Kimi Deep Research 与 Agent Swarm 使用指南

先搞清楚你在用哪个模式

打开 kimi.ai，聊天框上方有模式切换。Kimi 现在有四个档位：Instant（快速回答）、Thinking（深度思考）、Agent（自主执行）和 Agent Swarm（多智能体并行）。很多人一直在用默认的 Instant，等于只体验了 Kimi 的 1/4 能力。

模式不是越高级越好——随手问个问题用 Instant 就够了，没必要每次都启动 Agent。Thinking 适合需要推理链的问题。Agent 是让它自己去搜索、阅读、分析，然后交一份结构化结果。Agent Swarm 则是同时派出最多上百个子代理并行处理，专门应对材料量特别大的研究任务。

Deep Research 实际用起来是什么样

切到 Agent 或 Agent Swarm 模式，输入一个研究型问题，比如"对比 2026 年主流 AI 编程助手的核心功能和定价"。它会这样工作：

1. 先把你的问题拆成若干子问题（通常 5-10 个）
2. 针对每个子问题并行搜索和阅读网页
3. 从搜到的内容中提取关键信息
4. 最终汇总成一份有结构、有来源的研究报告

整个过程你能看到它在实时"思考"——它会显示正在搜什么、读了哪些页面、提取了什么信息。这比你手动搜索 → 打开网页 → 阅读 → 整理快很多。

时间预期

简单任务（比如"某行业头部玩家和最新动态"）通常 2-5 分钟。复杂任务（比如"对比 10 款产品的功能和定价"）可能 10-15 分钟。Agent Swarm 模式因为多个代理并行，同等复杂度下更快。

中文内容的覆盖优势

这是 Kimi 相对 Perplexity、Gemini 的核心差异——中文互联网的内容覆盖更全。微信公众号文章、知乎回答、行业报告、中文论坛帖子这些内容源，Kimi 搜到的概率明显更高。如果你的研究主题偏中文市场或国内行业，Kimi 的优势很明显。

长文档处理

Kimi 强调的长上下文是真的能用的。你可以直接上传 PDF、Word 文档，或者贴网页链接，让它基于这些材料做问答、摘要、对比。

实际测试下来的边界

• 单个文件建议控制在 100 页以内。太长它虽然能处理，但回答质量会下降，尤其是后半段内容的召回率变差。
• 多文件场景下，建议按主题分组上传，不要把完全不相关的文件混在一起。
• 中文 PDF 的识别率不错，英文也行，但扫描件质量差的话建议先做 OCR 再上传。
• 表格数据的理解比纯文字弱。如果资料里有大量表格，数据提取可能不够精确，建议关键数字手动核对。

一个实用技巧

上传多份文档后，先问一个全局性问题："这几份文档分别讲了什么？"看它的理解是否正确。如果这步就偏了，后面针对性问答的结果也不会好。

推荐的使用顺序

1. 先用 Instant / Thinking 把问题定义清楚

不要一上来就开 Agent Swarm。先花几分钟想清楚"到底要研究什么""最终产出什么格式的东西""边界在哪"。问题越具体，研究结果越有用。

"帮我了解一下 AI 行业"和"2025 年 AI 编程助手领域，排名前五的产品是哪些，各自的核心差异化功能和定价策略是什么"——后者的研究结果质量会高出好几个档次。

2. 小范围任务先用 Agent

方向确定后，先让 Agent 跑一轮。看看研究方向对不对、覆盖面够不够。这步成本低、速度快，相当于先做个试探。

3. 大范围任务再上 Agent Swarm

如果要处理几十份材料、跨多个子课题并行研究、做长报告整合，这时 Swarm 才有价值。小任务上它不一定比普通 Agent 更划算，反而可能过度展开，给你一堆不需要的信息。

4. 结果一定要人工复核

Kimi 的研究报告通常附带来源链接。但实际用下来，偶尔会出现来源和结论不完全对应的情况——它可能正确引用了某个网页，但从中提取的判断不够准确或过度概括。高价值结论务必点进原始来源确认一遍。

它真正适合做什么

• 中文互联网资料的系统性整理（比 Perplexity 覆盖更全）
• 行业研究的开题和资料收集阶段
• 把大量松散材料整合成一份有结构的报告
• 长文档的阅读、问答和要点提取
• 需要并行处理多个子任务的大型研究项目

它目前的短板

• 搜索结果有一定时滞，不适合需要当天实时数据的场景
• 高度专业的判断（金融分析、法律意见）仍需专业人工把关
• 问题越模糊，输出越散——它不会帮你收束问题，需要你自己先想清楚
• 多轮追问时偶尔会丢前面的上下文，复杂研究建议分步骤开新对话

和其他研究工具怎么配合

把 Kimi 定位成"中文研究型工作台"会比当成"另一个聊天机器人"更能发挥它的价值。实际配合方式：Perplexity 查英文学术和权威来源（引用更精确），Kimi 做中文资料的系统性整合（覆盖面更全），Gemini Deep Research 处理 Google 生态内的内容并直接输出到 Docs。三者互补。