CrawlForge 中的 deep_research 是什么？

deep_research 是 CrawlForge 的多来源调研工具，用一次 API 调用取代了 65-95 分钟的手动工作流（搜索、阅读、提取、验证、综合）。它将网页搜索、内容提取和 AI 综合结合在一起，每次查询 10 credits，在几秒内返回一份带引用的摘要。

deep_research 在底层如何工作？

deep_research 运行一条五阶段的流程：查询扩展（将主题转化为多个搜索查询）、来源发现（带去重和信誉评分的网页搜索）、内容提取（抓取并捕获元数据）、验证（提取论断并交叉比对）以及综合（带引用和冲突检测的 AI 摘要）。

相比手动操作，一次 deep_research 查询要花多少 credits？

单次 deep_research 调用花费 10 credits。用 CrawlForge 的工具手动完成等量工作 —— search_web（5 credits）4 次查询，加上 extract_content（2 credits）12 个来源 —— 合计 44 credits。deep_research 节省 77%，同时借助跨来源验证提供更优的结果。

每个套餐我可以运行多少次 deep_research 查询？

Free 套餐包含 1,000 credits（100 次调研查询）；$19/月的 Hobby 提供 5,000 credits（500 次查询）；$99/月的 Professional 提供 50,000 credits（5,000 次查询）；$399/月的 Business 包含 250,000 credits（25,000 次查询）。

推出 deep_research：AI 驱动的多来源分析

今天我们推出 deep_research —— CrawlForge 工具集中最强大的工具。它彻底改变了 AI 应用从网络收集和综合信息的方式。

调研难题

手动调研缓慢且零散：

搜索来源（5-10 分钟）
打开并阅读每个结果（20-30 分钟）
记笔记并提取关键事实（15-20 分钟）
交叉比对并验证（10-15 分钟）
综合成一份连贯的摘要（15-20 分钟）

合计：单个调研主题需要 65-95 分钟。

现有工具只能处理其中一部分：

搜索 API 查找来源
抓取工具提取内容
LLM 可以总结文本

但没有任何工具将它们整合成统一的调研工作流。直到现在。

隆重推出 deep_research

deep_research 做的是人类研究者所做的事，但只需几秒：

Bash

curl -X POST https://crawlforge.dev/api/v1/tools/deep_research \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "topic": "Next.js 15 App Router performance improvements",
    "depth": "moderate",
    "maxSources": 10
  }'

响应（15-30 秒后）：

Json

{
  "success": true,
  "data": {
    "summary": "Next.js 15 introduces significant performance improvements including Partial Prerendering (PPR), faster cold starts, and optimized client-side navigation...",
    "keyFindings": [
      {
        "claim": "PPR reduces initial page load by 40-60%",
        "confidence": "high",
        "sources": ["vercel.com/blog", "nextjs.org/docs"]
      },
      {
        "claim": "Cold start times improved by 30%",
        "confidence": "high",
        "sources": ["vercel.com/blog", "github.com/vercel/next.js"]
      }
    ],
    "sources": [
      {
        "url": "https://nextjs.org/blog/next-15",
        "title": "Next.js 15 Release Notes",
        "relevance": 0.95,
        "extractedAt": "2026-01-20T10:30:00Z"
      }
    ],
    "conflicts": [],
    "metadata": {
      "searchQueries": 3,
      "sourcesAnalyzed": 10,
      "processingTime": 18.5
    }
  },
  "credits": {
    "used": 10,
    "remaining": 990
  }
}

它在底层如何工作

deep_research 运行一条多阶段的流程：

阶段 1：查询扩展

你的主题会扩展成多个搜索查询：

Input: "Next.js 15 App Router performance"

Expanded:
- "Next.js 15 performance improvements"
- "Next.js App Router optimization"
- "Next.js 15 vs 14 benchmark"
- "Partial Prerendering Next.js"

阶段 2：来源发现

多次网页搜索查找相关来源：

集成 Google Custom Search API
按时效性和相关性筛选
自动去重
域名信誉评分

阶段 3：内容提取

每个来源都会被抓取并处理：

提取主体内容（去除广告、导航）
捕获元数据（作者、日期、域名）
识别关键引文
可读性评分

阶段 4：验证

事实会跨来源交叉比对：

使用 NLP 提取论断
来源一致性评分
冲突检测
置信度分配（高/中/低）

阶段 5：综合

AI 将发现综合成一份连贯的摘要：

带引用的关键发现
突出标注的矛盾观点
按相关性对来源排序
可执行的建议

核心功能

来源验证

每个论断都包含置信度评分：

Json

{
  "claim": "React Server Components reduce JavaScript bundle size",
  "confidence": "high",
  "sources": ["react.dev", "vercel.com", "github.com/facebook/react"],
  "agreementScore": 0.92
}

冲突检测

当来源不一致时，我们会告诉你：

Json

{
  "conflicts": [
    {
      "topic": "Default cache behavior",
      "positions": [
        { "claim": "fetch is cached by default", "sources": ["docs.nextjs.org"] },
        { "claim": "fetch is no longer cached by default", "sources": ["vercel.com/blog"] }
      ],
      "resolution": "Changed in Next.js 15 - fetch is now uncached by default"
    }
  ]
}

可配置深度

选择调研的深入程度：

深度	来源数	查询数	时间	最适合
shallow	3-5	2	5-10s	快速查事实
moderate	8-12	4	15-25s	一般调研
deep	15-25	8	45-90s	全面分析

真实使用场景

竞争对手分析

Json

{
  "topic": "Firecrawl vs Apify pricing and features comparison",
  "depth": "deep",
  "focus": "comparative"
}

返回功能对比表、定价拆解和用户情感分析。

市场调研

Json

{
  "topic": "Web scraping market size and growth 2025-2026",
  "depth": "moderate",
  "sources": ["news", "reports"]
}

聚合多份分析师报告中的市场数据并附引用。

技术文档

Json

{
  "topic": "How to implement rate limiting in Node.js",
  "depth": "moderate",
  "focus": "tutorial"
}

综合来自官方文档、Stack Overflow 和教程的最佳实践。

新闻聚合

Json

{
  "topic": "AI regulation developments Europe March 2026",
  "depth": "shallow",
  "timeRange": "week"
}

最新新闻，兼顾来源多样性和可信度评分。

定价与 credits

deep_research 每次查询花费 10 credits。

与手动操作相比：

search_web（5 credits）× 4 次查询 = 20 credits
extract_content（2 credits）× 12 个来源 = 24 credits
手动合计：44 credits

deep_research 节省 77%，同时提供更优的结果。

各套餐容量

Plan	Credits/月	调研查询次数
Free	1,000	100
Hobby	5,000	500
Professional	50,000	5,000
Business	250,000	25,000

开始使用

1. 基础调研

Typescript

const response = await fetch('https://crawlforge.dev/api/v1/tools/deep_research', {
  method: 'POST',
  headers: {
    'Authorization': `Bearer ${process.env.CRAWLFORGE_API_KEY}`,
    'Content-Type': 'application/json'
  },
  body: JSON.stringify({
    topic: 'Your research topic here',
    depth: 'moderate'
  })
});

const { data } = await response.json();
console.log(data.summary);
console.log(data.keyFindings);

2. 带来源筛选

Typescript

{
  "topic": "Machine learning best practices 2026",
  "depth": "deep",
  "options": {
    "excludeDomains": ["medium.com", "quora.com"],
    "preferDomains": ["arxiv.org", "github.com"],
    "timeRange": "year"
  }
}

3. 在 Claude Desktop 中

直接用自然语言提问：

Research the latest developments in WebAssembly support
for machine learning and summarize the key findings

Claude 会自动使用 deep_research 并呈现综合后的结果。

接下来的计划

我们正在积极改进 deep_research：

实时来源 —— 纳入实时新闻和社交媒体
自定义来源列表 —— 仅从你批准的域名进行调研
导出格式 —— PDF 报告、Markdown、结构化 JSON
定时调研 —— 运行周期性调研任务

开始调研

在 crawlforge.dev 注册即可获得 1,000 个免费 credits —— 足够进行 100 次调研查询。当你的用量超出免费层级后，可查看定价页面了解各套餐详情。

有反馈吗？我们很乐意倾听。欢迎通过 GitHub 或 Twitter 联系我们。

API 参考： /docs/api-reference/tools/deep-research

今天我们推出 deep_research —— CrawlForge 工具集中最强大的工具。它彻底改变了 AI 应用从网络收集和综合信息的方式。

调研难题

手动调研缓慢且零散：

搜索来源（5-10 分钟）
打开并阅读每个结果（20-30 分钟）
记笔记并提取关键事实（15-20 分钟）
交叉比对并验证（10-15 分钟）
综合成一份连贯的摘要（15-20 分钟）

合计：单个调研主题需要 65-95 分钟。

现有工具只能处理其中一部分：

搜索 API 查找来源
抓取工具提取内容
LLM 可以总结文本

但没有任何工具将它们整合成统一的调研工作流。直到现在。

隆重推出 deep_research

deep_research 做的是人类研究者所做的事，但只需几秒：

Bash

curl -X POST https://crawlforge.dev/api/v1/tools/deep_research \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "topic": "Next.js 15 App Router performance improvements",
    "depth": "moderate",
    "maxSources": 10
  }'

响应（15-30 秒后）：

Json

{
  "success": true,
  "data": {
    "summary": "Next.js 15 introduces significant performance improvements including Partial Prerendering (PPR), faster cold starts, and optimized client-side navigation...",
    "keyFindings": [
      {
        "claim": "PPR reduces initial page load by 40-60%",
        "confidence": "high",
        "sources": ["vercel.com/blog", "nextjs.org/docs"]
      },
      {
        "claim": "Cold start times improved by 30%",
        "confidence": "high",
        "sources": ["vercel.com/blog", "github.com/vercel/next.js"]
      }
    ],
    "sources": [
      {
        "url": "https://nextjs.org/blog/next-15",
        "title": "Next.js 15 Release Notes",
        "relevance": 0.95,
        "extractedAt": "2026-01-20T10:30:00Z"
      }
    ],
    "conflicts": [],
    "metadata": {
      "searchQueries": 3,
      "sourcesAnalyzed": 10,
      "processingTime": 18.5
    }
  },
  "credits": {
    "used": 10,
    "remaining": 990
  }
}

它在底层如何工作

deep_research 运行一条多阶段的流程：

阶段 1：查询扩展

你的主题会扩展成多个搜索查询：

Input: "Next.js 15 App Router performance"

Expanded:
- "Next.js 15 performance improvements"
- "Next.js App Router optimization"
- "Next.js 15 vs 14 benchmark"
- "Partial Prerendering Next.js"

阶段 2：来源发现

多次网页搜索查找相关来源：

集成 Google Custom Search API
按时效性和相关性筛选
自动去重
域名信誉评分

阶段 3：内容提取

每个来源都会被抓取并处理：

提取主体内容（去除广告、导航）
捕获元数据（作者、日期、域名）
识别关键引文
可读性评分

阶段 4：验证

事实会跨来源交叉比对：

使用 NLP 提取论断
来源一致性评分
冲突检测
置信度分配（高/中/低）

阶段 5：综合

AI 将发现综合成一份连贯的摘要：

带引用的关键发现
突出标注的矛盾观点
按相关性对来源排序
可执行的建议

核心功能

来源验证

每个论断都包含置信度评分：

Json

{
  "claim": "React Server Components reduce JavaScript bundle size",
  "confidence": "high",
  "sources": ["react.dev", "vercel.com", "github.com/facebook/react"],
  "agreementScore": 0.92
}

冲突检测

当来源不一致时，我们会告诉你：

Json

{
  "conflicts": [
    {
      "topic": "Default cache behavior",
      "positions": [
        { "claim": "fetch is cached by default", "sources": ["docs.nextjs.org"] },
        { "claim": "fetch is no longer cached by default", "sources": ["vercel.com/blog"] }
      ],
      "resolution": "Changed in Next.js 15 - fetch is now uncached by default"
    }
  ]
}

可配置深度

选择调研的深入程度：

深度	来源数	查询数	时间	最适合
shallow	3-5	2	5-10s	快速查事实
moderate	8-12	4	15-25s	一般调研
deep	15-25	8	45-90s	全面分析

真实使用场景

竞争对手分析

Json

{
  "topic": "Firecrawl vs Apify pricing and features comparison",
  "depth": "deep",
  "focus": "comparative"
}

返回功能对比表、定价拆解和用户情感分析。

市场调研

Json

{
  "topic": "Web scraping market size and growth 2025-2026",
  "depth": "moderate",
  "sources": ["news", "reports"]
}

聚合多份分析师报告中的市场数据并附引用。

技术文档

Json

{
  "topic": "How to implement rate limiting in Node.js",
  "depth": "moderate",
  "focus": "tutorial"
}

综合来自官方文档、Stack Overflow 和教程的最佳实践。

新闻聚合

Json

{
  "topic": "AI regulation developments Europe March 2026",
  "depth": "shallow",
  "timeRange": "week"
}

最新新闻，兼顾来源多样性和可信度评分。

定价与 credits

deep_research 每次查询花费 10 credits。

与手动操作相比：

search_web（5 credits）× 4 次查询 = 20 credits
extract_content（2 credits）× 12 个来源 = 24 credits
手动合计：44 credits

deep_research 节省 77%，同时提供更优的结果。

各套餐容量

Plan	Credits/月	调研查询次数
Free	1,000	100
Hobby	5,000	500
Professional	50,000	5,000
Business	250,000	25,000

开始使用

1. 基础调研

Typescript

const response = await fetch('https://crawlforge.dev/api/v1/tools/deep_research', {
  method: 'POST',
  headers: {
    'Authorization': `Bearer ${process.env.CRAWLFORGE_API_KEY}`,
    'Content-Type': 'application/json'
  },
  body: JSON.stringify({
    topic: 'Your research topic here',
    depth: 'moderate'
  })
});

const { data } = await response.json();
console.log(data.summary);
console.log(data.keyFindings);

2. 带来源筛选

Typescript

{
  "topic": "Machine learning best practices 2026",
  "depth": "deep",
  "options": {
    "excludeDomains": ["medium.com", "quora.com"],
    "preferDomains": ["arxiv.org", "github.com"],
    "timeRange": "year"
  }
}

3. 在 Claude Desktop 中

直接用自然语言提问：

Research the latest developments in WebAssembly support
for machine learning and summarize the key findings

Claude 会自动使用 deep_research 并呈现综合后的结果。

接下来的计划

我们正在积极改进 deep_research：

实时来源 —— 纳入实时新闻和社交媒体
自定义来源列表 —— 仅从你批准的域名进行调研
导出格式 —— PDF 报告、Markdown、结构化 JSON
定时调研 —— 运行周期性调研任务

开始调研

在 crawlforge.dev 注册即可获得 1,000 个免费 credits —— 足够进行 100 次调研查询。当你的用量超出免费层级后，可查看定价页面了解各套餐详情。

有反馈吗？我们很乐意倾听。欢迎通过 GitHub 或 Twitter 联系我们。

API 参考： /docs/api-reference/tools/deep-research

本页内容

调研难题

隆重推出 deep_research

它在底层如何工作

阶段 1：查询扩展

阶段 2：来源发现

阶段 3：内容提取

阶段 4：验证

阶段 5：综合

核心功能

来源验证

冲突检测

可配置深度

真实使用场景

竞争对手分析

市场调研

技术文档

新闻聚合

定价与 credits

各套餐容量

开始使用

1. 基础调研

2. 带来源筛选

3. 在 Claude Desktop 中

接下来的计划

开始调研

亲自试一试——无需注册

标签

关于作者

CrawlForge Team

及时获取最新洞察

Frequently Asked Questions

相关文章

CrawlForge MCP v5.2：28 个工具的全部变更

CrawlForge MCP v5.2.0: Shopify Product Data Without Parsing HTML

CrawlForge MCP v5.1.0：无需 API 也能搜索 Reddit

本页内容

调研难题

隆重推出 deep_research

它在底层如何工作

阶段 1：查询扩展

阶段 2：来源发现

阶段 3：内容提取

阶段 4：验证

阶段 5：综合

核心功能

来源验证

冲突检测

可配置深度

真实使用场景

竞争对手分析

市场调研

技术文档

新闻聚合

定价与 credits

各套餐容量

开始使用

1. 基础调研

2. 带来源筛选

3. 在 Claude Desktop 中

接下来的计划

开始调研

亲自试一试——无需注册

标签

关于作者

CrawlForge Team

及时获取最新洞察

Frequently Asked Questions

相关文章

CrawlForge MCP v5.2：28 个工具的全部变更

CrawlForge MCP v5.2.0: Shopify Product Data Without Parsing HTML

CrawlForge MCP v5.1.0：无需 API 也能搜索 Reddit