昨天寫了一篇關于 Gemini 的文章，里面很大篇幅聊了關于 DeepResearch，沒想到把我非常喜歡的號小聲比比都炸出來了。

然后有朋友就在下面留言了：

往期文章：

關于 OpenAI 的 DeepResearch，我也有自己的一些使用方法和想說的，所以，不如我就來一篇，來跟大家聊聊。

這個非常牛逼的、甚至讓我覺得真的值 200 美金一個月的功能：

DeepResearch。

我也準備用將近 1w 字的文章，用 10 個場景，和這 10 個場景的提示詞，來給大家詳細看看，他能用在哪，應該怎么用，最后一個場景，一定會給你驚喜，甚至是驚訝。

文章很長，看不完可以建議先收藏，后面慢慢看。

不過，在看這 10 個場景之前，我覺得還是有必要簡單的快速的講一下，OpenAI 這個 DeepResearch 是個啥。

如果已經詳細了解或者用過的朋友，直接跳過這一趴往后看就好。

零、DeepResearch 是啥

DeepResearch 是由 OpenAI，在今年 2 月，推出的一個 ChatGPT 上的 Agent 功能。中文譯名為深度研究。

Pro 會員和 Plus 會員可用，Pro 會員一個月 150 次，Plus 會員一個月 10 次。免費用戶無額度。

作用很簡單，深度研究你提出的問題，然后花 10 到 30 分鐘時間，搜索全網數據，然后給你一篇詳細且非常有深度的展示報告。

本質上，只是基于 o3 微調的一個端到端的 Agent 模型，按照規劃 - 執行 - 合成的路徑去完成任務，還會在過過程中，動態調整任務。

而報告的質量，約等于一個研究員老手，干 10 個小時到 1 周生成出來的報告的質量。

他最合適的任務，就是整合多種信息來源、深入分析復雜數據、創建有據可查的報告、多步驟研究過程（涉及規劃、查找、瀏覽、推理、分析和綜合）、處理理解和推理大量信息。

這，就是 DeepResearch。

接下來，我就會用 10 個 DeepResearch 的典型場景，來帶大家看看，它的用法，同時，也會附上每個場景我覺得很棒的 Prompt。

一、市場競爭分析

在 Deep Research 出現之前，很多創業者和市場分析師們要進行競品分析往往十分痛苦。

需要手動搜集 N 家競品公司的資料、新聞報道、用戶評價等，瀏覽幾百個網頁、打開無數瀏覽器標簽頁、看無數分析報告，再用自己的人腦，歸納總結整理要點。

借助 Deep Research，你只需提出研究需求（例如：“分析中國在線教育行業主要競品的優劣勢和市場份額”），剩下的工作都交給 AI 代理完成。

它會自動搜索眾多來源（官方網站、新聞、市場報告、用戶評論等），聚焦你指定的領域，在一次對話中整合信息，搞出一份連貫的分析報告。

創業者能快速了解行業格局，找到市場空白點；產品經理能洞察競品功能優劣，優化自己的產品路線圖；分析師則可以更高效地為報告收集數據。

白領們再也不用熬夜加班做競品分析，把省下的時間可以多睡會懶覺。

這里，我也整理了一個我自己覺得還不錯的 Prompt 模板，橙字部分改成你自己的：

請幫我分析當前<在線教育>行業的主要競爭對手。具體要求：
1. 列出至少<五>家主要競爭公司，并簡要介紹其產品定位和市場份額。
2. 分析各競爭對手的<優勢和劣勢>（從功能、價格、用戶口碑等角度）。
3. 綜合以上信息，給出<我公司產品>在市場中的機會點和差異化建議。

比如我就可以把他改成奶茶行業的研究 prompt。

報告結果前面是這樣的：

10 分鐘，一份涵蓋競品概覽、優劣勢對比和戰略建議的報告，就完事了。

二、學術文獻綜述

我有些做科研的小伙伴跟我說，他們在做課題時，最耗時的就是文獻綜述。
要了解某個研究領域的發展，往往得閱讀數十篇論文、查找各種文獻綜述和數據報告。

人肉檢索不僅效率低，還容易漏，也許花幾天時間看完文獻后才發現遺漏了一篇關鍵論文。而且文獻常常充滿艱深術語，消化理解也需要耗費腦力。

現在，你只需要輸入研究主題，例如“綜述近 5 年深度學習在醫學影像診斷領域的研究進展”，Deep Research 會自動檢索相關論文摘要、學術文章、學術博客等來源，把分散的信息整合成結構化的綜述報告。

除了羅列重要研究成果和結論，最牛逼的是，還會附上來源引用，方便你追蹤原始論文。

Prompt 模板在此，橙字部分改成你自己的：

幫我調研：<近 5 年用于阿爾茨海默癥早期診斷的機器學習方法綜述>。
報告需包含：
- 此領域重要的<研究成果和論文>（作者、年份、成果簡述）。
- 不同<機器學習方法>的<優劣比較>（如準確率、數據需求、可解釋性）。
- 當前研究的<挑戰與未來方向>建議。
請提供詳細內容和引用來源。

Deep Research 產出的報告：

最后的文獻參考：

我也挨個看了，確實有這些文獻。

三、股票投資研究

如果做投資的人、或者是金融行業的人肯定知道，信息實在太多了，所以很多人才會說看長線、要去噪。

畢竟信息太多，研究行業報告、公司財報、新聞公告、分析師研報……任何一個細節都可能影響你的投資決策。

以往要研究一只股票或一個行業，常常得耗費幾天時間翻閱厚厚的年報、查詢財務數據、收集市場消息，然后手工匯總分析。信息滯后或紕漏都可能帶來損失。

普通白領如果想自己做投資調研，我說實話難度真的難如登天，從紛繁復雜的信息中理清頭緒，對精力和時間的要求實在太高了。

有了 DeepResearch 之后，你就可以讓它調研某家公司的經營情況和投資前景，它會從財報摘要、新聞報道、行業分析等多渠道抓取信息。

例如，輸入：“研究一下特斯拉當前的財務健康和未來增長點”，Deep Research 可以自動匯總最近幾個季度的關鍵財務指標、分析馬斯克在財報電話會上的發言要點、提取華爾街分析師的觀點（如 X 上的投資大 V 言論）等等，甚至還有他在政治上引起的各種方面的人的不滿。

最終產出既包括數據（如營收增長率、利潤率變化）又包含定性分析（如市場份額、競爭優勢）的分析報告。

對于宏觀經濟或行業趨勢，Deep Research 也能整合多方預測，讓你快速對世界有一個自己的了解。

人人都有分析師級別的情報可用，真的不再是幻想。

我自己最近超級加倍重倉的某個 ETF，其實就是讓 Deep Research 分析完以后，挑出來的。

Prompt 模板在此，橙字部分自己改：

請幫我用 Deep Research 完成以下任務：
研究<XYZ科技公司>的投資價值。報告需包含：
- 最近<幾年財務表現>概覽（營收、凈利潤及增長率）及主要驅動因素分析。
- 該公司所在行業的<市場前景和競爭格局>（列出主要競爭對手及市場份額）。
- 來自權威分析師或媒體的<未來展望>（如股票目標價或增長預期）及理由。
請提供數據和來源支持以上分析，并給出你的綜合判斷。

我用他分析一下阿里巴巴看看。

四、歷史事件深度考證

作為作家、編劇、記者等等，任何需要寫作的人，在寫一些歷史事件或人物的時候，可能都需要查閱大量史料和文章。

以一個著名歷史事件，它可能涉及多個年代的報紙報道、回憶錄、學術論文等。信息散落在不同年代和載體，收集難度很大。而要拼出事件全貌，更需耐心梳理時間線，分辨不同來源的可信度。

但是如今，不論你在考證一樁懸案還是寫一篇歷史人物傳記，只需提出你的研究問題，AI 就會在茫茫互聯網和數字圖書館中幫你找到線索。

更廣泛地說，大眾對歷史的認知將更加豐富準確，因為 AI 可以幫我們把碎片化的史料拼接起來，避免偏聽偏信單一來源。

雖然 AI 的幻覺雖然還是會存在，最后得到歷史資料真偽也需要人來甄別一下，但 Deep Research 已經大幅提高了信息獲取效率。

正如有人所說，AI 讓時光之門向更多人敞開，以前只有專業歷史學家才能觸及的資料，如今大眾也能一探究竟。

Prompt 模板在此：

我要深度研究<你想研究的>這一歷史事件。請幫我：
- 按時間順序列出該事件發生的主要階段，每階段簡述發生了什么，并盡可能提供時間日期。
- 引用至少對這一事件的評價或記載（如當時報刊、歷史學者著作、當事人回憶錄），并注明出處。
- 綜合資料，分析這件事對當時的的影響。

比如我想研究一下大衛與歌利亞的故事。

你會發現，歌利亞的故事好像不只是圣經里面的神話，可能還真的是在歷史上，真實發生過的，只不過，經歷了很多輪的潤色。

五、事實核查和謠言粉碎

坦率的講，在這個信息爆炸的時代，各種傳聞和“標題黨”層出不窮。

對于媒體、科普作者或者很多希望求真的人來說，事實核查是一項重要卻艱巨的任務。要證實或駁斥一個說法，往往需要翻閱大量資料、找權威來源支持，有時候還得親自做實驗或者請教專家。

現在，事實核查變得前所未有的高效。給 Deep Research 一個待驗證的聲明，它可以同時搜索支持和反對的證據，然后把它們呈現給你。

比如，你問：“長期使用微波爐加熱食物對健康有害是真的嗎？”。

Deep Research 會檢索科學文獻、食品安全機構的公告、科普文章等。一方面也許找到了世衛組織或 FDA 的聲明說明微波爐輻射安全，另一方面可能引用一些小型研究或謠言的來源，然后給出綜合判斷：大概率告訴你“無可靠證據證明微波爐加熱致癌”之類的結論，并附上關鍵來源。

這樣，你不僅知道答案，還能看到背后的證據鏈條。

如果是比較嚴肅的調查，如新聞事實核查，它也能幫助列出時間、地點、人物證據，讓你快速還原事實經過。

這項用法對于記者、科普作者、內容審核人員等等來說意義重大。

Prompt 模板：

我要核查一個說法：
<具體問題>是否屬實？
請幫我查找并研究：
- 支持這一說法的依據（如果有相關研究或專家觀點，請列出）。
- 反對這一說法的依據（官方健康機構、流行病學研究等給出的結論）。
- 根據找到的證據給出最終<結論評估>（例如基本不實、證據不足或確有其事）。
請提供資料來源鏈接以證明。

如果我把問題改成：喝咖啡是否會導致骨質疏松，這個報告是這樣的。

如果我們人人都能用事實說話，那該多好啊。

六、個人學習路線規劃

我們想學習一門新技能或知識時，往往面臨信息過載的困境。

拿學習 Python 編程舉例，網上教程鋪天蓋地，有免費視頻課程、博客文章、書籍推薦……到底從何學起讓人犯難。

如果隨便跟著感覺走，可能學了些皮毛就卡住，或者資料不系統導致知識漏洞。

為自己量身定制一個系統的學習計劃并非易事，需要了解該領域有哪些必備基礎、經典教材和練習路徑，初學者通常很難搞定。

但是對于 Deep Research，它會綜合互聯網上無數學習資源和過來人的經驗，給出循序漸進的建議。

例如：“我是一名市場營銷人員，想用 6 個月時間自學數據分析，幫我規劃學習路徑。”

Deep Research 可能會建議：第 1 個月學習 Excel 和基礎統計，第 2-3 個月學習 Python 數據分析庫（pandas 等），第 4 個月實踐幾個小項目，第 5-6 個月進階學機器學習基礎，并推薦每階段合適的課程或書籍名稱。

有些熱心網友曾整理過類似的學習路線博客，AI 會參考這些再結合你的背景做調整。結果就是一份高度個性化的學習計劃，讓你少走彎路。

未來也許會出現“AI 學習教練”這樣的新角色，而 Deep Research 就是我認為的雛形。

Prompt 模板在此（這個得根據你具體情況去大改了，我只提供一個思路）：

背景：我是一名<視覺傳達設計>應屆畢業生，想轉行做軟件開發，但沒有編程基礎。
目標：希望在內具備勝任初級軟件工程師的能力。
請結合我的背景和優勢，為我設計一份學習路線：
- 列出每階段（例如每 2 個月）的學習重點（比如編程基礎、算法與數據結構、項目實踐等）。
- 為每個階段推薦<具體資源>（書籍、在線課程、練習項目等）。
- 提供一些學習技巧或注意事項。

未來，不知道怎么開始學，真的不可能會再是借口了。

七、社交輿情與用戶情緒分析

在市場里，品牌公關、市場營銷人員需要時刻關注自己公司或產品在公眾中的口碑。

傳統上，大家都會用輿情監測工具抓取社交媒體和新聞，但定性分析很多時候仍然要人工或者用部分 AI 去輔助完成。

比如一款新產品發布后，有成千上萬的用戶評價，要總結主要褒貶點并非易事。即使是熱點事件中的民意走向，也需要看大量微博、論壇帖才能感受大家情緒。

手工完成這些工作費時費力，而且容易主觀偏差。

而用 Deep Research，你可以直接一句話：

“最近網上對我們 XX 產品的評價如何？”，它會搜索社交媒體帖子、產品測評、相關新聞評論，從中提煉常見觀點和情緒傾向。

公關團隊可以更快速地了解輿論脈搏，及時調整策略；營銷人員能夠發現用戶真實的痛點和喜好，用于改進產品或制定宣傳方案。

可以讓每個用戶的聲音都不會被淹沒，真正做到“以用戶為中心”決策，而不只是憑感覺拍腦袋。

模板 Prompt：

幫我詳細分析<某某事件>的用戶輿論：
- 匯總社交媒體上用戶對<某某產品>的主要正面評價（喜歡的點）和負面吐槽（不滿之處）。
- 統計正負評價的大致占比，分析用戶整體滿意度傾向。
- 引用幾條具有代表性的用戶評論（注明出處，如微博或論壇）。
- 根據反饋給出對<某某公司或團隊>營銷或產品改進的建議。

比如，我讓它分析一下 OpenAI 發布 GPT4.5 之后的輿情。

真的非常的準。

八、產品對比

我不知道你們，但是我自己有選擇困難癥。

想買部手機，要比較不同型號的參數、評價；選一款主機電腦，更要看各家功能差異、價格、用戶反饋。

過去，我們往往需要打開二十幾個瀏覽器標簽頁或者刷幾個小時的小紅書，看測評文章、用戶評論貼，再自己做筆記對比。

信息散落各處且觀點紛雜，折騰幾小時后脖子都要斷了才做出決策，終于下定決心點了付款，反手又在小紅書上刷到它的避雷貼。。。

而 Deep Research 除了正常的檢索各大科技媒體評測、用戶測評視頻總結、論壇口碑等信息之外，還會跟根據你的信息量身定制。

比如你特別在意相機效果，它會重點對比相機評分；你關心價格，它會算每款的性價比。

真的還是很有用的。

Prompt 模板：

幫我比較兩款產品：
我在考慮購買<某某款輕薄商務筆記本 A> 和 <某某款輕薄商務筆記本 B>。
需求：
- 我經常出差，需要<電池續航長>、<>重量輕>的筆記本，也關注<性能和售后服務>。
請從規格參數、電池續航測試、用戶評價等方面比較 A 和 B，列出各自的優缺點，并根據我的需求給出推薦。

比如我就對比一下 Macbook Air 和小米筆記本吧。

最有意思的是，Deep Research 居然抓到了關于國補的信息，這個就非常的強了。

九、新聞整合

現在，每天都有海量新聞涌現，忙碌的白領很難全部跟上。

特別是當你需要了解某個熱點事件或行業動態的全貌時，更是困難。比如就單“AI 影視”的話題，相關新聞散見于科技、財經、甚至娛樂板塊，要獲取全面視角，你可能得讀幾十篇報道、翻微博熱搜、看行業評論，非常耗時。

而即便投入時間，也容易陷入信息過載，不知道哪些是可靠信息，哪些只是噪音。

而 Deep Research 堪稱一位超級編輯。它可以在互聯網上快速爬取與某個主題相關的新聞、博客、社交媒體討論，過濾重復內容，提煉關鍵信息，并最終形成一份縱覽全局的總結報告。

甚至對熱點事件（如某企業收購案、某大型事故），它還能能整理出時間線，列出事件的來龍去脈和關鍵節點。

Prompt 模板：

幫我匯總“全球 AI 行業最新動態”
- 涉及的子主題包括：主要廠商的近期新聞（新品發布、財報）、各大有熱度的 AI 產品的發布、破圈的作品、跟 AI 相關的社會輿論等等。
- 請按主題分類總結，并提供具體事實和數據（例如某公司營收增長 X%，某國政策要點等），列出來源。
- 最后給出對 AI 行業未來 6 個月趨勢的分析判斷。

報告非常有意思：

在產品發布上，抓到了大量的國產 AI 產品動態。

甚至，在國內可以說是 AI 短劇里程碑的《心安嶺詭事》，也被抓出來了。

這真的是里程碑，因為標志著，AI 短劇首次實現了盈利，雖然掙得不多，但是也代表，商業模式跑通了，這是短劇行業開天辟地的大事。

但是我相信，可能很多 AI 行業的人，完全都不知道這部劇。

Deep Research，已經比絕大多數從業者，在知識的廣度上，要全面了。

十、寫小說

可能我是為數不多的，在用 Deep Research 寫小說的人。

越好看的故事，要求越強，邏輯要求越高。特別在影視劇本中，有一個非常經典的理論，叫做契科夫之槍。

大概意思就是，故事提及的每一個元素都應在后文出場，不然就沒有必要提及：

“請將一切與故事無關的事物都從故事中移除。如果你說第一幕中有把槍掛在墻上，那么在第二幕或者第三幕中這把槍必須發射，不然就沒必要掛在那。”

AI 寫故事也一樣，寫故事不是隨機漫步，而是邏輯和創意共同碰撞出的靈光乍現。

而 Deep Research 的底座 o3，在邏輯推理上，真的強到沒邊。

也是為數不多的，能一次性生成幾萬字的邏輯耦合的小說。

我給大家看一下我的流，這個地方其實不太能做模板，因為過于個性化。

我寫小說分為兩步，第一步：找資料、寫關鍵情節點，第二步，寫完整的小說。

第一步我的 Prompt 如下：

我正在構思一部架空歷史奇幻小說，背景類似于 15-16 世紀的歐洲文藝復興時期，但我想加入一點煉金術與魔法元素。請你使用 Deep Research，幫我完成以下任務：

1. 文化與時代設定：
- 查找文藝復興時期的主要文化特征、社會結構（貴族與平民的地位對比、城市行會制度）、日常生活形態（服裝、飲食、禮儀等）。
- 我想加入“煉金術”的超自然設定，請檢索真實歷史上與煉金術相關的典籍或人物（例如帕拉塞爾蘇斯），看看他們在實際歷史中扮演了什么角色。
- 同時查找這段時期在歐洲發生的重要事件（如主要戰亂、王朝更替）和科技進步（如火槍、印刷術的發展），列出我可參考的關鍵年份或里程碑。

2. 魔法體系靈感：
- 搜集民間傳說或神秘學文獻，看看可以融入的魔法或巫術素材（例如關于魔法陣、符文的說法）。
- 調研當時宗教（如天主教、異端審判）對“超自然現象”的態度，幫助我合理描寫魔法師與教會的沖突。
- 如果有類似的奇幻小說或影視作品參考（如《女巫獵人》《魔法門》系列的世界觀），簡要介紹它們怎樣處理“中世紀+魔法”的設定。

3. 角色與情節建議：
- 我希望主角是一個剛入行的年輕煉金術學徒，請檢索有沒有相關的歷史人物或傳說能提供靈感，如真實存在的學徒制訓練流程或著名煉金術師的軼事。
- 基于以上信息，建議一個大致故事主線：包括主角如何在宮廷或貴族贊助下研究煉金術，如何面對教會或他國敵對勢力等。可以幫助我梳理出 5-8 個關鍵情節點。
- 提供一些可能的情感沖突（如貴族小姐愛上煉金術學徒、教會內部的暗流斗爭、不同國家聯姻或戰爭等），并舉出真實歷史中類似的宮廷事件做參考。

4. 注意事項：
- 引用所使用的主要歷史或奇幻來源；如果有特定年份或人物，請標注出處方便我交叉驗證。
- 有關魔法或煉金術的內容，如果沒有足夠史實支撐，也請標記“推測內容”，以便我后續進行改編處理。

輸出格式：
- 先給我一份濃縮版的世界觀背景摘要（包含我可以直接用的關鍵設定）。
- 之后詳細列出文藝復興歷史元素與奇幻魔法元素的參考資料或靈感來源，并根據我的需求提供章節/情節大綱。
- 最后附上可能的結局走向或伏筆提示。

最后產出的這一些參考和報告，實在是太牛逼了，實在太長了，我就不放全了，放一部分給大家看看。

即使是一個短片故事，它也應該有大量的世界觀和歷史研究，把自己落在那個時代里，化成一片塵埃，去親眼看那個世界的一切，這才是，一段故事的基礎。

這才是，邏輯和事實，你的故事，才足夠的鮮活。

當我有了這些素材之后，我就可以再跟 Deep Research 說，根據上面的報告信息，幫我寫出這篇 3w 字的短篇小說，就參考鋼之煉金術師的風格吧，可以再融入一點點克蘇魯的那種不可名狀的恐懼，作為故事的暗線。

在整整 32 分鐘后，這一部 6 章的短篇小說，終于完成了。

我不知道該用什么言語來形容這篇小說。

這可是一篇，3w 字的小說。

我對于文字內容，特別是 AI 生成的內容，是極度挑剔了，幾乎沒有能讓我明知是 AI，但是我還讀的下去的小說。

但是，Deep Research 寫的，每次我都能讀下來，而且是那種，牽引著我往下走的那種讀下去，是我真的能感受到城市呼吸，感受到人物的性格，人物的掙扎，人物的成長孤光，還有那種時代之下，在教會這種龐然大物之下，小人物的絕望和掙扎。

前面的伏筆，在幾章之后還能用上，原來是這樣！原來前面出現的元素有這么大的用處！原來就是他！這是我在一邊讀的時候，一邊發生的感嘆。

這是優秀的故事，這是完美的故事，這是精心編排設計的故事，我實在實在實在太喜歡了。

完整的全篇，因為實在太長，我放在飛書文檔里了，如果有想看小說的朋友，可以移步過去觀看。
https://datakhazix.feishu.cn/wiki/Tsl1wGzr0iKSYJkh4y9c4MWQnvV?from=from_copylink

真的太好看了。

寫在最后

這篇文章，即使在我已經用了很久，對 Deep Research 比較熟悉的情況下去寫，依然感覺，只能展示 Deep Research 的冰山一角。

可能還有更多的、更有趣的玩法，埋藏在深處，在我也還沒有發掘的地域上。

我越來越覺得，牛逼的 AI 就像一片大海。

我拼盡全力，也只能管中窺豹。

當你了解的越多，你只會覺得越來越感慨，為什么自己懂得這么少。

自己窮盡一生，可能也再也追不上 AI 進化的步伐了。

人之于天地，不過如蜉蝣一般渺小，觀天色乍明乍暗，便已是朝生暮死。

既生在這個時代，那又怎么辦呢。

拼命奔跑、拼命學習吧。

在這個盡量不被時代所淘汰的道路上。

完。

歡迎關注作者的微信公眾號：數字生命卡茲克