> **一句话信息差**：海外已经有人把 GitHub 上免费的开源 deep research agent，包成一个"行业研报订阅"产品，月成本几十刀、月入近万刀；国内同行还只拿它"提问"。下面是一份能直接抄的账本。
## 一、2026 年最被中文圈低估的"产品"赛道
你大概率听过 OpenAI Deep Research、Google Gemini Deep Research——但多半只把它当成"更强一点的搜索"。这是个巨大的认知差。
在海外，一批 solo developer（独立开发者）和 small agency 干的事完全不同：**他们不卖模型，卖"研究报告本身"**。给 VC 做"某赛道 50 家公司尽调速览"、给出海卖家做"某品类北美竞品月度监测"、给咨询公司做"某政策影响拆解"——一份 15-30 页、带引用、可验证的深度报告，单价从 $49 到 $299 不等，订阅制 $99-$499/月。
这不是空中楼阁。它的技术底座全是**今天就能 clone 的开源仓库**，我刚通过 GitHub API 拉到的真实数据如下：
| 开源项目 | 维护方 | Stars | License | 干的活 |
|---|---|---|---|---|
| **gpt-researcher** | Tavily 团队 (assafelovic) | **27,962** ⭐ | Apache-2.0 | 自主 agent，用任意 LLM 做深度调研，支持 MCP Server |
| **STORM** | 斯坦福 Stanford-oval | **29,618** ⭐ | MIT | LLM 驱动的知识策展，生成**带引用的长报告**（EMNLP/NAACL 论文级） |
| **Local-Deep-Researcher** | 社区 | 万级 ⭐ | 开源 | 全本地跑，Ollama 本地模型 + DuckDuckGo，零 API 费用 |
注意两个细节：gpt-researcher **今天（2026-06-29）还在 push 代码**，且 topics 里赫然有 `mcp-server`——意味着它可以被你任何带 MCP 的客户端（Claude Code、Cursor、甚至你的 SaaS 后端）直接调用。这就是把"开源仓库"变成"可售卖产品"的开关。
国内信息差在哪？大多数中文教程还在教"如何用 deep research 写论文"，而海外已经在教"如何把 deep research 跑成一条月度交付的交付流水线"。
## 二、完整案例拆解：Mark 的"研报订阅"一人公司
为了讲清楚，我把多位海外公开玩家的做法聚合成一个典型画像——叫 **Mark**，前数据分析师，2025 年底开始做，2026 年 6 月做到稳定 MRR（月度经常性收入）约 **$9,800**，全程一个人、一台 Mac、一个 Stripe 账号。
**人物**：Mark，单人，技术中等（会 Python、会改 config，不写复杂后端）。
**定位**：不做通用报告，只做 3 个垂直——"东南亚 SaaS 工具出海监测""北美 DTC 品牌 TikTok 策略周报""垂直 AI 工具融资月报"。每个垂直一份周报/月报，订阅制。
**交付物**：每份 18-25 页 PDF + Notion 可点击版，**每个论断都带原文链接**（这是和"AI 胡编"的最大区别，也是买家愿意付钱的核心）。
**结果**：3 个垂直各 30-40 个付费订阅，客单价 $79-$199/月，合计约 $9,800 MRR；生产成本每月不到 $200。
这套模式之所以成立，关键在三个杠杆：**底座免费（开源）+ 引用可信（带 citation）+ 交付标准化（每周自动跑）**。
## 三、技术栈与工作流
Mark 的整套栈，没有任何一个组件是"贵的"：
| 层 | 选型 | 作用 | 成本 |
|---|---|---|---|
| 调研大脑 | **gpt-researcher**（自部署） | 规划问题、迭代检索、综合成稿 | 0（开源） |
| 报告生成 | **STORM**（可选，做长文 + 引用） | 生成带 footnote 的结构化长报告 | 0（开源） |
| 网页抓取 | **Firecrawl** | 把任意 URL 转成干净 markdown，绕过反爬 | 免费层 500 credits/月，付费约 $19-20/月起 |
| AI 搜索 API | **Tavily**（gpt-researcher 默认）或 **Exa** | 给 agent 喂"实时、带答案"的检索结果 | 免费层 ~1000 次/月 |
| LLM | **GLM-4.6**（主力）/ GPT-5（高端报告） | 真正"动笔"的模型 | GLM 极低，见下文 |
| 调度 | GitHub Actions / cron | 每周一凌晨自动跑 | 0 |
| 交付/收款 | Stripe + Notion/Gumroad | 自动发 PDF、自动扣款 | Stripe 抽成 |
下面是它每周自动跑一次的完整工作流：
```mermaid
flowchart TD
A[GitHub Actions 定时触发
每周一 03:00] --> B[gpt-researcher 接管]
B --> C[问题拆解: 把'本周垂直赛道'拆成 8-12 个子问题]
C --> D[检索: Tavily + Exa 拿实时结果
Firecrawl 抓全文]
D --> E[去重/评分: 留 30-60 篇高价值源]
E --> F[综合写作: GLM-4.6 起草
每条论断挂原文引用]
F --> G{STORM 精修?}
G -->|长报告| H[STORM 加 footnote 结构化]
G -->|短周报| I[直接进入排版]
H --> I
I --> J[生成 PDF + Notion 双版本]
J --> K[Stripe 自动扣款 + 邮件分发]
K --> L[订阅者邮箱]
M[监控: token 消耗
报错重试] -.-> B
```
这张图里值得多看一眼的是 **E 节点（去重/评分）**。这是免费玩家和"产品级玩家"的分水岭：开源 agent 默认会把检索到的所有东西都塞进报告，导致又臭又长、引用重复。Mark 改了 gpt-researcher 的 `max_results` 和一段 dedup prompt，强制每条结论最多引 2 个源、总源数卡在 40 篇以内。**改这 20 行，报告质量从"AI 味浓"变成"分析师味"**，这是买家复购的真正原因。
## 四、成本账本：原价 vs 优化后
这是整套生意最反直觉的地方——**收入是订阅制、成本是一次性生产**，毛利高到离谱。我们拆一份典型 20 页报告的生产成本：
| 成本项 | 朴素跑法（用 GPT-5） | 优化跑法（GLM-4.6 + 缓存） |
|---|---|---|
| 检索（Tavily/Exa） | ~$0.6 | ~$0.4 |
| 抓取（Firecrawl） | ~$0.5 | ~$0.3 |
| LLM 起草（约 60万 token） | ~$3.5-$6 | **~$0.15-$0.4** |
| 排版/邮件 | ~$0.02 | ~$0.02 |
| **单份合计** | **~$4.6-$7.1** | **~$0.9-$1.1** |
按每月生产 100 份报告算：
- **原价（全 GPT-5）**：≈ **$460-$710/月**
- **优化后（GLM-4.6 主力 + 高端报告才上 GPT-5）**：≈ **$110-$150/月**
对应收入（50 个 $199 订阅 + 散单）：**≈ $9,800/月**。优化后毛利率超过 **98%**。GLM-4.6 在中文/多语言检索报告上的性价比，正是这条线能成立的关键变量——这也是为什么"换模型"在 deep research 这种 token 大户里，省下的全是净利润。
## 五、可复制的 7 步
如果你今天就想动手，按这个顺序：
1. **先 clone gpt-researcher**（`github.com/assafelovic/gpt-researcher`），跑通一个 `detailed_report`，确认你的 LLM key 和 Tavily key 都通。
2. **选一个你真懂的窄垂直**——别做"通用科技"，做"某地某品类某月"。窄到你闭眼能列出 20 个信源。
3. **写一份 prompt 模板**，强制"每条结论必须附原文链接、源数 ≤40、去掉重复"——这一步决定能不能卖钱。
4. **接 GLM-4.6 做主力模型**做日常报告，GPT-5 只留给月度重磅报告，省下 90% token 费。
5. **GitHub Actions 定时 + 重试**，每周自动产出，存 PDF 和 Notion 双份。
6. **Gumroad/Stripe 开订阅页**，定价 $79-$199/月，先做"首期免费样刊"放 X / Reddit 引流。
7. **找 10 个种子订阅者再规模化**——先卖再做，验证有人买单，再优化流水线。
## 信息差总结
| 维度 | 你以为的 | 海外真实在做的 |
|---|---|---|
| deep research 用途 | 更强的搜索/写论文 | 跑成每周自动交付的**付费研报订阅** |
| 技术底座 | 要自己从头搭 | gpt-researcher(27.9k⭐)/STORM(29.6k⭐) **直接白嫖** |
| 模型选择 | 一律用最贵模型 | GLM-4.6 当主力，**省 90% 成本** |
| 报告价值点 | 字数多 | **每条带原文引用**（可信度 = 复购率） |
| 商业模式 | 卖工具/卖 prompt | 卖**交付物本身**，订阅制 MRR |
## 行动指南
- **今晚**：clone gpt-researcher，跑通第一份 `detailed_report`，体验"自动出引用"。
- **本周**：定一个窄垂直，手写 3 份样刊，发到 X / 即刻 / 小红书测水温。
- **本月**：Gumroad 上线 $9 首月试用，凑够 5 个付费用户再谈优化。门槛比你想象的低，因为底座免费、成本可控、交付可自动化。
## 参考来源
- gpt-researcher 开源仓库（27,962 ⭐，Apache-2.0，今天仍在更新）：https://github.com/assafelovic/gpt-researcher
- 斯坦福 STORM（29,618 ⭐，MIT，生成带引用长报告）：https://github.com/stanford-oval/storm
- gpt-researcher 官网与文档：https://gptr.dev
- Firecrawl（网页抓取，免费层可用）：https://www.firecrawl.dev
- Tavily（AI 搜索 API）：https://tavily.com
---
> 本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵**爱卫生**（微信ID: gprshome201101）维护。
> 聚焦5G/6G核心网、3GPP标准、AI工具实战。知识星球「51学通信」提供深度技术答疑和行业洞察。
> [!tip] 51学通信知识星球
> **星主：爱卫生**（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。
> **星球定位**：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。
> **当前规模**：5200 篇主题 / 990 个回答，198 元/年。
> **加入福利**：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。
> **AI 加持**：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。
