Deep Research 這半年變得很快。不少產品已經接了很多 connector 和 MCP，幾分鐘就能出一份長報告。我們自己拿去做事，卡住的地方比較集中。
我們希望開發一個平台，幫使用者生成圖片、文件、導圖、影片這些結果。一份文稿要做完，用法只學這一處，費用也只付給這一處。
我們碰到的問題
1. 有用的來源經常不在預設目錄裡
Connector 和 MCP 看起來已經很多。真正要用的材料，經常在內部文件、小眾站點、要登入才能看的應用裡，預設列表裡沒有。
接進來通常得自己做一套 MCP：驗證、介面變更、長期維護。多數團隊不會為了一次研究去做這件事，這些來源就一直在研究流程外面。
2. 搜到了很多連結，正文沒怎麼讀
能搜的站點比以前多，但很多工具停在摘要和搜尋片段，頁面本身很少被打開。
智慧代理人沒讀過正文，後面的結論就只能靠標題和摘要撐著。寫出來可以很完整，依據並不完整。
3. 引用停在連結，對不上那句話
報告裡有參考文獻，點進去往往只是一個頁面。支撐某句話的那段原文，還得自己翻。
核驗因此變慢。讀者也容易把「有連結」當成「有依據」。
4. 寫完之後，還得換到別的軟體裡改
研究做完，交出去的不一定是一篇長文。有時是報告，有時是一張結構圖、一塊流程板，或者一張圖。
這些東西如果只以文字形式出來，下一步就是複製到本來就在用的編輯軟體裡。改報告、理結構、畫流程、修圖，各做各的。出處、層級和版面在搬運裡很容易丟。生成拿到的是初稿，後面的修改才是工作量。
我們怎麼處理
SpanSearch 按這幾件事來做：來源由使用者圈定，頁面要讀完，關鍵結論要能對上原文，生成之後留在能接著改的編輯器裡。
來源不用先做一套 MCP。
內建連接器和自訂資料來源放在一起。瀏覽器連接器可以把日常在用的站點加進來，包括目錄裡沒有的。研究開始前，由人決定這次能查哪些來源。
先把範圍鋪開，再讀完整頁。
先在多個來源裡找，再打開頁面讀正文。結論依據的是讀過的內容，不是摘要。
引用落到具體段落。
每條關鍵結論回到來源，並標出對應段落。核對的時候不用在全文裡重找一遍。
資料留在本機。
對話、資料庫和自訂來源預設在正在使用的這台裝置上。檢索可以做深，材料不必交到雲端資料庫。
不同結果用不同的編輯器，因為改的動作不一樣。
我們後來補編輯器，是因為研究做完幾乎都要再改。改報告、改結構、改流程、改圖，不是同一種操作。
聊天裡可以讓模型再出一版。但挪一個分支、拖一條箭頭、改畫面裡的一塊、調向量的形狀和字，這些動作聊天框做不了。貼到別的軟體裡，又把剛才的出處和上下文拆開了。所以生成結果直接進對應的編輯器，在原件上改。
文件編輯器處理研究報告。第一稿的措辭和結構通常都要動。貼到別的文件工具之後，句子和出處的對應就斷了。留在同一篇裡改，每一句還能回到原文段落，改完再交。
心智圖編輯器處理結構。一個主題展開之後是分支和層級，不是一段可以貼上的大綱。貼到別的心智圖工具裡，等於重新搭一遍。在這張圖上移動分支、補子主題、調整層級。需要帶走時，可以和 Xmind 互導。
白板編輯器處理流程和架構。這類圖是方框和箭頭。用文字描述完，還是得在畫布上重畫。白板把已經生成的版面留著，後面是拖動、對齊、把重疊拉開。
圖片編輯器處理生成後的畫面。常見的修改是換文字、換主體、去背景，或者只改一塊區域。不然就要整段提示詞重寫，或者把圖匯出到修圖軟體。在原圖上改，沒點到的部分不動。
向量編輯器處理圖示、插畫和示意圖。這些圖要放進文件，還要放大看。點陣圖容易糊，形狀和文字也不好單獨調。做成向量之後，在同一張圖上改形狀、文字和層次。普通圖片也可以轉成向量，再繼續改。
適合誰
材料在內部系統或需要登入的網站裡，結論要能核對，做完還要自己改一改再交，SpanSearch 是按這個用法做的。結果可以是報告、心智圖、白板、圖片或向量圖，看這次要交什麼。
準備試試？免費開始使用——無需信用卡。