第4章 You.com Research API 详解
APIs Research API Research API 概述
通过 MCP 将 You.com 集成到 Agent 或 IDE 中，连接端点为 https://api.you.com/mcp。你可以无需注册，直接在 https://api.you.com/mcp?profile=free 上试用 search 功能（支持 you-search 和 you-discover）。Research 和 Finance 功能使用 /mcp/research 和 /mcp/finance，或者在 /mcp 路径后添加 ?tools= 参数。参考 MCP Server 指南 →
安装 Docs MCP Server Docs MCP Server 允许 Agent 搜索整个文档库。免费使用。安装地址：https://you.com/docs/_mcp/server。查阅 Docs MCP Server 指南了解更多详情。
什么是 Research API？ Research API 针对复杂程度各异的问题，返回基于事实依据的自然语言回答。 它会执行多次搜索、处理结果、交叉核对来源，并将所有内容综合成详尽的、带有行内引用的 Markdown 格式答案。 当你需要结构化响应时，也可以定义 output_schema 来获取结构化的 JSON 输出。 提出高难度问题，获得带来源的调研答案。
端点 每个 API 都有独立的端点。所有请求都必须在 X-API-Key 头部中发送你的 API 密钥。
API | 端点 | 指南 | API 参考 Web Search API | POST https://ydc-index.io/v1/search (也支持 GET) | 概述 | /v1/search Contents API | POST https://ydc-index.io/v1/contents | 概述 | /v1/contents Answer API | POST https://api.you.com/v1/answer | 概述 | /v1/answer Research API | POST https://api.you.com/v1/research | 概述 | /v1/research Finance Research API | POST https://api.you.com/v1/finance_research | 概述 | /v1/finance_research
Answer、Research 和 Finance Research API 仅运行在 api.you.com 上。将上述路径发送到 ydc-index.io 会返回 403 错误，内容为 {"message": "Missing Authentication Token"}，即使密钥有效也是如此。
与 Search 有何不同 Web Search API 和 Research API 通过提供不同的输出来服务于不同的目的：
维度 | Web Search API | Research API 输入 | 查询及若干搜索参数（数量、语言、提取等） | 查询、研究力度、来源控制、可选的输出 schema 你获得的内容 | 原始搜索结果（URL、摘要、元数据） | 带行内引用的自然语言答案或结构化 JSON 对象，外加搜索结果 处理 | 原样返回结果，由你自行处理 | 系统为你阅读、推理并综合结果 速度 | 快——单次搜索往返 | 可变——涉及多次搜索和推理步骤 控制权 | 完全控制结果的使用方式 | 控制深度、来源、时效性、地理位置及响应形态 最适合场景 | RAG 管道、自建搜索 UI、数据收集 | 利用多来源回答复杂问题
当你希望获取原始结果以注入自有管道时，请使用 Web Search API。当你希望获得基于来源的即用型答案时，请使用 Research API。如果任务是一次性带引用的答案、已知 URL 或金融优化索引，参考“选择正确的 API”可将这些任务映射到 Answer API、Contents API 和 Finance Research API。
工作原理 Research 作为一个智能体系统运行，自主规划并执行针对你问题的多步骤研究策略。 以 Search、Contents 和 Live News 作为检索原语 Research 使用 You.com 的 Search、Contents 和 Live News API 作为核心工具。 系统不为每个子问题发送通用的网络查询，而是为每个子问题选择正确的工具——用 search 进行发现，用 contents 进行深度页面阅读，用 live news 获取时效性信息，还有其他内部工具，以生成尽可能好的答案。 这种针对性的工具选择减少了无效调用，并让推理模型在每个步骤中获得更干净的输入。 系统在将检索到的来源整合进答案前，还会评估其新鲜度、多样性和相关性。 大规模上下文管理 深度研究会生成远超单个 LLM 上下文窗口所能容纳的信息量。Research 采用上下文掩蔽和压缩策略，使其能在这些限制之外良好运行——在数百甚至数千轮中保持连贯推理，同时不丢失已发现、已验证以及待解决的内容。 在更高的力度级别下，单个查询可运行超过 1,000 轮推理并处理多达 1000 万 tokens。 基于预算的规划 系统接收由你选择的 research_effort 层级决定的计算预算。它围绕该预算规划方法，为验证模糊或高风险声明分配更多努力，并快速处理来源明确的事实。这是实现不同层级间延迟、准确性和成本权衡的机制。
你得到什么 每个 Research API 响应包含：
content: 默认为 Markdown 格式答案，若提供 output_schema 则为 JSON 对象。[[1, 2]] 等行内引用指向 sources 数组中的条目。 content_type: content 字段的格式。默认 Markdown 响应返回 text，结构化输出返回 object。 sources: API 阅读并在答案中引用的网页——每个条目包含 URL、标题和相关摘要。
{ "output": { "content": "## RISC-V vs ARM: 关键架构差异\n\nRISC-V 和 ARM 都是精简指令集架构，但在许可、扩展性和生态系统成熟度上有所不同 [[1, 2]]。\n\n### 许可\nARM 需要每芯片许可费，而 RISC-V 是开源且免版税的 [[1, 3]]...", "content_type": "text", "sources": [ { "url": "https://example.com/risc-v-vs-arm", "title": "RISC-V vs ARM: 技术对比", "snippets": [ "RISC-V 的开放 ISA 允许自定义扩展而无需许可谈判，使其对专用硬件具有吸引力。" ] }, { "url": "https://example.com/processor-architectures", "title": "现代处理器架构解析", "snippets": [ "ARM 成熟的生态系统包含三十多年来建立的广泛工具链和供应商支持。" ] } ] }}
功能 研究力度级别 research_effort 参数控制 API 为问题分配的计算量。力度越高，意味着更多搜索、更深入的来源阅读和更多交叉核对——代价是更长的响应时间。
层级 | 每 1k 价格 | 延迟 | 用例 lite | $12 | < 10s | 快速事实查询、简单搜索 standard | $50 | ~10–30s | 大多数生产用途的平衡深度（默认） deep | $100 | < 120s | 复杂的多来源研究与综合 exhaustive | $450 | < 300s | 跨数十个来源的综合分析 frontier | $1,200 | 仅限后台。30s–12000s (p50: 300s) | 长时程深度研究任务。需设置 background: true。
同步请求会保持连接直至运行完成。将 HTTP 客户端超时设置为高于层级的上限——deep 层级超过 120s，exhaustive 层级超过 300s——或者发送 background: true 并通过后台请求获取结果。 对于同一查询，不同层级的差异巨大。以下是针对问题“过去 10 年哪些全球城市空气质量改善最大，哪些可衡量的措施促成了这一结果？”的简略对比： research_effort = standard research_effort = exhaustive { "output": { "content": "全球评估表明，最近城市空气质量的最大改善集中在东亚、美国东部部分地区、欧洲和日本，在中国特大城市以及伦敦等实施严格交通排放控制的城市中表现尤为明显 [[1, 2, 3]]。\n\n1) 北京（中国）—— PM2.5 从 2013 年的 ~89–90 µg/m³ 降至 2017 年的 ~58 µg/m³（五年间下降约 35–36%），卫星和地面观测均有证据支持 [[4, 5]]。\n主要驱动因素包括煤炭淘汰、工业控制、更严格的车辆/燃料标准以及区域执法 [[6, 7, 8]]。\n\n2) 中国城市群（京津冀 / 长三角 / 珠三角）—— 中国人口加权 PM2.5 从 2013–2017 年下降约 32%，模型显示京津冀地区下降幅度最大（约 38%）；在 367 个城市中，观测到的 PM2.5 从 2013–2019 年下降约 44% [[9, 10]]。\n主要驱动因素是国家清洁空气行动计划、煤炭控制、工业结构调整和交通排放标准 [[7, 9, 10]]。\n\n3) 伦敦（英国）—— 伦敦实现了与 LEZ/ULEZ 政策相关的主要 NO2 减少，监测和建模研究显示 ULEZ 实施后下降加速，且相比无 ULEZ 情景有显著减少 [[11, 12, 13, 14]]。", "content_type": "text", "sources": [ { "url": "https://pubmed.ncbi.nlm.nih.gov/36356738/", "title": "过去二十年城市空气污染趋势：全球视角 - PubMed", "snippets": [ "在全球范围内，2000 年至 2019 年 PM2.5 暴露量略有下降……在美国东部、欧洲、中国东南部和日本观察到改善……" ] } ] }} exhaustive 响应识别了额外城市（如带有特定 UNEP 数据的首尔），包含更细致的测量数据（µg/m³ 范围、特定时间段内的百分比减少），并交叉引用更多来源以验证声明。 带引用的答案 响应中的每个声明都通过行内引用链接回特定来源。你的用户（或系统）可以通过追踪编号引用到 sources 数组来验证任何陈述。 Markdown 输出 content 字段以 Markdown 格式呈现，包含标题、列表和行内引用——可直接在 UI 中渲染或输入下游处理流程。 更多功能 功能 | 作用 来源控制 | 约束域名、新鲜度和国家 结构化输出 | 返回遵循 schema 的 JSON 而非 Markdown 后台请求 | 将长时间运行的研究入队，并轮询或流式获取结果
参数 参数 | 类型 | 必需 | 描述 input | string | 是 | 研究问题（最多 40,000 字符） research_effort | string | 否 | 研究深度：lite, standard (默认), deep, exhaustive, frontier source_control | object | 否 | Beta。通过域名、新鲜度和国家过滤器控制研究 Agent 可使用的来源。 output_schema | object | 否 | Beta。请求遵循支持的 JSON Schema 子集的结构化 JSON 输出。lite 层级不可用。 background | boolean | 否 | 当为 true 时，异步运行请求并返回任务句柄。轮询或流式获取最终结果。
查看完整 API 参考
常见用例 复杂问题解答 当无法从单一来源回答问题时——如对比分析、多因素评估、跨领域问题——Research API 为你处理综合工作。 “对比排名前 3 的向量数据库的定价模型及其在 1000 万文档集合中的权衡” 尽职调查和市场研究 快速收集经过验证的、带引用的关于公司、市场或技术的信息。带引用的输出提供了原始 LLM 生成无法提供的可追溯性。 内部工具和知识助手 构建内部研究工具，员工可以提出复杂问题并获得带来源的答案——产品对比、法规摘要、技术深入解析——无需手动阅读数十页文档。 内容创作管道 将 Research API 用作内容管道的第一步：提出研究问题，获得带引用的草稿，然后将其作为博客文章、报告或简报的素材。
最佳实践 根据问题匹配研究力度 不要对简单事实问题使用 exhaustive 或 frontier——lite 或 standard 会更快且更便宜。将 deep、exhaustive 和 frontier 留给那些彻底性和准确性证明其较长响应时间合理的复杂问题。 在高利害场景中验证引用 行内引用使验证变得简单明了。在法律、金融或医疗环境中，构建一个步骤，在将其展示给最终用户之前，通过引用 URL 确认声明。 使用结构化输入以获得更好结果 input 字段支持多达 40,000 字符。对于复杂的研究任务，包含上下文、约束或你希望覆盖的特定角度。范围明确的问题能产生更聚焦的答案。 对长时程任务使用后台模式 对于可能超过客户端超时的 deep 或 exhaustive 研究，设置 background: true 将请求入队并轮询或流式获取结果。这解耦了提交和检索，确保当研究耗时分钟而非秒时，工作进程仍保持响应。frontier 力度级别必须使用后台模式。
定价 Research API 定价按力度层级划分。查看 Billing 页面了解完整的分层定价和延迟信息。 更高级别分配更多计算资源用于更深入的推理、更多来源验证和更高准确性。参考上述研究力度级别表了解各层级的表现。 如需批量折扣、年付价格或企业功能，请访问 you.com/pricing 或联系 api@you.com。
试用 Research Agent 模板 查看一个规划、搜索、阅读并撰写带引用报告的可运行 Agent。
下一步 快速入门 发起你的第一个 Research API 请求 API 参考 完整参数参考、请求/响应 schema 和交互式游乐场 后台请求 将长时间运行的研究入队，并轮询或流式获取结果 结构化输出 返回遵循 schema 的 JSON 而非 Markdown
