对100家公司进行深度研究基本上就花掉100美元。有人真的解决过这个问题吗？

简单背景 - 我正在构建一个交易筛选工具，对每批进入的公司进行快速LLM筛选（例如6个不同的评分角度）。这部分成本低廉，可以轻松处理数十家公司。现在我想为那些看起来有前景的公司添加一个真正的“深度研究”步骤 - 要么使用Perplexity的sonar-deep-research，要么使用我之前为产品另一部分构建的自定义多工具研究代理。问题是这两个基本上都是为询问一家公司而定价（和计时）的，而不是为整个批次运行。算了一下，如果对大约100家候选公司只运行一次，成本接近100美元。这还在我需要重新运行任何内容之前哈哈。我目前在考虑的东西，很希望得到意见： - 只做一个漏斗 - 保持便宜的筛选不变，只将前N家（比如前10-15家）发送到深度研究，而不是整个批次 - 很多这些公司都在同一行业/相互竞争，所以对每家公司进行完整的深度研究是否真的浪费？这些研究能否以某种方式重用，而不是每次都从头开始 - 也许有一个更便宜的“中间”选项 - 不是完整的代理深度研究调用，而是更有针对性的工具调用，以更低的成本获得80%的价值 - 如果有人真的在大量运行Perplexity/Parallel AI的task API，有没有找到任何有帮助的定价技巧 - 有没有人自己构建了深度研究的“精简”版本，实际上更便宜但仍然有用 真的在试图弄清楚那些运行这些管道在任何实际规模的人是如何处理这个的，不想要“只需缓存它”这种一句话哈哈。任何真实的经验都很感激。