏误
明确标注不确定性，为下一步研究提供方向