Инструменты исследования

Чем вести правовое исследование: режим deep research в чате, приемы работы с ним и агентные системы с доступом к первоисточникам.

Дата составления: 2026-09-04
Статус: 💡 Актуально

Deep research: базовый режим исследования

Deep research («глубокое исследование») — это не поиск, а короткий агентный цикл внутри обычного чата. Он был первой массово доступной агентной функцией и остается самым простым способом провести исследование: никакой сборки не требуется, режим включается кнопкой в интерфейсе.

Как это устроено

Механика у всех сервисов принципиально одинаковая:

  • Планирование. Модель уточняет задачу (часто — встречными вопросами) и строит план исследования: разбивает вопрос на подзадачи и намечает структуру будущего отчета.

  • Сбор. Дальше она сама формулирует серию поисковых запросов, открывает найденные страницы и читает их. В продвинутых реализациях подзадачи расходятся по параллельным субагентам, каждый из которых работает со своим куском.

  • Оценка пробелов. После каждого круга модель сверяет собранное с планом, замечает, чего не хватает, и при необходимости запускает новые запросы. Именно эта петля отличает режим от обычного веб-поиска.

  • Синтез. В конце все собранное сводится в структурированный отчет с нумерованными ссылками на источники.

Те же принципы (план, инструменты, петля проверки, синтез) лежат в основе агентных систем из последнего раздела статьи — дипресерч можно считать их упрощенной, «упакованной» версией.

Где он есть

По состоянию на сентябрь 2026 режим есть у всех фронтирных сервисов. Разработчики описывают свои реализации так:

  • Gemini — запустил режим первым, в декабре 2024 года, и представил его как первую агентную функцию сервиса. Отличительная черта — план исследования показывается до запуска, и его можно поправить; старшая версия режима рассчитана на длинные автономные прогоны;

  • ChatGPT — заявлены сотни источников и от 5 до 30 минут работы: режим ведет многошаговое исследование и по ходу меняет направление в зависимости от найденного;

  • Perplexity — заявлены десятки поисковых запросов и сотни прочитанных источников за 2–4 минуты, с нумерованными ссылками в ответе;

  • Claude — ведущий агент раскладывает вопрос на подзадачи и запускает параллельных субагентов; искать может не только в открытой сети, но и в подключенных источниках — рабочей почте, документах и MCP-коннекторах.

На вопросах по российскому праву разница между сервисами на практике оказывается меньше, чем в описаниях, поэтому надежнее проверить их на своей задаче — тем более что параллельный прогон в двух-трех сервисах полезен и сам по себе.

Отдельно стоит NotebookLM: режим deep research там есть, но он ищет по интернету, а не анализирует загруженные вами источники. Ценность в другом — результат исследования и все источники, на которые он ссылается, одним действием добавляются в блокнот и дальше разбираются уже как ваши материалы.

Ограничения

  • Российские источники. Модель берет то, что открыто лежит в сети: обзоры юридических фирм, статьи, новости, тексты с открытых площадок. Ни справочно-правовые системы, ни закрытые картотеки в этот периметр базово не входят, поэтому по российскому праву дипресерч дает обзор темы, но не заменяет работу в системе.

  • Убедительность отчета. Готовый отчет выглядит достовернее, чем он есть: часть ссылок может не подтверждать тезис, рядом с которым стоит, часть — не открываться вовсе, а актуальность редакций не гарантируется ничем.

Лайфхаки

Приемы, которые участники сообщества используют поверх базового режима.

  • Пусть ИИ напишет задание для ИИ. Прежде чем запускать исследование, стоит описать модели задачу и попросить составить техническое задание или промпт для дипресерча — а затем прочитать и поправить его самому. Общие приемы — в статье Промптинг.

  • Задавайте структуру исследования до запуска. «Полный» дипресерч — это не отправленный в одну строку вопрос, а заданные заранее рамки: что нужно получить на выходе, из каких источников, нужен ли сравнительный анализ и по каким критериям. План, который предлагает сервис, почти всегда стоит поправить перед стартом.

  • Запускайте несколько независимых прогонов. На совсем новой теме один и тот же запрос отправляют сразу в два-три сервиса, а результаты сводят вручную. Выборки источников у разных моделей заметно расходятся, и расхождение само по себе информативно: там, где отчеты противоречат друг другу, скорее всего и находится спорный вопрос.

  • Просите отчет о ходе поиска. Перечень запросов, которые модель использовала, — готовая шпаргалка: те же формулировки потом вводятся в справочно-правовую систему руками.

  • Разносите этапы по чистым контекстам. Разведку, разбор нормативки и сборку выводов лучше делать в разных чатах: так предыдущие рассуждения не тянут модель к уже сделанным выводам.

Исследование агентными системами

Верхняя ступень — когда исследование выполняет не режим внутри чата, а собранная под задачу обвязка: инструкции, набор инструментов, доступ к источникам и логика запуска субагентов. Что это такое и из чего состоит — в статье Харнесс.

Готовые решения

  • Hyperresearch — набор скиллов, превращающий Claude Code в исследовательского агента. Конвейер из шестнадцати шагов, где собранное проходит состязательный аудит: отдельные шаги ищут противоречия между источниками, спрашивают «какой источник опроверг бы этот вывод», отсеивают перепечатки одного и того же сообщения и сверяют, действительно ли каждая цитата есть в источнике дословно. Все прочитанное складывается в локальное хранилище, поэтому следующая сессия стартует с накопленной базой. Простые вопросы проходят по короткому маршруту примерно за полчаса, полный прогон занимает полтора-два с половиной часа и заметно расходует лимиты.

  • Memoforge Григория Москалева — мультиагентный плагин для Claude Cowork и Claude Code, воспроизводящий работу небольшой команды: аналитик уточняет недостающие факты, несколько исследователей параллельно собирают первоисточники, отдельный шаг проверяет актуальность найденного, автор пишет черновик, пятеро рецензентов атакуют его с разных сторон, а замечания сводятся и отрабатываются в нескольких кругах правок. На выходе — мемо в .docx со сносками и полным перечнем использованных источников. Стиль настраивается по вашим образцам; текст мемо при этом выходит на английском.

Свои конвейеры

Самосборные решения в сообществе строятся вокруг двух идей.

Первая — зашитый порядок действий вместо длинного промпта: скилл описывает, в какой момент агент задает юристу уточняющие вопросы, как меняется дальнейший маршрут в зависимости от ответов и когда результат можно считать достаточным. Такие скиллы переиспользуются на каждом новом вопросе, и качество исследования перестает зависеть от того, насколько удачно сформулирован разовый запрос.

Готовый пример — скилл «Найди свои неизвестные» Николая Божкова. Он включается на расплывчатых и многошаговых задачах и заставляет модель остановиться там, где в постановке пробел, вместо того чтобы достроить его правдоподобной догадкой. Для исследования важна встроенная развилка: если ответ существует снаружи — в законе, практике, у регулятора, — скилл не подменяет собой поиск, а сужает вопрос и передает его в дипресерч. В архиве — сам скилл, инструкция по установке, полный текст методики и схема работы.

Вторая идея — сборка всего цикла под одну команду: нормы, разъяснения и практика собираются по цепочке, а на выходе получается справка со ссылками, которую юрист проверяет. О том, как раскладывать такие цепочки на субагентов, — в статье Оркестрация и субагенты; о сборке самих скиллов — в статье Скиллы и плагины.

Усиление поиска

Сам по себе агент ищет там же, где и обычный чат, — в открытой сети. Дотянуться до качественных источников ему дают три механизма:

  • MCP-коннекторы — подключение модели напрямую к источнику, чтобы она обращалась к реальной выдаче, а не восстанавливала ее по памяти. В сообществе собраны коннекторы к Судакту и к практике по рекламным делам;

  • Браузерные агенты — расширения, которые ходят по сайту справочно-правовой системы под вашей платной подпиской, вводят запросы и отбирают документы. Как их заставить действительно искать, а не отвечать по памяти, разобрано в статье Работа с судебной практикой;

  • Свой RAG — собственная база из заранее отобранных материалов, по которой агент ищет вместо интернета. Оправдан, когда вы возвращаетесь к одной и той же теме постоянно: разовое исследование дешевле провести без него.

Цена верхней ступени — время на настройку и расход лимитов. Смысл она приобретает тогда, когда исследования по близким темам повторяются, и обвязка окупается на второй-третьей задаче.

Связанные статьи

  • Принципы и алгоритм — порядок работы над незнакомым вопросом и требования к проверке результата

  • Работа с судебной практикой — браузерные агенты в справочно-правовых системах и просеивание выборок

  • NotebookLM — разбор собранного корпуса источников со ссылками на страницы

  • Perplexity — поисковая надстройка и ее агентные продукты

  • Плагины от сообщества — коннекторы и скиллы, собранные участниками

  • Скиллы и плагины — как собирается собственный исследовательский конвейер

  • RAG — своя база источников вместо поиска по интернету

Дополнительные материалы

  • Видео выступления Юлии Якименко о дипресерче — доклад на конференции Runetlex AI Conf

  • Hyperresearch — набор скиллов, превращающий Claude Code в исследовательского агента с состязательным аудитом источников

  • Memoforge — плагин Григория Москалева для подготовки юридического мемо в Claude Cowork и Claude Code, с готовым файлом и перечнем источников на выходе

Теги: #правовые-исследования #deep-research #агенты #инструменты