上个月接了个活，要写一份小行业的调研报告，资料散、时间紧。我决定全程用 Gemini 的深度研究模式跑一遍，看看它到底能不能当半个研究员用。结论先说：能省一半时间，但校验环节一分钟都省不了。下面是完整复盘。
插图来源：Storyset
- 先说它是什么：深度研究不是普通问答。你丢一个宽泛问题给它，它会自己拆解成十几个子问题，去网上翻几十个来源，十几分钟后交一份带引用和章节结构的长报告。适合写报告、做竞品调研、查一个陌生领域的全貌。
- 提问是关键，宽泛不如具体：我第一次问"分析一下这个行业现状"，出来的报告水得像百度百科。第二次改成"聚焦近两年、列出头部五家公司的营收变化和公开融资事件、区分事实和预测"，质量直接上了一个台阶。记住清单：时间范围、地域范围、要什么颗粒度的数据、输出结构（先给框架再让它填）。
- 等待时间要按"泡杯茶的倍数"算：简单问题几分钟，复杂调研十几到几十分钟。别干等，我的做法是同时开两个任务：一个跑深度研究，一个自己先列提纲。报告出来后对照提纲看缺了哪块，再追问补。
- 来源校验是必修课，不是选修：它给的每一条关键数据，我都点开原始链接看了一眼。发现过两处问题：一处是把 2023 年的数据当成了 2024 年的，另一处引用了一个营销号的文章当信源。我的校验清单很简单——数据看原始出处、观点看作者立场、时间看发布日期。
- 它擅长的三件事：① 快速建立一个领域的知识框架；② 把散在各处的信息汇总成一张表；③ 给出进一步深挖的方向（它列的"未覆盖问题"往往就是你下一步该查的）。
- 它不擅长的三件事：① 最新动态（有滞后，别指望它知道上周发生的事）；② 需要付费墙后的数据；③ 判断信源的立场和动机——这是人干的活。
- 和普通搜索/AI 问答的搭配：我的流程现在固定了——先用深度研究搭框架（参考这篇 AI 总结用法里提到的提炼思路），再用传统搜索补最新消息，最后人工写结论。想了解 Gemini 基础用法的可以看这篇入门指南，做学术类调研的还可以配合 Perplexity 交叉验证，学生党可以参考这篇学生向 AI 工具整理。
- 一句话复盘：把它当成一个勤奋但偶尔马虎的实习生——派活要具体，交上来的东西要抽查。用好了，它是你调研效率翻倍的关键；用不好，它就是一份看起来很专业的错误报告。