很多人第一次用 Deep Research，会把问题写成“帮我研究一下某个行业”，然后等一份很长的报告。报告长不长当然会影响第一印象，但研究任务最后能不能用，通常取决于几个更具体的问题：资料来自哪里，中文内容够不够，引用能不能点回去，已有 PDF 和网页能不能继续追问，最后能不能整理成汇报或知识库。
所以选 Deep Research 工具时，不要只按工具名比较。更适合的方式，是把研究流程拆开：先找资料，再读材料，再核引用，再写成稿，最后沉淀成可以继续追问的资料库。Gemini、Kimi、Perplexity、NotebookLM、百度文库 AI 和 WorkBuddy 都能参与研究任务，但它们适合的位置不一样。
按研究阶段选工具
| 研究阶段 | 更适合先打开 | 适合处理什么 |
|---|---|---|
| 英文公开资料调研 | Gemini Deep Research | 海外产品、技术趋势、英文报告、Google Docs 输出 |
| 中文市场和国内产品调研 | Kimi / 百度文库 AI | 中文网页、中文长资料、行业材料、学习资料 |
| 快速找来源和查引用 | Perplexity / AMiner | 权威来源、论文线索、引用核对 |
| 已有资料问答和复核 | NotebookLM | PDF、网页、Docs、YouTube、课程和项目资料 |
| 调研结果写成汇报 | Gemini / Kimi / WorkBuddy | 结构整理、中文表达、办公文档和任务推进 |
| 资料长期沉淀 | NotebookLM / Kimi | 资料库、来源问答、反复追问和补充更新 |
这个矩阵的核心，是不要把所有任务都塞进同一个聊天窗口。研究早期需要发散，资料确认后需要复核，写汇报时需要结构，长期使用时需要来源能回看。你把阶段拆开以后，工具选择会简单很多。
Gemini Deep Research：适合英文资料和 Google 生态
如果研究主题偏海外产品、英文技术文档、国际市场、论文综述或 Google 生态里的办公材料，可以优先看 Gemini Deep Research。它会先生成研究计划，让你确认后再搜索资料，最后输出带引用的报告，并且可以继续进入 Google Docs。
Gemini 的优势不只在报告本身。你后续如果还要在 Docs 里改写、在 Sheets 里整理表格、在 Gmail 里推进邮件，它和 Google Workspace 的连接会减少复制粘贴。它比较适合放在研究前半段，尤其是英文公开资料比较多的场景。
使用时要把范围写窄。比如不要只写“研究 AI 搜索产品”，而是写“对比 2025-2026 年 Perplexity、Google Gemini、ChatGPT Search 在研究报告生成、引用展示和企业使用场景上的差异，输出一份带来源的中文摘要”。范围越清楚，后面的报告越容易用。
Kimi：适合中文资料和国内产品调研
如果主题偏中文市场、国内产品、中文行业文章、公众号材料、论坛讨论或长 PDF，Kimi 更容易进入工作流。站内的 Kimi Deep Research 与 Agent Swarm 使用指南 已经把 Agent、Agent Swarm 和中文长资料处理讲得比较完整。
Kimi 适合先处理中文资料密度高的任务。比如你要整理国内 AI 写作工具、国产办公 Agent、中文资料库产品，或者把一堆中文网页和 PDF 收成一份内部简报，它通常比只依赖英文搜索入口更省事。任务变大时，可以用 Agent Swarm 并行处理多个子问题，但结果里的关键数字和来源仍然要人工点回去核查。
百度文库 AI 可以补在中文资料和学习材料这一段。它不一定替代 Kimi，但在查文档、写材料、整理学习资料时，更接近很多中文用户本来的入口。
Perplexity 和 AMiner：适合找来源、查引用、补论文线索
Perplexity 更适合做带引用的快速检索和事实核查。你可以用它先把相关来源拉出来，看每条结论背后有没有可点开的链接，再把可信来源交给 Kimi、Gemini 或 NotebookLM 继续整理。
如果任务偏学术资料和论文线索，可以补 AMiner 学术搜索。它更适合找作者、机构、论文和学术脉络。研究型内容最怕只剩一段看起来顺的总结，引用和来源单独查一遍，会让后续写作和汇报更少返工。
NotebookLM：适合资料确认后的问答和沉淀
NotebookLM 的位置更适合放在资料已经筛过以后。你把 PDF、网页、Docs、Slides、YouTube 或复制文本放进去，它围绕这些来源回答，并给出引用。站内的 NotebookLM 源资料问答指南 也提到，它现在不只是上传资料，还能用 Fast Research 和 Deep Research 帮你找来源。
但日常使用里，我更建议把 NotebookLM 留给后半段：先用 Gemini 或 Kimi 找资料和写初稿，再把确认过的来源放进 NotebookLM。后面你要复核数字、回答同事追问、整理学习笔记或搭项目知识库，它会比普通聊天窗口更适合长期追问。
WorkBuddy：适合把研究结果接到办公任务
WorkBuddy 更适合放在研究结果往办公任务走的阶段。比如前面已经用 Gemini 或 Kimi 得到研究底稿，后面要继续整理成任务清单、文档提纲、会议材料或流程推进，它可以作为中文办公 Agent 入口补进来。
这类工具适合处理“研究之后怎么办”。很多 Deep Research 页面写到报告就停了，但真实工作还要继续：谁来改、放进哪份文档、怎么拆成任务、哪些结论要复核。办公 Agent 的位置就在这里，它不是替代研究工具，而是接住研究后半段的执行和整理。
一条更容易执行的研究流程
如果主题偏海外技术或国际产品，可以先用 Gemini Deep Research 拉出研究计划和第一版报告，再用 Perplexity 查关键引用，最后把确认过的资料放进 NotebookLM 做持续问答。如果主题偏中文市场，可以先用 Kimi 或百度文库 AI 处理中文资料，再用 Perplexity 补权威来源，最后用 NotebookLM 留住可回查的资料库。
如果最后要交汇报，可以接站内的 研究型 Agent 到汇报初稿工作流 或 研究资料到可交付简报。这两条工作流的思路一致：先拉来源，再整理材料，再写成结构，最后回源核对。