AI 做研究有多快？1 分钟完成的文献综述你敢信吗
介绍 Deep Research 与 Coding Agent 两类 AI 智能体如何加速经济研究：分钟级完成文献综述、自动获取数据、5 分钟开发分析工具，并对比五款主流产品与实际工作流。
摘要：Deep Research 能在分钟级完成传统需要数周的文献综述；Coding Agent 让不会编程的人也能开发专业软件。本文用真实案例展示 AI 智能体如何改变研究工作流。
本文是「AI 智能体系列」第二篇。欢迎关注 AI and Economics，获取更多 AI 与经济学的深度解读。
一个 7 分钟的经济分析
上一篇我们提到，一位经济学家用 AI 智能体在 7 分钟内完成了美国劳动力市场的贝弗里奇曲线分析。
让我们还原这个过程的细节。
用户只输入了一句话：
请帮我画出美国过去 25 年的贝弗里奇曲线，并分析其变化趋势。
AI 智能体在后台做了什么？
- 理解任务：识别出需要失业率和职位空缺率两组数据
- 规划步骤：确定从 FRED 数据库获取数据的策略
- 执行操作：自动下载 1999-2024 年的月度数据
- 数据处理：清洗数据、计算相关统计量
- 可视化：绘制散点图，标注不同经济周期
- 撰写分析：识别五个关键时期，给出专业解读
最终输出包括：
- 一张标注完整的贝弗里奇曲线图
- 2000-2001 年互联网泡沫期分析
- 2008-2009 年金融危机期分析
- 2010-2019 年复苏期分析
- 2020 年新冠冲击分析
- 2021-2024 年后疫情时代分析
- 五条关键政策启示
这不是玩具演示，而是可以直接用于学术研究的专业产出。
这种能力来自 AI 智能体的两大杀手级应用：Deep Research 和 Coding Agent。
Deep Research：AI 如何帮你做文献综述
什么是 Deep Research？
Deep Research 是一类能够自主进行深度研究的 AI 智能体。你给它一个研究问题，它会：
- 自动搜索数十甚至上百个信息源
- 阅读、理解、提取关键信息
- 综合多个来源形成连贯叙述
- 生成带有准确引用的研究报告
传统做文献综述，一个研究者可能需要：
- 花几天时间搜索和筛选文献
- 花一两周阅读和做笔记
- 再花几天整理和撰写
Deep Research 可以把这个过程压缩到分钟级别。
它是怎么做到的？多智能体架构
Deep Research 的秘密在于多智能体架构。它不是一个 AI 在单打独斗，而是多个专业化的 AI 智能体协同工作。
典型的工作流程：
- 编排智能体接收你的研究问题
- 将问题拆解成 3-5 个子任务
- 派遣多个搜索智能体并行调查不同方面
- 每个搜索智能体执行 2-3 次搜索，整个任务可能涉及 15 次以上的搜索
- 分析智能体从不同角度审视搜索结果
- 综合智能体将所有发现整合成连贯报告
这就像一个研究团队：有人负责搜集资料，有人负责分析数据，有人负责撰写报告。只不过这个团队全是 AI，而且工作速度快了几百倍。
五大 Deep Research 产品对比
目前市面上主要有五款 Deep Research 产品：
1. Gemini Deep Research（Google）
- 网址：https://gemini.google.com/
- 耗时：5-10 分钟
- 特点：会先提出研究计划让你确认，然后再执行
- 优势：与 Google 生态深度整合，搜索能力强
- 适合：需要广泛信息搜集的研究任务
2. ChatGPT Deep Research（OpenAI）
- 网址：https://chatgpt.com/
- 耗时：5-30 分钟
- 特点：会先问你澄清问题，确保理解正确
- 优势：推理能力强，分析深度好
- 适合：需要深度分析的复杂问题
3. Claude Research（Anthropic）
- 网址：https://claude.ai/
- 耗时：5-15 分钟
- 特点：可以连接你的工作空间
- 优势：能够结合你已有的资料进行研究
- 适合：需要整合内部资料的研究任务
4. Perplexity Deep Research
- 网址：https://www.perplexity.ai/
- 耗时：2-8 分钟
- 特点：速度最快，覆盖来源最广
- 优势：快速获取信息的首选
- 适合：时间紧迫的快速调研
5. 秘塔AI 深度研究（国产）
- 网址：https://metaso.cn/
- 耗时：2-10 分钟
- 特点：国内首个免费深度研究工具，可视化展示思考过程和问题链
- 优势：无需特殊上网条件；支持全网、文库、学术文献等多种搜索来源；中文语境理解出色
- 适合：中文用户、学术研究、需要可追溯引用的场景
一个真实案例
研究问题：变革性 AI 对劳动力市场的预期影响是什么？
AI 智能体在约 1 分钟内完成了以下工作：
- 咨询了 15 个以上的信息来源
- 生成了一份完整的研究报告
- 包含执行摘要、职业替代分析、工资动态、政策建议
- 所有引用都可追溯
成本：约 1 美分的 API 调用费 + 15 次搜索查询。
Deep Research 的局限
它不是万能的。几个重要限制：
- 只能综合已有知识：它擅长整理和总结，但不会产生原创性洞见
- 来源质量参差不齐：可能把维基百科和顶级期刊论文同等对待
- 在新兴领域容易失准：对于文献较少的前沿领域，可能无法识别最重要的工作
- 时效性问题：有时会引用过时的信息
最佳实践：把 Deep Research 当作研究助理，而不是研究本身。它的输出是起点，不是终点。
Coding Agent：不会编程也能开发软件
Vibe Coding 时代
有一个新词正在流行：Vibe Coding。
意思是：通过自然语言描述，让 AI 帮你写代码。你只需要告诉它你想要什么，不需要知道具体怎么实现。
这听起来像科幻，但已经是现实。
三大 Coding Agent 工具
1. Claude Code（Anthropic，2025 年 2 月发布）
目前最强的编程智能体。
- 命令行界面，专业感强
- 能够理解整个项目的代码结构
- 可以自主编写、调试、运行代码
- 支持文件上传和数据分析
论文作者特别提到：这篇论文中的很多示例，都是用 Claude Code 在几分钟内生成的，而不是花几小时手写。
2. Codex CLI（OpenAI，2025 年 4 月发布）
- 开源方案，灵活性高
- 可以使用多个模型提供商的服务
- 适合有一定技术背景的用户
3. Gemini CLI（Google，2025 年 6 月发布）
- 免费额度慷慨：每分钟 60 次请求，每天 1000 次
- PDF 和图片处理能力出色
- 适合预算有限的用户
一个 5 分钟开发案例
让我们看一个真实的开发案例。
任务：开发一个简单的计量经济学工具，让用户能够上传 CSV 文件、显示数据、运行 OLS 回归、展示统计结果和可视化图表。
过程：
第一步（不到 2 分钟）：用自然语言描述需求，AI 生成了一个基本可用的工具。
第二步（约 2 分钟）：发现没有处理缺失值的功能，用一句话要求 AI 添加。AI 自动识别了需要修改的位置，完成了更新。
第三步（约 1 分钟）：发现 p 值计算有问题，告诉 AI 修复。几秒钟后问题解决。
最终成果：一个功能完整的数据分析工具，包括：
- 文件上传界面
- 数据预览功能
- 变量选择器
- OLS 回归分析
- 统计显著性检验
- 回归可视化图表
- 缺失值处理
总耗时约 5 分钟。如果手写这样一个工具，即使是熟练的程序员也需要几个小时。
这意味着什么？
编程能力的全民化。
过去，有一个想法和把它实现出来之间，隔着一道叫做编程的墙。很多研究者、创业者、普通用户，因为不会编程而无法实现自己的想法。
现在，这道墙正在消失。
你不需要学习 Python 的语法、不需要记住函数的参数、不需要调试神秘的错误信息。你只需要清楚地描述你想要什么，AI 会帮你实现。
当然，这不意味着编程知识变得毫无价值。理解编程概念仍然能帮助你更好地与 AI 协作，更准确地描述需求，更有效地排查问题。
但门槛确实大大降低了。
实际工作流整合
案例：完整的经济研究流程
让我们把 Deep Research 和 Coding Agent 结合起来，看一个完整的研究流程：
研究问题：分析 2020 年以来美国货币政策对房价的影响
步骤 1：文献调研（Deep Research）
- 耗时：约 5 分钟
- 产出：相关研究综述，识别主要假说和实证方法
步骤 2：数据获取（Coding Agent）
- 耗时：约 2 分钟
- 产出：自动下载联邦基金利率、房价指数等数据
步骤 3：数据分析（Coding Agent）
- 耗时：约 5 分钟
- 产出：回归分析代码、统计检验、可视化图表
步骤 4：报告撰写（传统 LLM）
- 耗时：约 10 分钟
- 产出：结构化的研究报告初稿
传统方式可能需要一周的工作，现在压缩到了半小时以内。
成本考量
这些工具的成本如何？
- Deep Research：每份报告约 1 美元的计算成本
- API 调用：按使用量计费，对于间歇性使用者可能比订阅更划算
- 订阅服务：顶级服务月费 200-300 美元
对于偶尔使用的用户，按需付费的 API 可能更经济。对于重度用户，订阅服务提供更大额度的使用因此可能更划算。
下篇预告
看到这里，你可能会问：这些神奇的智能体是怎么构建的？我能不能自己做一个？
答案是：可以，而且比你想象的简单。
下一篇，我们将揭秘：
- 用 300 行代码构建你自己的 AI 智能体
- MCP 和 SKILL：AI 世界的通用协议
- AI 能力增长的惊人数据
- 经济学家的未来角色会如何改变
敬请期待。
参考来源：
- AI Agents for Economic Research, Journal of Economic Literature, 2025
- Claude Code Documentation
- OpenAI Codex Documentation
关于 AI and Economics
本公众号专注于 AI 资讯深度解读、AI 发展趋势分析，以及富含洞见与现实启发的经济学论文解读。
如果这篇文章对你有启发，欢迎关注我们，不错过每一篇深度内容。我们下篇见。