用 DeepTutor 深度研究 20 分钟跑完一次文献调研：拆题、检索、成文一气呵成-开发者社区

用 DeepTutor 深度研究 20 分钟跑完一次文献调研：拆题、检索、成文一气呵成

【免费下载链接】DeepTutorDeepTutor: Lifelong Personalized Tutoring. https://deeptutor.info/.项目地址: https://gitcode.com/GitHub_Trending/dee/DeepTutor

写文献综述写到第三天，论文存了四十篇，引用还是没拼齐——因为你得自己搜、自己读、自己判断哪句话该标来源。再比如老板明天要一份"微服务和单体架构"的对比，你今晚只能边搜网页边往文档里复制粘贴，最后连数据来源都说不清。

DeepTutor 深度研究（Deep Research）是聊天工作区里的一个研究能力：你给它一个主题，它拆成子题逐个检索，最后产出一份带引用的结构化报告。它接管的是"从选题到成文"中间最耗人的检索和整理环节。适合要写综述、做技术调研、整理领域知识的人。

第一步：澄清。系统不急着搜，先反过来问你一两个问题，比如"关注学术论文还是工程实现？"最多问三轮，问完给出一句精炼后的研究主题。你不用组织语言，它替你收窄范围。

第二步：拆解。精炼主题被拆成 5 个左右的子题，每个带一句概述。这时流程会停下来，把子题列表弹出来给你预览——能删、能改、能加，确认后才开始真正检索。方向跑没跑偏，这一步就能拦住。

第三步：检索成文。每个子题跑一条独立的检索回路：想、查、追加，模型发现漏掉的分支会当场把新子题塞回队列，deep 档默认 3 路子题并行。全部查完后，系统先定报告大纲，再逐章写，证据从引用管理器里取，每段结论都能对上出处。

以"注意力机制的演进"为例，在 Web 界面聊天框里发起深度研究，对话节奏是这样的。

你输入主题，系统先反问"关注学术论文还是工程实现？"，你选"学术论文"。接着弹出子题预览：自注意力演进、高效注意力变体、长序列处理、工业落地、开放问题。你删掉"工业落地"，改了一处概述，点确认。

确认后开始流式输出：每个子题的检索卡片一张张亮起，网页搜索和论文检索的结果被压缩成带出处的笔记；最后报告按章节逐段写成，末尾附引用列表。走 CLI 也是同一条流水线：

deeptutor run deep_research "注意力机制的演进" --config-json '{"mode":"report","depth":"deep"}'

跑完你在对话里拿到的是一份能直接贴进综述的章节草稿，而不是几十条待整理的搜索结果。整个流程的源码放在 deeptutor/agents/research/，想看每个阶段在做什么，翻这里就行。

配置	控制什么	什么时候该动它
depth（quick / standard / deep）	每个子题的检索轮数（1 / 3 / 5）与并行度	先快速试水用 quick；要交报告再上 deep
mode（notes / report / comparison / learning_path）	产出形态：笔记、报告、对比、学习路径	做技术选型时选 comparison，直接出对比结构
初始子题数（默认 5，可设 1–10）	拆解粒度	主题太宽、报告被摊薄时调小；只盯单点时调到 2–3
检索工具与知识库（web_search / paper_search / rag + KB）	证据从哪来	结果噪声多时，挂载领域知识库让 rag 出权威来源

知识库长这样，先建好再挂进研究：

症状：报告出来又薄又泛。原因：主题太大，子题摊平了，每个都没挖深。解法：把主题收窄成一个可验证的问题再提交，比如"FlashAttention 相比标准注意力的显存差异"。
症状：跑得明显慢。原因：deep 档 3 路子题并行、每条最多 5 轮检索，轮数越多 token 越多。解法：换 standard，体感快一半，成文质量差别不大。
症状：某章是空的，报告被标成"部分完成"。原因：某个子题的检索回路失败，系统只用剩余证据成文，并明说缺口。解法：减少子题数重跑，或单独深挖那一个子题补回来。
症状：引用一锅网页，学术味淡。原因：没挂知识库，证据全靠 web 搜索兜底。解法：先建好领域 KB，挂上再跑。
症状：研究方向跑偏。原因：子题预览没看就直接确认。解法：预览页就是给你改的，删错补漏后再放行。