# 研究軍團——Claude Code 配上 6 個特化工具，從 token 成本、搜尋引擎、覆蓋面三維度的研究升級

Claude Code 原生 Web Search / Web Fetch / 瀏覽器其實七七八八，但全丟給它跑會撞 token 成本、搜尋引擎、覆蓋面三件事。我把研究工具拆開、配成一支特化軍團——其中包含又一個 LLM 巨頭 Gemini CLI——token 消耗下降、可信度與覆蓋面提升一個檔次。

> 這篇寫於 2026 年 5 月。2026 年 6 月 18 日起，Gemini CLI 不能再用 Google AI Pro 帳號登入，起手包裡「有付 AI Pro 就走 OAuth」那條路已經不能用。看新版：《聊天最呆的那顆頭，口袋最深：Google AI Pro 每月 650 元裡很少人去領的東西》（https://be-ai-curator.com/blog/google-ai-pro-hidden-benefits-2026）

三天前的下午，我跑了一個事實查證任務——寫貼文前要確認 Voyage 的 200M 免費 tokens 是不是真的 "永久"。我問 Claude Code，它用 Web Search 給我一段不錯的摘要，但我點不到原始來源。換 Gemini grounding 同一題，他直接回我 8 個 raw URL list 跟引用片段，我可以一個個點開驗證。

就一個小動作，整個工作流的可信度上來了。

這幾天我把研究 (Research) 工作流拆開、配成一支特化軍團——其中包含繼串接了 Codex 後又一個 LLM 巨頭：Gemini CLI。下面是完整思路、為什麼這樣分工、跟一份起手包讓你照做。

### 沿革：Claude × Codex 之後的下一步

過去兩篇我寫了把 Claude Code 跟 Codex CLI 串起來、做雙 AI 工作流——Codex 補生圖跟 adversarial review、Claude Code 中央指揮。整套工作流跑出 [Post 17 機器人馬拉松](https://be-ai-curator.com/blog/claude-codex-image2-workflow) 的 9 張 carousel，後來也寫了 [雙 AI 起手包](https://be-ai-curator.com/blog/claude-codex-dual-ai-onboarding) 把整套接法寫成 paste-to-AI 模板。

這篇是接著的下一步——改造研究 (Research) 工作流。

為什麼挑研究當下一個改造目標？因為研究是一切的起源。蒐集資料就歪掉，後續產品搭建、文章、報告⋯一切都會跟著歪。地板與天花板都看研究。改造這一塊，後面所有產出都跟著升級。

### Claude Code 原生 baseline 七七八八

先誠實面對 baseline——Claude Code 原生其實**已經很強**。它有：

- **Web Search**：後端用 Brave Search（不是 Google／Bing），回 page titles + URLs。2026 還加了 dynamic filtering，先 filter 結果再進 context、省 token。
- **Web Fetch**：抓單個 URL 的內容回來解讀。
- **新版瀏覽器（Computer Use）**：Pro/Max 訂閱有，能控制 Chrome、跑互動式爬取（登入、點擊、跨頁）。
- **MCP 接入無數第三方**：包括 Google Workspace 官方 connector，能接 Drive / Gmail。

如果你用 Claude Code 寫文、查事實、找參考，它真的不需要外掛——大部分 case 它自己就解決了。

但全丟給它跑會慢慢浮出三件事。

![圖示三個：Token 成本、搜尋引擎、覆蓋面比較](https://be-ai-curator.com/images/blog/research-arsenal-onboarding-three-walls.png)

### 三維度撞牆：為什麼一支特化軍團贏通用工具

#### 維度一：Token 成本

每次 search、每次抓網頁，結果都會塞進你跟 AI 對話的「記憶體配額」（也就是 token，AI 看得到的文字總長度）。

高頻的研究任務——撞題比對、競品調研、寫稿前事實查證——一篇深度跑下來，光是把搜尋結果灌進對話就吃掉幾萬個 token。配上 5 分鐘的快取機制，過期了又得重燒。整體上下文在兩到三輪對話內很快就到臨界點。

把 search 推到外部小工具（wrapper subprocess）去跑、只回最精簡的 JSON 給主對話，整體 token 燒得少很多。**同樣 $20 訂閱，實際能跑的研究次數可以再多兩三倍，開啟新對話的頻率下降，對話品質也同步上升。**

#### 維度二：搜尋引擎選擇（Brave ≠ Google）

Claude Code 的 Web Search 後端用的是 Brave，不是 Google。

要拿 **Google 即時索引那邊看到的結果**——SEO 角度看誰寫過、誰排第一、競品調研、寫稿前查證——換 Gemini 的 grounding search（連 Google 索引的搜尋工具）會給你 raw URL 跟引用片段。寫稿前的查證精度提升很有感。

我寫貼文時實際比過幾次同題，Brave 跟 Google 看到的 ranking 真的不一樣。需要 SEO 角度的場景，這是顯著差距。

#### 維度三：覆蓋面（X／短影音／撞題比對通用工具摸不到）

有些缺口原生 baseline 永遠摸不到。讓我用實際場景帶過：

- **撞題比對**：跨自己 200 篇歷史貼文做相似度比對找撞題。Voyage 提供 embedding + rerank（embedding 是把文字變成一串數字、能算兩段文字有多像；rerank 是把搜尋結果重新洗牌、最相關的排前面），200M tokens 永久免費，普通人幾乎用不完。讓我能秒比歷史撞題、再不會無意間出兩篇主題重複的內容。
- **X／Twitter 上某個 KOL 最近講什麼**：Grok 的 x_search tool 能撈引用片段，原生 baseline 完全摸不到。
- **JS 動態網站、SPA、要載入完才有內容的頁面**：Firecrawl 比通用 fetch 拿得乾淨。
- **YouTube／IG Reels／TikTok 內容**：yt-dlp 加上 transcript（字幕）跟視覺理解 plugin 才解得開。

這些都不是 Claude Code「不會做」，而是「能做但通用工具不夠精」。

### Why Gemini CLI not just Google Search API

讀到這裡你可能會想：「如果重點是 Google search，為什麼不直接 call Google Search API 就好？為什麼要把整顆 Gemini CLI 接進來？」

好問題。**純做搜尋升級的話，直接 call Google Search API 確實就夠了**——拿到 raw URL、做完 query 就結束。

但這次特意接 CLI（也就是把 Gemini 整個模型都接進工作流，不只當搜尋工具）是為了**再下一步做準備**。

我已經有 Claude Code 當主要協作的 AI、加了 Codex 補生圖跟找碴 review。這次接 Gemini CLI（背後是 Google 的 Gemini 模型，可以呼叫 Google 整套服務 Drive／Gmail／Calendar／Docs）作為**「又一位 LLM 巨頭隊友」**。

未來不管要動 Google Workspace、做長 PDF 多模態理解、跑超長 context 任務，有一個獨立的 LLM 隊伍站在我這邊，彼此能 delegate（互相轉派任務），組合出來的能力加成會比單顆 LLM，或只是同時訂三個服務分開用，效率高上非常多。

純 API 是「叫它做一件事拿結果就走」，CLI 是「整顆模型來當你工作流的一份子」。差別就在這。

![架構圖：Claude Code 分支出搜尋、閱讀、比對等節點](https://be-ai-curator.com/images/blog/research-arsenal-onboarding-arsenal-stack.png)

### 我配的軍團——免費 tier 全圖

整套軍團拆開來看，每一層各自有特化工具、各自有免費或超便宜的 tier：

- **Google grounding**：Gemini CLI／API。OAuth 1,500 req/day、API 500 grounding/day。拿 Google 即時索引 raw URL、SEO 查證。
- **Workspace 整合**：Gemini CLI workspace extension。OAuth 內無限。Drive 翻檔、Gmail 摘要、Calendar 對齊。
- **Embedding／Rerank**：Voyage AI rerank-2.5 + voyage-4。200M tokens 永久免費。撞題比對、語意相似度。
- **通用 web search**：Tavily MCP。1,000 calls/月。一般 web research。
- **動態網站抓取**：Firecrawl MCP。500 credits/月。JS／SPA／要 render。
- **X／Twitter data**：xAI Grok API + x_search。在 console.x.ai 儲 5 美金 opt-in data-sharing 後，每月有大額免費 credit。KOL 追蹤、X 上話題。
- **短影音字幕**：youtube-transcript MCP。無限。YouTube／Shorts。
- **短影音內容理解**：claude-video-vision plugin + yt-dlp + ffmpeg。無限。IG Reels／TikTok／YouTube。

整套**免費或超便宜的 tier 加起來，月成本接近零（看你需不需要 Grok 那層）**。比起單純只訂 ChatGPT Plus + Claude Max，每月多花的錢是個位數美金，能力卻翻倍。

### 一張分工 cheatsheet 寫進 CLAUDE.md

工具裝完只是第一步。重點是讓 Claude Code 自己**知道何時叫哪個工具**——這條路徑寫一張 cheatsheet 進 `~/.claude/CLAUDE.md`，下次它就會自己 routing：

- **Google 即時索引 raw URL**（SEO／競品／寫稿查證）→ Gemini grounding
- **Workspace 整合**（Drive／Gmail／Calendar 翻檔）→ Gemini CLI Workspace extension
- **長 PDF／多模態理解** → Gemini Flash
- **撞題比對／語意相似度**（跨自己歷史內容）→ Voyage embedding/rerank
- **通用 web search** → Tavily MCP
- **JS 動態網站／SPA 抓取** → Firecrawl
- **X／Twitter 上 KOL 講什麼** → Grok x_search
- **YouTube／IG Reels／TikTok 內容** → yt-dlp + claude-video-vision
- **快速 sanity check** → Claude Code 原生 Web Search

完整版（含每個工具的 paste-to-AI prompt、5 分鐘上手）我寫在文章下方下載資源裡。

![演進圖：個人 AI 助手到多代理協作網絡的三階段](https://be-ai-curator.com/images/blog/research-arsenal-onboarding-sequoia-evolution.png)

### Sequoia AI Ascent 2025 — 為什麼這條路重要

這條改造路其實對齊去年我看的一個重要 framework。

**Sequoia AI Ascent** 是矽谷頂級創投 Sequoia Capital 每年辦的 AI 年度大會，集結 AI 圈最頂尖的投資人、創辦人跟研究者一起講趨勢，是業界看 AI 接下來會怎麼走的重要來源。

去年（2025-05）的核心觀察是這樣畫一條線：

**個人 AI 助手 → agent swarms（一群 AI 協作的團隊）→ agent economy（AI 團隊之間的協作）**

中間最大的 mindset 翻轉：

從「我自己跑一個確定的 task」 → 變成「**我管理一群可能性的分布**」(manage distribution)

未來 builders 不是只會寫程式的人，而是 orchestrate（指揮派工）一支 AI 隊伍、決定誰做什麼的人。

我現在把 Gemini CLI 接進來，就是讓我的隊伍從兩位（Claude + Codex）擴成三位、再下一步可以更多（NotebookLM／Veo／Anthropic Deep Research API）。

順道一提，2026 的 AI Ascent 也剛結束，有一些發展驗證跟去年那條線不謀而合，之後有空再寫一篇分享心得。

### 但這套不是每個人都要立刻搭

偶爾用 AI 寫個草稿、心智負擔已經剛好——那繼續用 Claude Code 原生功能 + MCP + Skills 也已經很 OK，不一定要折騰外部工具。

會想搭的人，是已經感覺到「我的 AI 能再多做一點什麼」、想要更精的搜尋、更廣的覆蓋面、跟為長線 AI 隊伍鋪路的那群。這樣的人，絕對值得花一個下午把這套研究團隊串接起來。

### 結語

Anthropic 之後對齊多家 AI 跨家通訊協議後，這條路會更穩。屆時我會再寫一篇給你看。

文章下方有完整起手包可以下載——含每個工具的 paste-to-AI prompt、5 分鐘上手、跟我自己怎麼想分工。

幫你成為自己 AI 團隊的主理人。

— N

---

來源：AI 主理人 https://be-ai-curator.com/blog/research-arsenal-onboarding · 更新於 2026-05-01