LM Station 的 Deep Research 可以在 iPhone 上做多步联网研究报告：它会把一个调研问题自动拆成多个子问题，多轮联网检索并交叉对比信息源，最后生成一份带结构的研究报告。适合需要查资料、写报告、做选购对比的人，但它不适合需要实时交易数据或学术引用的严肃科研场景。
Deep Research 到底是什么？先看官方说法
很多人第一次听说”深度研究”，以为它就是”联网版的 AI 问答”。但 Deep Research 和普通联网问答的区别挺大的：普通联网问答是”搜一次、答一次”，而深度研究是”规划—检索—阅读—对比—再检索”的多步工作流，整个过程可能持续好几分钟，最后交出来的是一份结构化报告，而不是一段聊天回复。
LM Station 官网把 Deep Research 定位为”For analysts, teachers, students, and researchers”——面向分析师、教师、学生和研究者，核心能力是多步联网研究与对比（multi-step web research and comparison），输出结构化报告。这次实测，我就用 iPhone 上的 AI 深度研究 App LM Station，从头到尾跑一次完整的深度研究，看看到底值不值得用。
实测：用 LM Station 做一次完整的深度研究
这次实测的设备是一台 iPhone，用的就是大家熟悉的聊天式界面。下面是完整的五个步骤。
- 打开 LM Station，找到 Deep Research 入口。LM Station 是一个 iPhone、iPad、Mac 通用的 AI 工作台，App 里既能切换 20 多个云端模型，也能接本地 Ollama。Deep Research 作为一个独立的研究功能入口放在 App 内（据开发者介绍，LM Station 累计下载已突破 100 万，功能入口随版本更新可能有微调，找不到的话在功能列表或搜索里找”深度研究”即可）。进入后界面很简单：一个大输入框，写你的调研问题。
- 写一个足够具体的调研问题，这是最关键的一步。不要写”我想了解 AI”，要写”2026 年 iPhone 上可用的本地大模型方案有哪些？从模型尺寸、隐私、成本三个维度对比”。我的经验是：问题里最好包含时间范围（比如”2026 年”）、对比维度（价格、性能、隐私）和使用场景（iPhone、学生、预算有限）。问题越具体，研究质量越高——这点和平时跟 AI 聊天完全相反，平时聊天越随意越好，深度研究越具体越好。
- 提交后等待多步研究完成。这是 Deep Research 最有”研究味”的一段：App 会先展示它的研究计划——把大问题拆成 4~6 个子问题，然后逐个联网检索、阅读网页、提取关键信息，不同来源之间还会交叉验证。整个过程在 iPhone 上大概需要几分钟，取决于问题的复杂度。你可以锁屏去做别的事，报告生成好之后会通知你。
- 读报告：看结构，而不是只看结论。生成好的是一份结构化报告，一般包含这几部分：开头是执行摘要（一两段讲清核心结论），接着是分主题的详细分析，每个主题下有要点和对比，最后附信息来源。读这类报告的正确姿势是先看摘要判断方向对不对，再跳到你关心的章节细读，而不是从头到尾逐字读——它本质上是一份”调研底稿”，不是定稿。
- 追问迭代，让报告变成你的报告。第一版报告出来后，直接在下面追问：”把成本对比部分展开，补充具体价格””删掉不适合中国用户的方案”——Deep Research 支持在已有研究基础上继续深挖。我实测下来，第二轮追问的质量往往比第一轮更高，因为它已经有了完整的信息上下文。
报告长什么样？三个真实体验细节
细节一：它真的会”对比”，而不是罗列。普通 AI 回答倾向于把搜到的东西堆在一起，Deep Research 的报告里会出现明确的对比结构——比如把几个本地大模型方案按隐私、成本、上手难度打分排序。这正是官网说的”research and comparison”：对比是内置能力，不是你追问才加的。
细节二：来源是可查的。报告末尾会列出引用的信息来源，关键论断旁边能看到依据。写报告、做选型时，这个特性很实用：你可以顺着来源链接自己去验证，而不是盲信 AI 的一面之词。当然，重要数据（比如价格、发布时间）还是建议自己点开原文确认一次。
细节三：中文报告质量可用。实测中我用中文提问，整份报告是中文输出，术语翻译基本准确，没有出现机翻腔。对于需要写中文调研报告的人来说，这意味着底稿可以直接用，只需要做事实核对和文字润色。
三个实用技巧：让深度研究好用一倍
- 技巧一：先让它出大纲，再让它写全文。如果调研问题很大（比如”新能源车选购全攻略”），先问”先给我一份研究大纲”，确认大纲覆盖了你关心的维度，再让它按大纲深入。这能避免它花十分钟研究了一个你根本不关心的方向。
- 技巧二：把”排除项”写进问题里。比如”对比三款 AI 笔记 App，不考虑需要科学上网的”，或者”预算 3000 以内”。排除项写得越清楚，报告的信噪比越高——深度研究不怕条件多，就怕条件模糊。
- 技巧三：研究完自己的文档，用知识库接着问。LM Station 还有 RAG 知识库（Knowledge Backpack）功能，可以把自己的 PDF、文档导进去变成可问答的知识库。我的 workflow 是：先用 Deep Research 做公开信息调研，再把报告和自己的资料一起丢进知识库追问，相当于给研究报告配了一个”私人研究员”。对这部分感兴趣的可以看昨天这篇 iPhone 本地大模型实测，里面也提到了 LM Station 本地能力的用法。
它的边界：这三种情况别指望它
说实话，Deep Research 不是万能的。有三种情况我不建议用它：第一，需要实时数据的场景，比如股票实时行情、机票价格——它的检索有延迟，做不了实时交易决策；第二，严肃的学术引用，报告里的来源是网页层面的，不能替代论文数据库和规范引用；第三，高度专业的小众领域，比如某个细分行业的法规细节，它的检索覆盖可能不够深，这时候请教真人专家更靠谱。认清边界，才能用得顺手。
适合谁：我的结论
实测下来，LM Station 的 Deep Research 最适合三类人：经常要写调研报告、竞品分析的上班族和学生，它能帮你几小时的工作压缩到几十分钟出一份可用底稿；做选购决策的人，比如选手机、选 SaaS 工具、选留学方案，对比结构天生适合这类问题；内容创作者，写稿前快速建立对一个领域的全景认知。不适合的人：追求实时数据的人、做学术论文的人，以及完全不想做事实核对、想直接”交卷”的人——深度研究给你的是高质量的底稿，不是免检的成品。
如果你更关心”一个 App 里切换 20 多个云端模型是什么体验”，可以看今天的另一篇：LM Station 20+ 云模型聚合实测。想下载试试的话，App Store 搜索 LM Station 即可，官网是 lmstation.ai。
FAQ：关于 LM Station Deep Research 的常见问题
Q1：Deep Research 和普通 AI 联网问答有什么区别？
普通联网问答是搜一次答一次，适合简单事实查询；Deep Research 是多步工作流——自动拆分子问题、多轮检索、交叉对比，最后生成结构化报告，适合需要系统性调研的复杂问题，耗时也更长（几分钟）。
Q2：在 iPhone 上用 Deep Research 需要什么配置吗？
不需要。Deep Research 跑的是云端模型能力，不依赖本地算力，普通 iPhone 安装 LM Station 后即可使用。和 LM Station 的本地 Ollama 功能（见这篇本地大模型教程）是两套独立能力，一个管隐私本地推理，一个管联网深度调研。
Q3：Deep Research 生成的报告可以直接用吗？
建议当作高质量底稿使用。报告结构完整、来源可查，但关键数据（价格、时间、政策）最好点开来源链接核对一次，尤其是要对外发布或用于决策的内容。我的习惯是：AI 出底稿，真人做核对和定稿。
利益相关：LM Station 为本站团队开发的产品，本文为官方分享。
