Deep Research 这半年变得很快。不少产品已经接了很多 connector 和 MCP，几分钟就能出一份长报告。我们自己拿去做事，卡住的地方比较集中。
我们希望开发一个平台，帮用户生成图片、文档、导图、视频这些结果。一份文稿要做完，用法只学这一处，费用也只付给这一处。
我们碰到的问题
1. 有用的来源经常不在默认目录里
Connector 和 MCP 看起来已经很多。真正要用的材料，经常在内部文档、小众站点、要登录才能看的应用里，默认列表里没有。
接进来通常得自己做一套 MCP：鉴权、接口变更、长期维护。多数团队不会为了一次研究去做这件事，这些来源就一直在研究流程外面。
2. 搜到了很多链接，正文没怎么读
能搜的站点比以前多，但很多工具停在摘要和搜索片段，页面本身很少被打开。
智能体没读过正文，后面的结论就只能靠标题和摘要撑着。写出来可以很完整，依据并不完整。
3. 引用停在链接，对不上那句话
报告里有参考文献，点进去往往只是一个页面。支撑某句话的那段原文，还得自己翻。
核验因此变慢。读者也容易把「有链接」当成「有依据」。
4. 写完之后，还得换到别的软件里改
研究做完，交出去的不一定是一篇长文。有时是报告，有时是一张结构图、一块流程板，或者一张图。
这些东西如果只以文字形式出来，下一步就是复制到本来就在用的编辑软件里。改报告、理结构、画流程、修图，各做各的。出处、层级和布局在搬运里很容易丢。生成拿到的是初稿，后面的修改才是工作量。
我们怎么处理
SpanSearch 按这几件事来做：来源由使用者圈定，页面要读完，关键结论要能对上原文，生成之后留在能接着改的编辑器里。
来源不用先做一套 MCP。
内置连接器和自定义数据源放在一起。浏览器连接器可以把日常在用的站点加进来，包括目录里没有的。研究开始前，由人决定这次能查哪些来源。
先把范围铺开，再读完整页。
先在多个来源里找，再打开页面读正文。结论依据的是读过的内容，不是摘要。
引用落到具体段落。
每条关键结论回到来源，并标出对应段落。核对的时候不用在全文里重找一遍。
数据留在本机。
对话、资料库和自定义来源默认在正在使用的这台设备上。检索可以做深，材料不必交到云端资料库。
不同结果用不同的编辑器，因为改的动作不一样。
我们后来补编辑器，是因为研究做完几乎都要再改。改报告、改结构、改流程、改图，不是同一种操作。
聊天里可以让模型再出一版。但挪一个分支、拖一条箭头、改画面里的一块、调矢量的形状和字，这些动作聊天框做不了。贴到别的软件里，又把刚才的出处和上下文拆开了。所以生成结果直接进对应的编辑器，在原件上改。
文档编辑器处理研究报告。第一稿的措辞和结构通常都要动。贴到别的文档工具之后，句子和出处的对应就断了。留在同一篇里改，每一句还能回到原文段落，改完再交。
思维导图编辑器处理结构。一个主题展开之后是分支和层级，不是一段可以粘贴的大纲。贴到别的导图工具里，等于重新搭一遍。在这张图上移动分支、补子主题、调整层级。需要带走时，可以和 Xmind 互导。
白板编辑器处理流程和架构。这类图是方框和箭头。用文字描述完，还是得在画布上重画。白板把已经生成的布局留着，后面是拖动、对齐、把重叠拉开。
图片编辑器处理生成后的画面。常见的修改是换文字、换主体、去背景，或者只改一块区域。不然就要整段提示词重写，或者把图导出到修图软件。在原图上改，没点到的部分不动。
矢量编辑器处理图标、插画和示意图。这些图要放进文档，还要放大看。位图容易糊，形状和文字也不好单独调。做成矢量之后，在同一张图上改形状、文字和层次。普通图片也可以转成矢量，再继续改。
适合谁
材料在内部系统或需要登录的网站里，结论要能核对，做完还要自己改一改再交，SpanSearch 是按这个用法做的。结果可以是报告、思维导图、白板、图片或矢量图，看这次要交什么。
准备试试？免费开始使用——无需信用卡。