分享10個我最常用的DeepResearch提示詞模板和用法…

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

然後有朋友就在下面留言了：

關於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，應該怎麼用，最後一個場景，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，後面慢慢看。

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。

如果已經詳細瞭解或者用過的朋友，直接跳過這一趴往後看就好。

01 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。免費使用者無額度。

作用很簡單，深度研究你提出的問題，然後花10到30分鐘時間，搜尋全網資料，然後給你一篇詳細且非常有深度的展示報告。

本質上，只是基於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，約等於一個研究員老手，幹10個小時到1周生成出來的報告的質量。

他最合適的任務，就是整合多種資訊來源、深入分析複雜資料、建立有據可查的報告、多步驟研究過程（涉及規劃、查詢、瀏覽、推理、分析和綜合）、處理理解和推理大量資訊。

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。

02 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。

需要手動蒐集N家競品公司的資料、新聞報道、使用者評價等，瀏覽幾百個網頁、開啟無數瀏覽器標籤頁、看無數分報告，再用自己的人腦，歸納總結整理要點。

藉助Deep Research，你只需提出研究需求（例如：“分析中國線上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。

它會自動搜尋眾多來源（官方網站、新聞、市場報告、使用者評論等），聚焦你指定的領域，在一次對話中整合資訊，搞出一份連貫的分析報告。

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

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。

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

請幫我分析當前<線上教育>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，並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、使用者口碑等角度）。3. 綜合以上資訊，給出<我公司產品>在市場中的機會點和差異化建議。

br

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。

03 學術文獻綜述

我有些做科研的小夥伴跟我說，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、查詢各種文獻綜述和資料報告。

人肉檢索不僅效率低，還容易漏，也許花幾天時間看完文獻後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、學術部落格等來源，把分散的資訊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，藍字部分改成你自己的：

幫我調研：<近5年用於阿爾茨海默症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、資料需求、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。

br

Deep Research產出的報告：

最後的文獻參考：

我也挨個看了，確實有這些文獻。

04 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，資訊實在太多了，所以很多人才會說看長線、要去噪。

畢竟資訊太多，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。

以往要研究一隻股票或一個行業，常常得耗費幾天時間翻閱厚厚的年報、查詢財務資料、收集市場訊息，然後手工彙總分析。資訊滯後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，從紛繁複雜的資訊中理清頭緒，對精力和時間的要求實在太高了。

有了DeepResearch之後，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資訊。

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可以自動彙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。

最終產出既包括資料（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。

對於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瞭解。

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分析完以後，挑出來的。

Prompt模板在此，藍字部分自己改：

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、淨利潤及增長率）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。請提供資料和來源支援以上分析，並給出你的綜合判斷。

br

我用他分析一下阿里巴巴看看。

05 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。資訊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就會在茫茫網際網路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，最後得到歷史資料真偽也需要人來甄別一下，但Deep Research已經大幅提高了資訊獲取效率。

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麼，並儘可能提供時間日期。- 引用至少<X個不同來源>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），並註明出處。- 綜合資料，分析這件事對當時的<XX事件或角色>的影響。

br

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聖經裡面的神話，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。

06 事實核查和謠言粉碎

坦率的講，在這個資訊爆炸的時代，各種傳聞和“標題黨”層出不窮。

對於媒體、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鉅的任務。要證實或駁斥一個說法，往往需要翻閱大量資料、找權威來源支援，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一個待驗證的宣告，它可以同時搜尋支援和反對的證據，然後把它們呈現給你。

比如，你問：“長期使用微波爐加熱食物對健康有害</span>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的宣告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，然後給出綜合判斷：大機率告訴你“無可靠證據證明微波爐加熱致癌”之類的結論，並附上關鍵來源。

這樣，你不僅知道答案，還能看到背後的證據鏈條。

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。

這項用法對於記者、科普作者、內容稽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？請幫我查詢並研究：- 支援這一說法的依據（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）。請提供資料來源連結以證明。

br

如果我把問題改成：喝咖啡是否會導致骨質疏鬆，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。

07 個人學習路線規劃

我們想學習一門新技能或知識時，往往面臨資訊過載的困境。

拿學習Python程式設計舉例，網上教程鋪天蓋地，有免費影片課程、部落格文章、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，或者資料不繫統導致知識漏洞。

為自己量身定製一個系統的學習計劃並非易事，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。

但是對於Deep Research，它會綜合網際網路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個月時間自學資料分析，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資料分析庫（pandas等），第4個月實踐幾個小專案，第5-6個月進階學機器學習基礎，並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部落格，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。

Promp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，想轉行做軟體開發，但沒有程式設計基礎。目標：希望在<X個月>內具備勝任初級軟體工程師的能力。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（比如程式設計基礎、演算法與資料結構、專案實踐等）。- 為每個階段推薦<具體資源>（書籍、線上課程、練習專案等）。- 提供一些學習技巧或注意事項。

br

未來，不知道怎麼開始學，真的不可能會再是藉口了。

08 社交輿情與使用者情緒分析

在市場裡，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。

比如一款新產品釋出後，有成千上萬的使用者評價，要總結主要褒貶點並非易事。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？”，它會搜尋社交媒體帖子、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瞭解輿論脈搏，及時調整策略；營銷人員能夠發現使用者真實的痛點和喜好，用於改進產品或制定宣傳方案。

可以讓每個使用者的聲音都不會被淹沒，真正做到“以使用者為中心”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>的使用者輿論：- 彙總社交媒體上使用者對<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佔比，分析使用者整體滿意度傾向。- 引用幾條具有代表性的使用者評論（註明出處，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。

br

比如，我讓它分析一下OpenAI釋出GPT4.5之後的輿情。

真的非常的準。

09 產品對比

我不知道你們，但是我自己有選擇困難症。

想買部手機，要比較不同型號的引數、評價；選一款主機電腦，更要看各家功能差異、價格、使用者反饋。

過去，我們往往需要開啟二十幾個瀏覽器標籤頁或者刷幾個小時的小紅書，看測評文章、使用者評論貼，再自己做筆記對比。

資訊散落各處且觀點紛雜，折騰幾小時後脖子都要斷了才做出決策，終於下定決心點了付款，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、使用者測評影片總結、論壇口碑等資訊之外，還會跟根據你的資訊量身定製。

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，它會算每款的價效比。

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<效能和售後服務>。請從規格引數、電池續航測試、使用者評價等方面比較A和B，列出各自的優缺點，並根據我的需求給出推薦。

br

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居然抓到了關於國補的資訊，這個就非常的強了。

10 新聞整合

現在，每天都有海量新聞湧現，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，相關新聞散見於科技、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，也容易陷入資訊過載，不知道哪些是可靠資訊，哪些只是噪音。

而Deep Research堪稱一位超級編輯。它可以在網際網路上快速爬取與某個主題相關的新聞、部落格、社交媒體討論，過濾重複內容，提煉關鍵資訊，並最終形成一份縱覽全域性的總結報告。

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：

幫我彙總“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（新品釋出、財報）、各大有熱度的AI產品的釋出、破圈的作品、跟AI相關的社會輿論等等。 – 請按主題分類總結，並提供具體事實和資料（例如某公司營收增長X%，某國政策要點等），列出來源。- 最後給出對AI行業未來6個月趨勢的分析判斷。

br

報告非常有意思：

在產品釋出上，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，因為標誌著，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，這是短劇行業開天闢地的大事。

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。

11 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後文出場，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牆上，那麼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，因為過於個性化。

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，背景類似於15-16世紀的歐洲文藝復興時期，但我想加入一點鍊金術與魔法元素。請你使用Deep Research，幫我完成以下任務：1. 文化與時代設定： – 查詢文藝復興時期的主要文化特徵、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“鍊金術”的超自然設定，請檢索真實歷史上與鍊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麼角色。 – 同時查詢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： – 蒐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（例如關於魔法陣、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衝突。 – 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鍊金術學徒，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鍊金術師的軼事。 – 基於以上資訊，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鍊金術，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衝突（如貴族小姐愛上鍊金術學徒、教會內部的暗流鬥爭、不同國家聯姻或戰爭等），並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，請標註出處方便我交叉驗證。 – 有關魔法或鍊金術的內容，如果沒有足夠史實支撐，也請標記“推測內容”，以便我後續進行改編處理。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）。- 之後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，並根據我的需求提供章節/情節大綱。- 最後附上可能的結局走向或伏筆提示。

br

最後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。