知识工作者的办公活里，AI 能插手的地方越来越多，工具也分了三类：带深度研究的对话式大模型（Kimi、ChatGPT、Gemini），写代码的智能体（Claude Code、Codex），面向职场的办公智能体（腾讯 WorkBuddy 等）。拿写竞品调研报告来说，这类活信息大多在网上、交付物是一份文档，到底该交给哪一类，正是这篇文章要回答的。
要回答它，得先看清任务本身的链路。一份竞品报告要经历明确范围、检索信息、阅读评估、交叉综合、排版交付五个环节，前四个是"信息综合"，最后一个是"文件产出"。不同工具卡在不同环节，选型就是看哪个环节是你的瓶颈。
三类工具，三套逻辑
市面上的 AI 工具大致分三类，它们优化的主战场完全不同。
第一类是对话式深度研究工具。Kimi 深度研究、ChatGPT Deep Research、Gemini Deep Research 本质是自主研究智能体：你抛出问题，它自己澄清意图、规划检索、阅读来源、迭代推理，最后吐出带引用的长文。Kimi 平均每个任务规划 74 个关键词、访问 206 个网址，筛出质量最高的前 3.2% 才落笔。这套链路就是为调研报告长的。
第二类是 Coding Agent。Claude Code、Codex 的设计目标是读写代码库、跑命令、提 PR，核心能力在操作终端与代码仓库。它们做文档任务是溢出的——实测把文件整理从 240 分钟压到 30 分钟，厂商多案例平均省下 76% 的工时，单案例最高达 94%。前提是你能用得了终端。
第三类才是 2026 年成形的办公 Agent，WorkBuddy、月之暗面 Kimi Work、阿里千问办公、字节豆包工作都在这条线。它们把 Coding Agent 的执行力搬到桌面，面向不写代码的职场人。WorkBuddy 和 Claude Code、Codex 不属一类：前者解决"对话式 AI 只给建议不干活"，后者是给开发者的。
选型的第一性原理：信息在哪，产出是什么
把五个环节逐一对号入座，结论很清楚：报告的信息源越偏向公开网络，越该用深度研究工具；信息源越偏向本地文件和内部数据，越该用 Coding Agent 或办公 Agent；产出物越偏向能跑起来的东西（看板、网页、自动化流程），越该用 Agent 类工具。
一份纯靠公开资料拼的竞品分析，用 Kimi 深度研究一次跑完，10 到 25 分钟出初稿，省掉的是传统上几天的人工检索阅读。可一旦要把竞品价格拉进公司自己的销售表做交叉、批量出图、套企业模板，深度研究工具就露怯——它导得出 Word 和 PDF，处理本地数据不是它的活。这时候 Claude Code 或 WorkBuddy 反而更顺手。
值得注意的是，模型层的智力差距已不是选型变量。OpenAI 的 GDPval 基准测真实职场任务，头部模型"不输人类专家"的比例从 2025 年的 47.6% 爬到 2026 年的 83.0%；深度研究的 HLE 基准上，头部模型集中在 47% 到 59%。模型本身不再是决定性因素，拉开差距的是为这条任务链路做了多少优化。
被低估的"摩擦税"
Coding Agent 用在办公上，最大的隐性成本是门槛。非技术用户想用 Claude Code，得先开终端、装 Node.js、配 API 密钥，再在命令行里对话。它的能力非程序员其实也能用，但使用方式对非程序员并不友好：报错看不懂、不适合边做边改、描述不精准就得多轮返工，每一步都在劝退。
办公 Agent 正是来抹平这层摩擦税的。WorkBuddy 主打零部署开箱即用，微信、企业微信都能远程下指令；Kimi Work 一个对话框调度整个桌面工作流，新用户很快就能完成首次体验。不过也要冷静：办公 Agent 生成一份 PPT 看着很快，不等于很快就能交付，配置、等待、核查、返工都得算进总成本；深度研究工具同理，25 分钟出报告也得人工核关键事实才敢发。
国内办公 Agent 市场在 2026 年格外热闹。WorkBuddy 3 月上线，上半年桌面端访问量 2097 万次居首；阿里千问办公 8 月公测，30 天用户破 3000 万，过半是企业用户；字节把飞书并进豆包，拿 3.82 亿月活往办公场景迁。四条路线分明：WorkBuddy 拼入口，Kimi Work 拼深度，千问办公拼 B 端，豆包工作拿 C 端反哺 B 端。
避不开的引用幻觉：AI 起草，人工核查
调研报告的核心资产是事实可信度，而这恰恰是 AI 的共性短板。2026 年一项覆盖 10 个商用模型的大研究发现，引用 URL 的幻觉率（凭空编的链接）在 3% 到 13.3% 之间，无法解析的链接占 5% 到 18.5%；有意思的是，深度研究 Agent 生成的引用数量远多于普通模型，幻觉率却最高——Gemini 2.5 Pro Deep Research 达 13.3%，OpenAI 是 3.5%，Claude 系列最低，3.0% 到 3.2%。引用多不代表引用准，检索架构比输出数量更要紧。
另一项学术检索研究里，Deep Research 的参考文献错误率仍有 26.57%，超四分之一的引用在标题、DOI、作者或日期上出错；还有实测发现 Gemini 估算市场规模时，直接用会计软件市占率乘企业总数，忘了其中一半企业根本不用会计软件。无论选哪类工具，"AI 起草加人工核查关键数据点"这步都省不掉。 好消息是，深度研究带来的可点击引用，让核查成本远低于传统人工调研。所以与其纠结选哪家，不如先把核查流程固化下来。
结语：选工作流，别选产品
对大多数知识工作者，更务实的做法是分阶段接力：深度研究工具拿公开信息出初稿，Coding Agent 或办公 Agent 做本地交叉、出图、套模板，最后人抽查那决定结论的关键数据点定稿。不过也别把接力想复杂——若报告只依赖公开资料，一个深度研究工具或 WorkBuddy 这类集成式办公 Agent 已能包圆；只有当任务要接本地数据、套企业模板、跑自动化流程时，才值得把"执行腿"交给 Coding Agent 或办公 Agent 接力。这套接力的经济账很清楚：深度研究把原本几天的检索阅读压到几十分钟，Agent 类工具再砍掉整理、处理环节的一大半工时，人的时间集中在最值钱的核查与判断上。
三条路线正在收敛。ChatGPT 桌面端合成了 Chat、Work、Codex 三种模式；Kimi 用"深度研究、Kimi Work、Kimi Code"覆盖调研到执行；字节把豆包和飞书工作流打通。大厂在 2026 年夏几乎同时调整架构，把办公 Agent 定为接下来的主攻方向。今天的选型，选的是工作流习惯，不是某个固定的产品。 能带走的资产只有两样：把需求描述清楚的能力，和核查 AI 产出的习惯。工具会继续分了又合，但"AI 起草、人类判断"这副分工，短期内不会变。
