用一杯咖啡的时间，让 AI 为你写完一篇 10 页的研究报告
—— KResearch 深度调研工具全指南
写在前面：为什么需要“第二大脑”
写论文、做竞品分析、准备投资备忘录……大多数人 80 % 的时间都花在“找资料”和“整理资料”上。等到真正动笔，精力已经所剩无几。
KResearch（下文简称 KR）想解决的正是这个痛点：把“搜索-阅读-归纳”的机械劳动交给 AI，把思考与判断留给人。
一、KR 到底是什么？
一句话概括：KR 是一个基于多智能体的 AI 研究助手，能够自动完成从选题到成稿的全部流程。
它像一支分工明确的科研小队：
-
Alpha 研究员——负责宏观策略，决定“先查什么、后查什么”； -
Beta 研究员——负责微观战术，决定“具体读哪一段、跳过哪一段”。
通过多轮迭代，它们会逐步把碎片化的网页信息拼成一份结构清晰、带引用、带知识图谱的完整报告。
二、核心能力速览
| 能力 | 一句话说明 | 对用户的直接好处 |
|---|---|---|
| 多轮迭代搜索 | 最多可跑 5 轮“计划—搜索—精读—再计划” | 避免一次性搜不全 |
| 实时日志 | 每步思维过程以时间轴形式展示 | 随时可喊停，不担心黑箱 |
| 四种研究模式 | 均衡 / 深度 / 快速 / 极速 | 10 分钟 or 2 小时，由你决定 |
| 引用溯源 | 每条结论都给出可点击的网页来源 | 直接复制到论文参考文献 |
| 知识图谱 | 自动用 Mermaid 画出实体关系图 | 一眼看懂复杂主题结构 |
| 现代前端 | React + TypeScript + Tailwind CSS | 手机、平板、桌面都能用 |
三、一分钟看懂运行流程
-
输入问题：例如“固态电池商业化面临哪些障碍？” -
选择模式：深度模式（约 15 分钟）。 -
观察日志： -
Alpha 制定第一轮提纲：技术瓶颈 → 供应链 → 政策。 -
Beta 抓取 12 篇高权威网页，阅读并提取 38 条关键信息。 -
Alpha 发现“供应链”维度信息不足，追加一轮搜索。
-
-
收工：Markdown 报告 + 高清知识图谱 + 所有网页引用打包完成。
四、安装与上手：三步搞定
整个过程约 5 分钟，真正“零门槛”。
1. 准备环境
-
Node.js：建议 LTS 版（v20 以上）。 -
包管理器：npm、pnpm、yarn 均可。 -
Google Gemini API Key：在 Google AI Studio 免费申请。
2. 克隆与安装
git clone https://github.com/KuekHaoYang/KResearch.git
cd KResearch
npm install # 国内可换 pnpm 或淘宝源
3. 填入密钥并启动
-
在项目根目录新建 .env文件，内容如下：
API_KEY="你的密钥"
-
启动开发服务器：
npm run dev # 终端会显示 http://localhost:5173
打开浏览器即可看到界面。
如果你不想改文件，也可以在界面里直接填写密钥，KR 会把密钥安全保存在浏览器本地存储，下次自动读取。
五、界面导览：第一次打开看什么？
-
左上角：研究模式选择器（均衡 / 深度 / 快速 / 极速）。 -
中央输入框：输入研究主题，支持中文、英文、甚至混合提问。 -
右侧实时日志：像刷微博一样，看 AI 一步步“思考”。 -
底部工具栏：一键切换深色 / 浅色主题，以及设置按钮。
六、四种研究模式：怎么选？
| 模式 | 搜索轮次 | 每轮网页数 | 适合场景 | 预估耗时 |
|---|---|---|---|---|
| 均衡 | 3 | 6 | 日常报告、课堂作业 | 5–8 分钟 |
| 深度 | 5 | 10 | 论文开题、行业白皮书 | 12–20 分钟 |
| 快速 | 2 | 4 | 临时会议、灵感收集 | 2–3 分钟 |
| 极速 | 1 | 3 | 只想看摘要 | < 60 秒 |
建议：先用极速跑一遍，确认方向后再跑深度，节省配额。
七、输出详解：报告、图谱与引用
1. Markdown 报告
-
自动按“背景—现状—挑战—展望”四级标题排版。 -
所有数据点用无序列表罗列，方便复制到 Word。 -
每句话后紧跟 [1]、[2]等引用，点击直接跳转原文网页。
2. 知识图谱
-
用 Mermaid 语法生成，可复制到 Mermaid Live Editor 二次编辑。 -
节点颜色区分实体类型：绿色（技术）、蓝色（公司）、橙色（政策）。 -
鼠标悬停可查看节点摘要。
3. 引用清单
-
表格列出“标题—域名—访问时间”，可直接导出 BibTeX。 -
支持一键“复制全部链接”，方便发给同事二次核对。
八、实战案例：用深度模式拆解“量子计算在药物发现中的应用”
1. 输入主题
“量子计算在药物发现中的应用、技术瓶颈与商业前景”
2. 日志片段（节选）
[00:00] Alpha：制定第一轮提纲——算法、硬件、合作案例、监管。
[01:15] Beta：阅读 IBM 2023 白皮书，提取“量子线路模拟分子”3 条关键数据。
[02:30] Alpha：发现“监管”维度资料稀少，追加搜索关键词“FDA + quantum”。
[04:05] Beta：找到 Nature Reviews Drug Discovery 2024 综述，补充 7 条引用。
[06:10] Alpha：完成五轮迭代，生成 2 400 字正文 + 图谱。
3. 结论摘要（由 KR 自动生成）
量子计算在药物发现尚处 PoC 阶段，主要瓶颈为量子比特数不足与误差率过高；预计 2028 年前以合作研发为主，直接商业化概率低。
九、常见问题答疑
| 疑问 | 官方回应 |
|---|---|
| 免费吗？ | 代码 MIT 开源，但 Gemini API 按调用收费（新用户有 60 美元试用金）。 |
| 支持中文提问吗？ | 支持，且返回中文报告。 |
| 会保存我的数据吗？ | 不会，所有运算在浏览器完成，仅与 Google 交互。 |
| 能否离线运行？ | 目前必须联网调用 Gemini。 |
| 能否用 OpenAI？ | 需自行 fork 代码，把 genai 换成 openai SDK。 |
十、开发者提示：如何贡献代码
-
先提 Issue 描述需求或 Bug。 -
Fork 仓库，创建 feature/your-name分支。 -
遵循已有的 TypeScript 规范（项目已配置 ESLint + Prettier）。 -
提交 PR，维护者通常在 48 小时内回复。
十一、写在最后：人机协作的正确姿势
KR 不是替代思考，而是把最耗时的“体力劳动”自动化。
-
研究者：把省下的时间用于提出更尖锐的问题、做实验验证。 -
学生：让 KR 跑第一轮，再根据引用深挖原始文献。 -
产品经理：用极速模式快速扫赛道，再挑重点跑深度。
当 AI 负责“广”，人负责“深”，知识工作才真正提效。
项目地址：
https://github.com/KuekHaoYang/KResearch
如果你用 KR 产出了有趣的研究，欢迎把链接分享到 Issues，让更多人受益。