
天工AI
用天工AI搜索完成一次行业调研:基础、深度、学术与研究模式实操
天工AI搜索不返回链接列表,而是直接给出带来源的答案。本文从注册进入讲起,拆解简洁、深度、学术、研究四种模式的适用场景与操作步骤,给出一个从提问到产出调研报告的完整示例,并说明额度限制与不适合使用的场景。
天工AI搜索是昆仑万维推出的 AI 搜索工具,它的核心思路与 Perplexity 一类「答案引擎」相同:用户用自然语言提出问题,工具直接返回整理好的答案,并在答案下方附上来源链接,而不是给出十条结果让用户自己逐条点开。它把对话与搜索放在同一个界面里,支持深度搜索、学术模式和研究模式,在中国大陆可以直接访问。这篇教程面向需要频繁查资料、做行业调研、写综述或准备汇报材料的人,按「准备工作 → 四种模式的操作步骤 → 一个完整示例 → 注意事项」的顺序,把每一步的输入方式、输出形态和额度消耗讲清楚。如果你只是想找一个能替代日常关键词搜索的入口,可以先从天工AI的基础搜索用起,再按需要逐级切换到更重的模式。
准备工作
账号与访问
使用天工AI搜索不需要额外安装客户端,浏览器打开官网即可。注册流程很短:
- 访问天工官网(域名 tiangong.cn),或在搜索引擎中检索「天工AI」进入。
- 注册账号。支持手机号注册,也支持微信、支付宝一键登录;如果平时主要用微信,用微信登录最省事。
- 登录后默认进入对话界面,搜索框位于页面顶部。
- 在顶部找到模式标签,通常有「简洁」「深度」「研究」等选项,学术模式也在同一区域切换。第一次使用建议先停在「简洁」,熟悉提问方式后再切换。
免费版即可使用全部功能,但不同模式有各自的每日次数限制,具体额度与是否调整以官网当前信息为准。
额度与限制速查
下表整理的是免费版各模式的用量口径,用于规划一天的使用节奏。价格、配额、单次对话长度上限这类信息会变动,实际以官网当前展示为准。
| 项目 | 免费版额度 | 适用说明 |
|---|---|---|
| 基础搜索(简洁模式) | 不限次数 | 日常事实查询、简单对比,随便用 |
| 深度搜索 | 每天 20 次 | 需要整合多来源的复杂问题 |
| 研究模式 | 每天 5 次 | 输出数千字长报告,用在关键任务上 |
| 学术模式 | 每天 10 次 | 查论文、做综述、定研究方向 |
| 单次对话长度 | 最多 8000 字 | 常规问答与追问足够 |
一个实用的上手策略:先用免费额度把基础搜索、深度搜索、学术模式各跑三到五个自己真实关心的问题,确认它能覆盖你大部分搜索需求,再决定要不要把它固定进工作流。不要一上来就用研究模式,那 5 次额度很容易在试错中浪费掉。
操作步骤
第一步:用简洁模式建立提问习惯
简洁模式相当于「百度一下」的答案版:你输入问题,它返回一段整理过的答案,答案底部列出信息来源。操作只有三步——在顶部搜索框输入自然语言问题、按回车、阅读答案并点开来源核对。
关键在于把「搜关键词」换成「问问题」。同一个需求,两种写法的效果差别很大:
- 关键词式:「3000 元 手机 拍照 推荐」
- 提问式:「2026 年 3000 元价位手机推荐,重点看拍照」
后者会得到一份列出若干主流机型、并逐款说明优劣的答案。答案出来后不要急着关页面,直接在原答案下方继续追问,工具会保留上下文。例如接着问「小米 15 和一加 13 哪个拍照好」,它会基于上一轮的对比给出更具体的分析,而不是重新搜一遍。
简洁模式有三个立刻能用的技巧:
- 指定输出格式。写「用表格列出 5 款手机的参数对比」,比只写「推荐手机」得到的结构清晰得多。
- 指定信息来源。写「从知乎、36氪、虎嗅三个来源总结」,它会按你点名的来源筛选材料。
- 追问要具体。不要问「还有吗」,要问「除了小米 15,还有哪些 3000 元以下拍照好的」。
简洁模式也适合查时效性信息,比如「OpenAI 最近一个月发布了什么新功能」这类问题,它不受模型训练数据时间点的限制,会去检索最新内容。
第二步:判断什么时候该切到深度搜索
深度搜索是天工与其他 AI 搜索拉开差距的地方。它不是「搜一次再总结」,而是先规划搜索路径,再分多轮检索,最后把结果整合成一份结构化报告。因此它适合那些单次搜索答不好的问题:
- 需要整合多个来源才能回答的问题;
- 涉及时间线、因果链、横向对比的复杂问题;
- 你希望拿到一篇能直接当背景资料用的短文。
反过来,简单事实查询(「北京今天多少度」)和主观偏好问题(「你喜欢哪款手机」)都不值得消耗深度搜索额度。
操作流程:
- 在顶部标签切换到「深度」模式。
- 输入一个包含明确分析维度的长问题,而不是一个短语。例如:「调研 2026 年 AI 编程工具的格局,分析 Cursor、Claude Code、GitHub Copilot、Cline 的定位差异、定价策略、用户群体」。
- 等待自动检索完成,这一步通常需要 30 到 60 秒,期间不要重复提交。
- 阅读输出。合格的深度搜索报告一般包含对比表、分维度分析、趋势判断几块内容。
- 基于报告继续追问补漏,例如「补充一下 Trae 的对比」。
每次深度搜索消耗 1 次额度。判断标准很简单:如果一个问题值得你花 30 到 60 秒等一份能直接引用的报告,就用深度搜索;如果只是想知道一个事实,用简洁模式,零消耗且更快。
第三步:用学术模式做文献综述
学术模式是为查论文单独设计的,检索对象是论文库而非普通网页,输出会带 DOI 或 arXiv 链接,引用格式相对规范。它支持中英文混合检索,这一点在跨领域调研时很有用。
典型流程:
- 切换到「学术」模式。
- 用「综述式」的句子提问,并限定时间范围。例如:「综述:大语言模型在数学推理方面的进展,2024-2026 年」。
- 阅读返回结果。通常包括若干篇高被引论文的标题、作者、期刊与年份,每篇附一句核心贡献,以及一条研究趋势时间线。
- 基于列表继续深挖,例如「其中 Chain-of-Thought 相关的 3 篇论文详细比较一下」,它会针对这几篇的方法差异展开分析。
学术模式的定位是「模糊调研」:帮你快速摸清一个方向上有哪些工作、大致脉络如何、该往哪读。它不能替代精读——如果你已经知道要找哪篇论文,凭标题或 DOI 直接去知网或 Google Scholar 检索并下载 PDF 更高效。
第四步:用研究模式产出长报告
研究模式可以理解为深度搜索的加长版:它不只是列要点,而是把一份报告写完,输出长度可达数千字并带引用。适合三类任务:
- 被要求「调研一下某个行业」,需要一份能交出去的初稿;
- 写深度文章前找素材,把输出当作草稿基础;
- 准备汇报材料,省去自己从零整理资料的时间。
操作上同样是切换标签后输入一个带明确范围与重点的问题,例如:「研究 2026 年国产 AI 工具出海的情况,重点分析出海最成功的 3 款工具」。一份完整的输出通常包含行业概览(市场规模、竞争格局)、重点对象的深度分析(功能、定价、用户反馈)、成功要素总结、风险与挑战、未来趋势预测几个部分,可以直接复制到文档软件里再修改。
研究模式每天只有 5 次,务必用在真正需要成稿的任务上。日常问答和中等复杂度的调研用深度搜索就够了。
一个完整示例
下面把四种模式串成一条完整链路,任务设定为「为一次行业分享准备 AI 编程工具格局的材料」。整个过程大约消耗 1 次深度搜索、1 次研究模式、1 次学术模式,其余都是不限次数的简洁模式。
第 1 步:用简洁模式摸清基本盘
先不消耗额度,用简洁模式问几个基础问题,建立对领域的整体印象:
2026 年主流 AI 编程工具有哪些,各自面向什么用户
用表格列出 Cursor、GitHub Copilot、Cline 的定位差异
答案出来后点开底部来源,确认关键信息不是孤证。这一步的目的是把名词、产品、大致定位对齐,避免后面用错概念。
第 2 步:用深度搜索拿到结构化对比
切换到「深度」模式,提交一个包含分析维度的长问题:
调研 2026 年 AI 编程工具的格局,分析 Cursor、Claude Code、GitHub Copilot、Cline 的定位差异、定价策略、用户群体,并给出趋势判断
等待 30 到 60 秒。输出应当包含四款工具的定位对比表、定价策略分析、用户群体分布和趋势判断。如果发现漏了某个你关心的产品,直接追问:
补充一下 Trae 的对比,重点看它和 Cursor 的差异
这一步消耗 1 次深度搜索额度,换来的是可以直接放进材料的对比框架。
第 3 步:用学术模式补一层研究依据
如果分享内容需要引用研究进展,切到「学术」模式:
综述:代码大模型与 AI 辅助编程的研究进展,2024-2026 年
从返回的论文列表中挑出与主题最相关的几篇,再追问一次:
这几篇里关于代码补全评测方法的部分详细比较一下
记下带 DOI 或 arXiv 链接的条目,需要精读时再去对应平台下载原文。
第 4 步:用研究模式生成报告初稿
最后切到「研究」模式,把前几步得到的框架和依据整合成一个明确的写作任务:
研究 2026 年 AI 编程工具的竞争格局,重点分析 Cursor、Claude Code、GitHub Copilot、Cline 四款产品,包含市场概览、产品定位对比、定价策略、用户群体、风险与未来 12 个月趋势预测
输出是一份数千字、带引用的报告。把它复制到文档软件中,用前两步得到的对比表和论文条目做校对与补充,删掉与你分享主题无关的段落,就得到了一份可用的初稿。
第 5 步:用简洁模式做事实核对
成稿前,把报告里几个关键数字或时间点单独拿出来,用简洁模式逐条核对,并点开来源确认。这一步不消耗额度,但能避免把检索中的误差带进最终材料。
注意事项
额度要按任务价值分配
基础搜索不限次数,深度搜索每天 20 次,研究模式每天 5 次,学术模式每天 10 次,单次对话最多 8000 字。这些数字会随产品迭代调整,使用前以官网当前信息为准。分配原则是:简单事实用简洁模式,复杂整合用深度搜索,成稿任务才动研究模式,文献调研用学术模式。
这些场景不适合用它
- 秒级实时数据。汇率、股价这类要求即时性的数据,检索存在延迟,交易决策应使用专业行情软件。
- 图像与视频检索。它是文本引擎,不支持以图搜图或视频搜索,这类需求用图片搜索或视频平台更直接。
- 极度垂直的本地生活信息。找某条街附近好吃的川菜馆,地图与点评类应用更准。
- 已知目标的论文精确定位。已经知道标题或 DOI 时,直接去论文平台检索更快,学术模式的价值在模糊调研。
- 主观偏好问题。「哪款手机最好用」「哪个工作最有前景」这类问题,工具给出的是网上观点的汇总,不是针对你个人情况的判断。
- 代码类问题。涉及具体编程实现时,回答质量一般,专业编程助手更合适。
提问质量决定输出质量
四种模式都遵循同一条规律:问题里写清楚范围、维度、时间区间和输出格式,结果就具体;只丢一个短语,结果就泛。深度搜索和研究模式尤其如此,它们会按你给出的维度去规划检索路径,维度缺失,报告就会缺块。
答案必须回看来源
答案底部的来源链接不是装饰。涉及数据、时间、价格、政策的内容,点开来源确认一遍再引用。学术模式的输出虽然带 DOI 或 arXiv 链接,也不等于可以跳过原文核对,正式引用前仍应阅读原文。
把它当研究助理,而不是搜索引擎
更合理的定位是:日常查简单事实交给简洁模式,行业调研和综述交给深度搜索与学术模式,需要成稿的长任务交给研究模式。它覆盖的是「我要一个答案而不是十个链接」这类需求,而不是所有检索场景。本地生活、实时行情、图像视频、精确文献定位这些事,仍然交给各自更专业的工具。