上周做竞品分析，你花了多久？翻官网、找评测、查评分，再整理排版出文档——大半天转眼就没了。
80%的时间都耗在机械的信息搬运上，真正留给思考的时间少之又少。
deep-research专治这种低效，只需说一句“帮我调研XX”，它就能自主搜读信息、整合内容，直接出一份结构完整的调研报告。
它是什么
deep-research 是 ClawHub 上的一个技能（Skill），核心逻辑是多步骤自动调研。
普通问 AI 问题，它从已有知识里回答你，知识截止日期之后的事它不知道。deep-research 不一样，它会主动出去搜索，像一个真人研究员那样：搜关键词、读页面、提取要点、交叉验证、最后汇总。
整个过程你不用盯着，它在后台跑。跑完了给你一份 Markdown 格式的报告，带信息来源，可以直接用。
和直接用 ChatGPT 或者 Claude 聊天的区别在哪？
· 它会主动搜索，不依赖模型内置知识
· 它会多轮深挖，第一轮搜到的内容里，它会识别哪些值得继续追
· 它输出结构化报告，不是聊天回复，是可以直接用的文档
四个最省时间的场景
场景一：竞品调研
要出一份竞品对比分析，以前得一个一个产品去搜、去看、去对比。
现在：
用 deep-research 帮我对比 Notion、Obsidian、Logseq 三款笔记产品的核心功能和用户口碑， 重点关注离线支持、协作能力和定价模式
它会分别去搜这三款产品的官方说明、用户评测、社区讨论，最后给你一张对比表 + 各自优缺点总结。你省去的，是三四个小时的资料整理时间。
场景二：行业动态速览
你负责某个领域的内容生产，每周需要知道发生了什么大事。
以前：每天刷信息，怕漏掉什么，又觉得大部分都是噪音。
现在：
帮我搜索过去两周 AI 编程工具领域的重要进展，包括新产品发布、融资新闻、用户讨论热点
跑完就是一份本周 AI 编程工具动态简报，来源标注清楚，你确认一遍直接发出去。
场景三：投资/购买决策前调研
你在考虑买某个 SaaS 工具，或者研究某个市场机会。
帮我调研 AI 视频生成工具市场，包括主要玩家、定价范围、用户常见痛点， 以及最近六个月的市场变化
它给你的结果，比你自己随便搜几篇文章读到的信息量大得多，而且系统化。
场景四：写作前的资料收集
你要写一篇文章或者做一个 PPT，需要先收集背景资料。
以前：先搜资料，再读资料，再筛选，再开始写。
现在：先让 deep-research 跑，跑完的报告直接作为你的参考底稿，你只需要在上面改和写。
怎么装
deep-research 通过 ClawHub 安装，命令行操作。
第一步：确认 ClawHub CLI 已安装
如果还没装，参考本系列第1篇。检查一下：
clawcli --version
有版本号输出就 OK。
第二步：搜索并安装
clawcli search deep-research
找到之后安装：
clawcli install deep-research
安装过程会自动配置依赖。装好之后在 OpenClaw 里确认：
/skills list
看到 deep-research 出现在列表里就完成了。
第三步：配置搜索源（可选）
deep-research 默认用内置搜索引擎。如果你有 Brave Search API Key 或者 Serper API Key，可以配置成效果更好的搜索源：
clawcli config deep-research --search-engine brave --api-key YOUR_KEY
没有这些 Key 也能用，默认搜索源覆盖大部分场景。
第四步：设置调研深度（可选）
deep-research 有几个预设的调研深度：
· quick：快速模式，3-5 个来源，适合简单问题
· standard：标准模式（默认），10-15 个来源
· deep：深度模式，20+ 个来源，适合严肃调研，耗时较长
clawcli config deep-research --depth standard
第一次用：跑一个真实任务
装好之后，直接在 OpenClaw 里激活技能，然后给任务：
/use deep-research
帮我调研 2025 年 AI Agent 框架的主流选择，
对比 LangChain、AutoGen、CrewAI 的使用场景、社区活跃度和上手难度
它开始跑之后，你能看到进度提示，类似：
[1/4] 搜索 LangChain 2025 最新动态...
[2/4] 搜索 AutoGen 使用场景和评测...
[3/4] 搜索 CrewAI 社区讨论...
[4/4] 整理对比报告...
跑完给你一份 Markdown 报告，结构大概是：
# AI Agent 框架对比调研
## 概述
...
## 各框架详情
### LangChain
- 定位：...
- 优势：...
- 局限：...
### AutoGen
...
## 横向对比表
| 维度 | LangChain | AutoGen | CrewAI |
|...
## 结论建议
...
## 信息来源
- [来源1] ...
- [来源2] ...
你可以直接把这份报告复制出来用，也可以继续追问：
基于这份报告，如果我是做企业级应用的，你推荐哪个？
它会结合刚才的调研结果，给你一个有依据的建议，不是随口一说。
小结
deep-research 解决的不是"AI 能不能回答你的问题"，而是"AI 能不能替你把资料收集这件苦差事干完"。
对经常要做调研的人——产品经理、内容创作者、分析师、研究员——这个技能能把你的效率提升最明显。