Pada halaman ini
Seorang penganalisis kanan menghabiskan 4-6 jam menyelidik satu soalan pasaran: membuat pertanyaan pada pelbagai pangkalan data, membaca 20-30 artikel, merujuk silang titik data, dan mensintesis penemuan menjadi taklimat yang koheren. Sebahagian besar masa itu dihabiskan untuk kerja mekanikal -- mencari sumber pada platform seperti arXiv atau SEC EDGAR, mengekstrak perenggan yang berkaitan, menyemak percanggahan -- bukan analisis sebenar.
Alat deep_research CrawlForge memampatkan keseluruhan aliran kerja ini menjadi satu panggilan API. Ia secara automatik mengembangkan pertanyaan anda, mencari pelbagai sumber, mengesahkan kredibiliti, mengesan maklumat bercanggah, dan menghasilkan laporan tersintesis dengan petikan. Panduan ini menunjukkan cara membina ejen penyelidikan pengeluaran di sekelilingnya.
Jadual Kandungan
- Apakah Deep Research
- Gambaran Keseluruhan Seni Bina
- Langkah 1: Konfigurasikan Ejen Penyelidikan
- Langkah 2: Jalankan Penyelidikan Berbilang Sumber
- Langkah 3: Proses dan Sahkan Penemuan
- Langkah 4: Jana Laporan Penyelidikan
- Langkah 5: Bina Aliran Kerja Penyelidikan Berulang
- Analisis Kos Credit
- Keputusan dan Manfaat
- Soalan Lazim
Apakah Deep Research
Apakah deep research dalam AI? Deep research ialah proses pengumpulan maklumat berbilang peringkat automatik di mana ejen AI secara sistematik membuat pertanyaan pada pelbagai sumber, mengekstrak penemuan yang berkaitan, merujuk silang data untuk ketepatan, mengesan percanggahan, dan mensintesis hasil menjadi laporan berstruktur dengan petikan sumber dan skor kredibiliti.
Tidak seperti carian web mudah yang memulangkan 10 pautan, deep_research beroperasi sebagai aliran kerja penyelidikan yang lengkap:
| Peringkat | Apa yang Berlaku | Mengapa Ia Penting |
|---|---|---|
| Pengembangan pertanyaan | Menjana pertanyaan sinonim dan berkaitan | Menangkap hasil yang akan terlepas oleh satu pertanyaan |
| Carian berbilang sumber | Membuat pertanyaan pada 10-50 sumber secara selari | Keluasan liputan |
| Pengekstrakan kandungan | Menarik petikan berkaitan daripada setiap sumber | Kedalaman maklumat |
| Pengesahan sumber | Memberi skor kredibiliti setiap sumber | Jaminan kualiti |
| Pengesanan percanggahan | Menandakan maklumat yang bercanggah | Ketepatan |
| Sintesis | Menghasilkan laporan koheren dengan petikan | Output yang boleh dilaksanakan |
Bagaimanakah deep research berfungsi? Alat ini mengambil topik penyelidikan, secara automatik menjana pertanyaan carian yang dikembangkan, melakukan crawl dan menganalisis halaman daripada pelbagai sumber, memberi skor kredibiliti sumber, mengesan dakwaan bercanggah merentas sumber, dan mensintesis semuanya menjadi laporan berstruktur. Keseluruhan proses berjalan dalam 30-120 saat bergantung pada skop.
Gambaran Keseluruhan Seni Bina
Ejen penyelidikan menggabungkan deep_research dengan alat sokongan:
| Komponen | Alat | Credits | Tujuan |
|---|---|---|---|
| Penyelidikan teras | deep_research | 10 | Penyiasatan berbilang sumber |
| Pengekstrakan susulan | extract_content | 2 | Telahan mendalam pada sumber tertentu |
| Analisis dokumen | process_document | 3 | Menghurai PDF dan laporan yang dipetik |
| Penjanaan ringkasan | summarize_content | 2 | Penciptaan ringkasan eksekutif |
| Carian tambahan | search_web | 5 | Pertanyaan susulan yang disasarkan |
Langkah 1: Konfigurasikan Ejen Penyelidikan
Sediakan ejen penyelidikan dengan parameter boleh dikonfigurasi untuk pelbagai jenis penyelidikan.
import { Client } from '@modelcontextprotocol/sdk/client/index.js';
const client = new Client({
name: 'research-agent',
version: '1.0.0',
});
interface ResearchConfig {
topic: string;
approach: 'broad' | 'focused' | 'academic' | 'current_events' | 'comparative';
maxSources: number;
maxDepth: number;
credibilityThreshold: number;
sourceTypes: Array<'academic' | 'news' | 'government' | 'commercial' | 'blog'>;
timeLimit: number;
}
// Preset configurations for common research types
const RESEARCH_PRESETS: Record<string, Partial<ResearchConfig>> = {
market: {
approach: 'broad',
maxSources: 30,
maxDepth: 5,
credibilityThreshold: 0.4,
sourceTypes: ['news', 'commercial', 'blog'],
timeLimit: 90000, // 90 seconds
},
technical: {
approach: 'focused',
maxSources: 20,
maxDepth: 3,
credibilityThreshold: 0.6,
sourceTypes: ['academic', 'blog', 'commercial'],
timeLimit: 60000,
},
competitive: {
approach: 'comparative',
maxSources: 25,
maxDepth: 4,
credibilityThreshold: 0.5,
sourceTypes: ['commercial', 'news', 'blog'],
timeLimit: 120000,
},
academic: {
approach: 'academic',
maxSources: 40,
maxDepth: 5,
credibilityThreshold: 0.7,
sourceTypes: ['academic', 'government'],
timeLimit: 120000,
},
};Langkah 2: Jalankan Penyelidikan Berbilang Sumber
Laksanakan penyelidikan dengan deep_research dan kendalikan output berstruktur.
interface ResearchResult {
synthesis: string;
sources: Array<{
url: string;
title: string;
credibilityScore: number;
relevantFindings: string[];
}>;
conflicts: Array<{
topic: string;
positions: Array<{ source: string; claim: string }>;
}>;
confidence: number;
queryExpansions: string[];
}
async function runResearch(config: ResearchConfig): Promise<ResearchResult> {
const result = await client.callTool({
name: 'deep_research',
arguments: {
topic: config.topic,
maxDepth: config.maxDepth,
maxUrls: config.maxSources,
enableSourceVerification: true,
enableConflictDetection: true,
enableSynthesis: true,
researchApproach: config.approach,
credibilityThreshold: config.credibilityThreshold,
sourceTypes: config.sourceTypes,
timeLimit: config.timeLimit,
outputFormat: 'comprehensive',
queryExpansion: {
enableSynonyms: true,
enableContextual: true,
maxVariations: 8,
},
},
});
return JSON.parse(result.content[0].text);
}
// Example: Research a market question
const marketResearch = await runResearch({
topic: 'MCP server adoption trends in enterprise AI development 2026',
...RESEARCH_PRESETS.market,
} as ResearchConfig);
console.log(`Research complete: ${marketResearch.sources.length} sources analyzed`);
console.log(`Confidence level: ${marketResearch.confidence}`);
console.log(`Conflicts found: ${marketResearch.conflicts.length}`);Langkah 3: Proses dan Sahkan Penemuan
Untuk penyelidikan kritikal, gali lebih dalam ke sumber utama dan sahkan dakwaan tertentu.
async function validateFindings(
research: ResearchResult,
topN: number = 5
): Promise<{
validated: ResearchResult;
additionalInsights: string[];
}> {
const additionalInsights: string[] = [];
// Get full content from top sources
const topSources = research.sources
.sort((a, b) => b.credibilityScore - a.credibilityScore)
.slice(0, topN);
for (const source of topSources) {
// Extract full content for deeper analysis
const fullContent = await client.callTool({
name: 'extract_content',
arguments: { url: source.url },
});
const content = JSON.parse(fullContent.content[0].text);
// Check for PDF references in the source
if (content.content.includes('.pdf')) {
const pdfUrls = content.content.match(
/https?:\/\/[^\s]+\.pdf/g
) || [];
for (const pdfUrl of pdfUrls.slice(0, 2)) {
try {
const doc = await client.callTool({
name: 'process_document',
arguments: {
source: pdfUrl,
sourceType: 'pdf_url',
},
});
const docResult = JSON.parse(doc.content[0].text);
additionalInsights.push(
`From ${pdfUrl}: ${docResult.summary || docResult.content?.slice(0, 200)}`
);
} catch {
// PDF might be behind auth; skip
}
}
}
}
return {
validated: research,
additionalInsights,
};
}Langkah 4: Jana Laporan Penyelidikan
Ubah output penyelidikan mentah menjadi laporan yang digilap dan boleh dikongsi.
interface ResearchReport {
title: string;
executiveSummary: string;
keyFindings: string[];
detailedAnalysis: string;
conflictsAndCaveats: string[];
sources: Array<{ title: string; url: string; credibility: string }>;
methodology: string;
generatedAt: string;
}
async function generateReport(
research: ResearchResult,
reportTitle: string
): Promise<ResearchReport> {
// Generate executive summary
const summaryResult = await client.callTool({
name: 'summarize_content',
arguments: {
text: research.synthesis,
},
});
const summary = JSON.parse(summaryResult.content[0].text);
// Extract key findings as bullet points
const keyFindings = research.sources
.flatMap(s => s.relevantFindings)
.filter((finding, index, self) => self.indexOf(finding) === index)
.slice(0, 10);
return {
title: reportTitle,
executiveSummary: summary.summary,
keyFindings,
detailedAnalysis: research.synthesis,
conflictsAndCaveats: research.conflicts.map(
c => `Conflicting information on "${c.topic}": ${c.positions.length} different positions found across sources`
),
sources: research.sources.map(s => ({
title: s.title,
url: s.url,
credibility: s.credibilityScore > 0.7 ? 'High' : s.credibilityScore > 0.4 ? 'Medium' : 'Low',
})),
methodology: `Automated research using CrawlForge deep_research. ${research.sources.length} sources analyzed with ${research.queryExpansions.length} query variations. Credibility threshold: ${research.confidence}.`,
generatedAt: new Date().toISOString(),
};
}Langkah 5: Bina Aliran Kerja Penyelidikan Berulang
Untuk keperluan penyelidikan berterusan, sediakan aliran kerja berjadual yang menjejaki cara topik berkembang dari semasa ke semasa.
interface RecurringResearch {
id: string;
topic: string;
schedule: 'daily' | 'weekly' | 'monthly';
config: ResearchConfig;
history: ResearchReport[];
}
async function runRecurringResearch(
research: RecurringResearch
): Promise<ResearchReport> {
// Run the research
const result = await runResearch(research.config);
// Generate the report
const report = await generateReport(
result,
`${research.topic} - ${new Date().toISOString().split('T')[0]}`
);
// Compare with previous report if available
if (research.history.length > 0) {
const previousReport = research.history[research.history.length - 1];
const newFindings = report.keyFindings.filter(
f => !previousReport.keyFindings.includes(f)
);
if (newFindings.length > 0) {
console.log(`\nNew findings since last report:`);
newFindings.forEach(f => console.log(` - ${f}`));
}
}
research.history.push(report);
return report;
}Analisis Kos Credit
deep_research pada 10 credits setiap panggilan ialah alat CrawlForge tunggal yang paling mahal, tetapi ia menggantikan apa yang sebaliknya memerlukan 15-30 panggilan alat individu.
| Jenis Penyelidikan | Alat Digunakan | Jumlah Credits | Setara Manual |
|---|---|---|---|
| Penyelidikan topik pantas | deep_research | 10 | 2-3 jam |
| Dengan pengesahan sumber | + extract_content x5 | 20 | 4-5 jam |
| Dengan analisis PDF | + process_document x2 | 26 | 5-6 jam |
| Penjanaan laporan penuh | + summarize_content | 28 | 6-8 jam |
Kos bulanan untuk pasukan penyelidikan:
| Penggunaan | Credits/Bulan | Plan Disyorkan |
|---|---|---|
| 10 laporan/bulan | 280 | Tingkat Free (1,000 credits) |
| 50 laporan/bulan | 1,400 | Hobby ($19/bulan, 5,000 credits) |
| 200 laporan/bulan | 5,600 | Professional ($99/bulan, 50,000 credits) |
Keputusan dan Manfaat
Ejen penyelidikan CrawlForge menyampaikan:
- Kelajuan: Lengkapkan taklimat penyelidikan dalam 2-5 minit dan bukannya 4-6 jam
- Keluasan: Analisis 20-50 sumber setiap pertanyaan berbanding 5-10 secara manual
- Ketepatan: Pengesanan percanggahan terbina dalam menangkap percanggahan yang terlepas pandang oleh manusia
- Ketekalan: Metodologi sama setiap kali, tiada bias penyelidik
- Kebolehauditan: Setiap sumber dipetik dengan skor kredibiliti
Alat ini amat berkuasa untuk penyelidikan berulang -- menjejaki cara pasaran berkembang setiap minggu, memantau perubahan kawal selia, atau memastikan dokumen landskap persaingan sentiasa terkini.
Soalan Lazim
Bagaimanakah deep_research berbanding Perplexity atau ChatGPT Search?
deep_research menganalisis sumber yang jauh lebih banyak (sehingga 50 setiap pertanyaan berbanding 5-10 untuk carian berasaskan sembang), termasuk pemarkahan kredibiliti, mengesan percanggahan antara sumber, dan memulangkan data berstruktur yang boleh anda proses secara pengaturcaraan. Alat berasaskan sembang lebih baik untuk jawapan pantas dan bersifat perbualan. CrawlForge lebih baik untuk aliran kerja penyelidikan yang sistematik dan boleh diulang.
Bolehkah saya menggunakan deep_research untuk penyelidikan akademik?
Ya. Tetapkan researchApproach: 'academic' dan sourceTypes: ['academic', 'government'] untuk mengutamakan sumber ilmiah. Ambang kredibiliti menapis sumber berkualiti rendah secara automatik. Ambil perhatian bahawa deep_research berfungsi dengan sumber web yang boleh diakses secara umum -- ia tidak boleh mengakses kertas kerja di sebalik dinding bayaran.
Adakah 10 credits setiap panggilan berbaloi?
Pertimbangkan alternatifnya: secara manual, anda akan menggunakan search_web (5 credits) + beberapa panggilan extract_content (2 credits setiap satu) + analyze_content (3 credits setiap satu). Melakukan ini untuk 20 sumber akan berharga 100+ credits. deep_research membungkus kesemua ini menjadi satu panggilan 10-credit dengan sintesis terbina dalam.
Cuba deep research sekarang. Mula secara percuma dengan 1,000 credits -- cukup untuk 100 laporan penyelidikan. Tanpa kad kredit.
Sumber berkaitan:
Cuba sendiri — tiada pendaftaran diperlukan
Jalankan mana-mana daripada 27 alat scraping dan pengekstrakan CrawlForge dalam playground, kemudian mula secara percuma dengan 1,000 credits.
1,000 credits percuma • Isi semula setiap bulan • Tiada kad kredit diperlukan
Tag
Tentang Penulis
Kekal dikemas kini dengan pandangan terkini
Dapatkan tutorial, kemas kini produk dan petua web scraping terus ke peti masuk anda.
Tiada spam. Berhenti melanggan bila-bila masa.