Research 模式 vs 普通搜索

Claude 的普通对话也有网页搜索(调一次 Brave/Bing,返回摘要),但 Research 模式完全不同:

维度普通搜索Research 模式
搜索次数1-3 次5-20 次(自动拆解子问题)
深度表面摘要综合多个来源,有分析推理
输出形式几段文字结构化报告(含目录、引用)
耗时5-10 秒3-10 分钟
token 消耗普通对话约 1-2K tokens约 20-100K tokens
适合快速事实查询复杂调研、需要综合多方视角

如何触发 Research 模式

在 claude.ai 网页版或桌面版:

  1. 在对话输入框左侧,点击工具图标(锤子/扳手图标)
  2. 选择 Research(或在输入框下方看到 "Use Research" 切换按钮)
  3. 输入你的调研问题,按回车
  4. Claude 会先展示它的"研究计划"(会搜哪些方向),确认后开始执行

也可以直接在问题前加 "做一个深度研究" 或 "Research:" 前缀,Claude 会自动进入 Research 模式。

Research 模式的工作流程

一次完整的 Research 分为 4 个阶段:

  1. 问题拆解:把你的大问题拆成 3-8 个子问题。 例:"2026 年 SaaS 定价策略趋势" → ["主流 SaaS 定价模型有哪些变化"、"AI 功能如何影响定价"、"按用量定价 vs 按席位定价的比较"...]
  2. 多轮检索:对每个子问题执行 1-3 次搜索,访问并阅读相关页面全文(不只是摘要)
  3. 综合分析:跨来源分析,识别共识、矛盾、数据缺口
  4. 报告生成:输出结构化 Markdown 报告,每个论点都有来源引用

最适合的 5 类任务

1. 竞品分析

研究 Notion、Obsidian、Logseq 三款笔记软件:
- 各自的目标用户和定位差异
- 近 6 个月的产品更新方向
- 用户社区的主要痛点和赞誉
- 定价模型对比

2. 投资/市场调研

深度研究中国出海 SaaS 市场:
- 2025-2026 年市场规模和增速
- 主要玩家和差异化策略
- 最常见的失败原因
- 3 个值得关注的新兴机会

3. 技术选型

研究 2026 年 Python 异步框架选型:
FastAPI vs Starlette vs Litestar vs BlackSheep
对比:性能、生态、学习曲线、生产案例

4. 学术/文献综述

综述近两年 LLM Agent 框架的发展:
- 主流架构方案(ReAct、Plan-and-Execute、Multi-Agent)
- 工具调用标准化(MCP、OpenAPI)的进展
- 主要的 Benchmark 和评估方法

5. 决策背景调查

我打算把公司数据库从 MySQL 迁移到 PostgreSQL,
帮我研究:迁移的主要风险、最常见的坑、成功案例的经验总结、估计工时。

Research vs Perplexity:怎么选

维度Claude ResearchPerplexity Pro
搜索深度更深(20 次搜索,全文阅读)快速(5-10 次,摘要为主)
分析推理强(Claude 本身的推理能力)中等(主要靠检索)
速度慢(3-10 分钟)快(30-90 秒)
适合场景需要深度报告、论据严谨需要快速答案、新闻资讯
引用质量高(会访问原文验证)中(摘要引用,偶有偏差)
价格包含在 Pro/Max(ClaudeMax ¥210$20/月(约 ¥145)单独订阅

日常快速查资料用 Perplexity,需要写一份有根据的深度报告用 Claude Research。 许多重度用户两个都订。

Pro 和 Max 的 Research 用量差异

Research 模式的 token 消耗极高——一次完整的调研任务可能消耗 30-100K tokens(相当于普通对话 15-50 条)。

  • Pro 用户:每天大约可以完整跑 2-4 次 Research,跑多了会触发用量限制(3-4 小时后恢复)
  • Max 5x 用户:每天可以跑 10-20 次不触限,适合以 Research 为主要工作流的用户

如果你每周需要做 5 次以上深度调研,建议升级到 Max 5x(ClaudeMax ¥980/月)。

使用技巧

  • 在问题里给出时间范围:"2025-2026 年"比"最近"让 Claude 搜到更准确的内容
  • 指定输出格式:"生成 Markdown 报告,含执行摘要、正文分节、参考来源列表"
  • 配合 Projects 使用:把 Research 报告存入 Project,之后可以继续追问而不用重新搜索
  • 验证关键数据:Research 报告质量很高,但仍要核查关键数字和引用的原始来源