1.4 Deep-Researcher 的独特价值

用数字说话

本节收束第一章：用一组数字说明它到底替你省下了什么。一个常被低估的事实是——在一份像样的研究产出里，约七成时间花在"找证据、判真假、连逻辑"这条链路上，真正落笔写作往往只占两成。Deep-Researcher 的价值，正在于把那七成里最累、最易错的部分自动化，让你把带宽留给提出好问题。

它的独特价值可以拆成三块，且这三块彼此加强。第一是覆盖广度：人受注意力限制，一轮最多盯十几个信源；系统能并行扫几十个，且不疲劳。第二是验证严谨：人会先入为主，系统被奖励驱动去做三角验证，对矛盾更敏感。第三是诚实边界：人碍于面子不爱说"我不知道"，系统若训练得当，会在证据不足时显式标注不确定。

# 量化一次研究任务的时间分布，看价值落在哪一段
def time_breakdown(hours: float) -> dict:
    # 经验比例：取证与辨真占大头
    find = hours * 0.45      # 检索与定位信源
    verify = hours * 0.25    # 交叉验证与辨真假
    reason = hours * 0.10    # 连逻辑
    write = hours * 0.20     # 落笔
    return {"find": find, "verify": verify, "reason": reason, "write": write}

# 运行输出：6 小时任务拆解
print(time_breakdown(6.0))
# {'find': 2.7, 'verify': 1.5, 'reason': 0.6, 'write': 1.2}
​

输出显示：6 小时里有 4.2 小时在"找与辨"，仅 1.2 小时在写。研究智能体主攻的就是这 4.2 小时——它不替你写，但能把找与辨压到 1 小时以内，还顺手标好出处。这就是"扩展带宽而非替你思考"的实证含义。

我们主张一个判断：独特价值不在"答得更快"，而在"答得更敢被审视"。一份带出处、带矛盾标注、带不确定声明的报告，比一份流畅但经不起追问的漂亮话更有用。下面用代码演示"价值评分"——把来源覆盖与诚实度算进一个可比较的分。

# 研究产出的价值评分：来源覆盖 + 矛盾处理 + 诚实度
def value_score(report: dict) -> float:
    coverage = min(report["sources"] / 30.0, 1.0)      # 覆盖信源数，封顶30
    conflict = report["conflicts_flagged"] / max(report["conflicts_found"], 1)
    honest = 1.0 if report["uncertain_stated"] else 0.3
    return round(0.4 * coverage + 0.3 * conflict + 0.3 * honest, 2)

# 会话说明：两份报告对比
weak = {"sources": 8, "conflicts_found": 3, "conflicts_flagged": 0, "uncertain_stated": False}
strong = {"sources": 38, "conflicts_found": 5, "conflicts_flagged": 5, "uncertain_stated": True}
print(value_score(weak), value_score(strong))  # 0.43 0.95
​

运行输出 0.43 与 0.95。第一份来源少、矛盾没标、还硬答，分数腰斩；第二份覆盖广、矛盾全标、不确定就明说，接近满分。这个分不是官方指标，而是帮你建立"什么算好产出"的直觉，与第四章的正式评估一脉相承。

完整案例：背景→操作→结果→解读→变式

• 背景：市场部要做竞品分析，三人花两天，产出 12 页，但来源仅 9 个且互相矛盾处被跳过。
• 操作：改用研究智能体，要求"覆盖中英文各 15 个以上信源、矛盾必标、不足处明说"。
• 结果：4 小时产出 18 页，来源 41 个，5 处矛盾全部标注对立来源，2 处标"待验证"。
• 解读：价值评分从约 0.4 升到 0.9 量级。省下的不是写作时间，而是"敢拿去给老板看"的信心。
• 变式：若任务从"竞品分析"换成"危机公关事实核查"，则权重应调高"来源权威性"与"实时性"，价值公式里的 coverage 可改成按权威源计数。

这一节把第一章收口：定义（1.1）、训练理念（1.2）、历史（1.3）最终都指向"它替你省下的是可被审视的认知劳动"。带着这个价值坐标进第二章，你会更容易判断哪些模块是必选、哪些可省还有一层价值容易被忽略：研究智能体把"可复用"带进了研究过程。人做完一次分析，思路和检索式往往留在脑子里，下次类似问题要重来；系统则把子任务、查询、去重结果沉淀进知识库（呼应 2.4 字段化），同类问题二次研究时直接复用，边际成本骤降。这解释了为什么它在"高频、相似"的研究场景（如周报、竞品跟踪）回报最高——第一次贵，第一百次几乎免费。反过来，在"一次性、极特殊"的问题上，它的优势就弱，因为沉淀用不上。所以判断要不要上研究智能体，先看你的研究是否重复发生：是，则值得；否，人工可能更划算。这个判据比"课题重不重"更实用——再重的课题若只做一次，沉淀无收益。

再算一笔账。前面 6 小时任务，人工 4.2 小时在找与辨。若研究智能体把这部分压到 1 小时，且每次结果都沉淀，则第二个同类任务从 6 小时降到约 2.5 小时（1 小时新找辨加 1.5 小时写作与复核），第三次再降到 2 小时。三条任务合计从 18 小时降到 10.5 小时，省 40% 以上，且质量更稳定——因为来源覆盖与矛盾标注不随人状态波动。注意省下的不只是时间，更是"敢交出去"的稳定性，后者难以用小时计价。

最后提醒一个反直觉点：价值评分（本节代码）不是越高越好。若一份报告 sources 堆到 60、conflicts 全标，评分可能逼近 1，但读者会被信息淹没。工程上要给"报告长度"也设上限，价值密度（评分除以篇幅）才是该优化的真指标。这把 1.4 的结论又往前推了一步：好产出不是"多而全"，是"准而省"。

落到选型，价值三块还能帮你砍需求。有人找你做"研究智能体"，先问他最痛的是覆盖、验证还是诚实——三块对应不同模块投入。若他痛在"漏信源"，就加检索后端与去重；痛在"被假信息带偏"，就加重验证与三角；痛在"不敢信结论"，就加重诚实护栏。反过来若他只说"要个智能的"、没有具体痛，那大概率还没想清，先别动手。价值坐标也是需求澄清工具，不是事后总结。

——因为省掉的模块往往会直接砍掉上面这三块价值里的某一块。