精通 OpenAI 的深度研究：使用模板撰写有效提示的 5 个最佳实践
介绍
OpenAI 再次改变了游戏规则！就在几天前，OpenAI 揭示了 Deep Research，这是他们最新的 AI 代理，可以在几分钟内创建 10,000 多字的博士级报告。 我已经试用了他们所有的最新版本，我不得不说这是我最喜欢的。 有太多令人难以置信的用例。
虽然潜力巨大，但从中榨取最大价值取决于精心设计的、最佳实践的提示。 在本文中，我将介绍如何制作有效的深度研究提示、一套可操作的提示指南，并分享三个详细的、最佳实践的示例，以帮助您入门。
什么是 OpenAI Deep Research？
Deep Research 是一种先进的 AI 代理，旨在执行深度的、多步骤的、基于网络的调研。 与返回即时回复的 ChatGPT 不同，Deep Research 由 OpenAI 的 o3-mini 模型提供支持，从而实现：
- 深度、多来源研究： Deep Research 可以收集多达 30 个来源，浏览文章、论坛帖子，甚至是研究论文。
- 带有推理的研究： 在开始任务之前，Deep Research 会思考您的提示，提出后续问题，然后制定一个详细的、经过计算的攻击计划
- 真正引用的来源： 在最终交付的巨型报告中，Deep Research 会在其提出的任何关键点之后插入其来源。 AI 来源幻觉消失了！
- 信息综合： 在线收集所有信息后，Deep Research 会一丝不苟地比较调查结果，分析其与您提示的相关性，并将它们错综复杂地编织成最终的、精心制作的可交付成果。
- 难以想象的速度： 我有没有提到它真的很快？ 您认为找到 30 个相关来源并写出 10,000 个字需要多长时间？ 对于大多数主题，Deep Research 需要 5-15 分钟。
为什么制作完美的提示很重要
完美的深度研究提示很重要，原因有两个：1) 它仍然是一个大型语言聊天模型，2) 您有有限的查询次数。
由于 Deep Research 仍然是一个聊天模型，您的提示仍然将作为 AI 下一步操作的基础和蓝图。 包含的信息过少可能会返回大量不相关的信息，而包含的信息过多则会限制您关心的领域的响应深度。
也许更重要的是，用户每月获得的 Deep Research 提示数量有限。 Pro 用户（每月 200 美元的计划）每月可以获得 100 个查询，而 Plus、Enterprise 和 Free 计划用户在获得访问权限时可能只有少数几个。
因此，让我们深入了解如何通过最佳实践的 Deep Research 提示来最大限度地利用您有限的查询！
有效 Deep Research 提示的最佳实践
作为一名自称的提示工程师，我学到了一些通过聊天和 API 提示模型的技巧。 我还测试了以下指南，可以确认它们可以提供最佳输出。
1. 清楚具体
- 定义研究问题： 在编写之前计划好您的提示。 您到底想知道什么？ 您想回答什么问题？
示例：
不要问“告诉我关于电动汽车的信息”，而是问“提供对电动汽车的深入、基于美国的分析。 重点关注最新的增长趋势、技术创新和案例研究”
2. 定义您的界限
- 设置界限： 明确说明与您的查询相关的时间范围、地理区域或数据类型。 考虑使用项目符号。
- 包括指标： 指定您是否需要统计趋势、增长率或具体的案例研究。
示例项目符号：
- 时间范围：“2010-2020”
- 地理重点：“欧洲和北美”
- 数据类型：“实证研究和官方报告”
3. 提供背景或参考资料
- 提供背景信息： 附上相关文档、报告或摘要，为 AI 提供坚实的起点。 它不知道它不知道什么！
- 参考过去的工作： 让 Deep Research 知道您的查询是否基于之前的研究或讨论。
示例：
不要问“我应该如何改进我的 AI 创业公司的商业计划”，而是在您的提示中添加“附上我当前的商业计划：[完整的商业计划]”
4. 分解复杂任务
不要害怕将您的查询分成更小的部分。 这包括您想知道的内容以及您正在寻找的输出部分格式。
然后，Deep Research 将分割其“工人”，让他们独立专注于您需要的部分。
示例：
- 主题概述
- 对近期趋势的详细分析
- 案例研究或具体示例
- Deep Research 的见解和想法
- 最终建议
5. 征求多种观点
尝试避免在您的初始请求中出现偏差。 相反，考虑让 Deep Research 深入研究几个角度和观点，并在其报告中综合其调查结果。
示例：
“提供对最新 UFO 阴谋论的公正分析报告。 以开放的心态对待所有来源，并包含每种观点的证据。”
6. 请求自我检查
几项研究表明，当语言模型被要求审查其工作时，它们的准确性和推理能力会得到提高。 如果您的主题是一个特别复杂的主题，来源很少，或者是一个有许多相互矛盾的观点的主题，这一点就变得更加重要。
示例：
“仔细检查所有统计数据、见解和建议。 在您的分析结束时，记下任何差异并进行进一步的研究以验证它们。”
一组模板提示，让您入门
随意复制这些提示的结构，甚至将它们扔进 GPT 中，让它为您的特定用例重写它。
CRISPR 进展的科学文献综述 (2018–2024)
目标： 对 2018 年至 2024 年 CRISPR 基因编辑领域的主要突破进行全面综述，包括相关的伦理和监管讨论。
研究问题： “综述 2018 年至 2024 年 CRISPR 基因编辑领域的主要突破，重点介绍重大发现，并讨论与之相关的伦理辩论和监管挑战。”
范围：
- 时间范围：“2018–2024”
- 重点：“CRISPR 技术的科学突破、伦理考量和监管挑战”
- 数据类型：“同行评审文章、官方出版物和信誉良好的研究报告”
背景：
- [如果可用，附上或参考任何先前的文献综述或相关研究。]
- 包括您对该主题的熟悉程度，以帮助深入研究。您是科学家吗？CRISPR 专业人士吗？
任务分解：
- 概述：总结 CRISPR 基因编辑的当前状态。
- 突破：确定并详细说明至少三项重大进展（包括研究实验室、出版物和年份）。
- 伦理和监管考量：讨论新兴的伦理辩论和监管挑战。
- 综合：通过平衡不同的观点提供公正的综合。
- 最终分析：总结对 CRISPR 研究的见解和潜在的未来方向。
多角度观点：
- 纳入支持者和批评者的观点，以确保分析的平衡。
- 引用多个信誉良好的来源来支持每个观点。
自我检查：
- 仔细检查所有事实、引文和分析。
- 注意来源之间的任何差异，并指出需要进一步验证的领域。
输出格式：
- 使用清晰的章节组织综述：概述、突破、伦理考量和未来方向
今年顶级电动汽车 (EV) 的对比分析
目标： 根据关键性能和成本指标评估和比较三款领先的电动汽车（特斯拉 Model 3、日产 Leaf 和雪佛兰 Bolt）。
研究问题： “比较特斯拉 Model 3、日产 Leaf 和雪佛兰 Bolt 的制造成本、电池效率和续航里程、安全等级和长期维护费用，并为典型的城市驾驶条件推荐最具价值的选项。”
范围：
- 数据点：制造成本、电池性能（效率和续航里程）、安全等级和维护费用。
- 数据类型：“来自信誉良好的汽车评论和官方制造商规格的经验数据”
- 地理重点：“与北美和欧洲的当前市场相关”
背景：
- [附上或参考您已经看到并且喜欢的或想要深入研究的任何链接或研究]
- 包括您进行搜索的原因。您正在货比三家吗？您在寻找竞争对手吗？
任务分解：
- 概述：首先简要介绍当前的电动汽车市场。
- 数据收集：收集每辆车的数据： — 制造成本 — 电池效率和续航里程 — 安全等级 — 预计的年度维护费用
- 对比分析：创建一个并排比较表，总结关键指标。
- 最终建议：根据数据总结对最佳电动汽车的建议。
- 见解：添加任何可能影响典型城市通勤者决定的额外见解或观察结果。
多角度观点：
- 通过列出每个型号的优点和缺点来纳入不同的观点。
- 通过比较来自各种信誉良好的来源的数据来确保分析的平衡。
自我检查：
- 仔细检查所有数值数据和统计细节。
- 找出任何差异，如果需要进一步研究以验证某些观点，请提及。
输出格式：
- 以结构化报告的形式呈现最终输出，其中包含清晰的章节：引言、对比分析、建议和来源。
