昨天寫了一篇關(guān)于 Gemini 的文章，里面很大篇幅聊了關(guān)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(guān)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(zhǔn)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(xì)看看，他能用在哪，應(yīng)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(jīng)詳細(xì)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(wǎng)數(shù)據(jù)，然后給你一篇詳細(xì)且非常有深度的展示報告。

本質(zhì)上，只是基于 o3 微調(diào)的一個端到端的 Agent 模型，按照規(guī)劃 - 執(zhí)行 - 合成的路徑去完成任務(wù)，還會在過過程中，動態(tài)調(diào)整任務(wù)。

而報告的質(zhì)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(zhì)量。

他最合適的任務(wù)，就是整合多種信息來源、深入分析復(fù)雜數(shù)據(jù)、創(chuàng)建有據(jù)可查的報告、多步驟研究過程（涉及規(guī)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(xiàn)之前，很多創(chuàng)業(yè)者和市場分析師們要進(jìn)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(wǎng)頁、打開無數(shù)瀏覽器標(biāo)簽頁、看無數(shù)分析報告，再用自己的人腦，歸納總結(jié)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(yè)主要競品的優(yōu)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(wǎng)站、新聞、市場報告、用戶評論等），聚焦你指定的領(lǐng)域，在一次對話中整合信息，搞出一份連貫的分析報告。

創(chuàng)業(yè)者能快速了解行業(yè)格局，找到市場空白點；產(chǎn)品經(jīng)理能洞察競品功能優(yōu)劣，優(yōu)化自己的產(chǎn)品路線圖；分析師則可以更高效地為報告收集數(shù)據(jù)。

白領(lǐng)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(dāng)前<在線教育>行業(yè)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(chǎn)品定位和市場份額。
2. 分析各競爭對手的<優(yōu)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(chǎn)品>在市場中的機(jī)會點和差異化建議。

比如我就可以把他改成奶茶行業(yè)的研究 prompt。

報告結(jié)果前面是這樣的：

10 分鐘，一份涵蓋競品概覽、優(yōu)劣勢對比和戰(zhàn)略建議的報告，就完事了。

二、學(xué)術(shù)文獻(xiàn)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(xiàn)綜述。
要了解某個研究領(lǐng)域的發(fā)展，往往得閱讀數(shù)十篇論文、查找各種文獻(xiàn)綜述和數(shù)據(jù)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(xiàn)后才發(fā)現(xiàn)遺漏了一篇關(guān)鍵論文。而且文獻(xiàn)常常充滿艱深術(shù)語，消化理解也需要耗費腦力。

現(xiàn)在，你只需要輸入研究主題，例如“綜述近 5 年深度學(xué)習(xí)在醫(yī)學(xué)影像診斷領(lǐng)域的研究進(jìn)展”，Deep Research 會自動檢索相關(guān)論文摘要、學(xué)術(shù)文章、學(xué)術(shù)博客等來源，把分散的信息整合成結(jié)構(gòu)化的綜述報告。

除了羅列重要研究成果和結(jié)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(diào)研：<近 5 年用于阿爾茨海默癥早期診斷的機(jī)器學(xué)習(xí)方法綜述>。
報告需包含：
- 此領(lǐng)域重要的<研究成果和論文>（作者、年份、成果簡述）。
- 不同<機(jī)器學(xué)習(xí)方法>的<優(yōu)劣比較>（如準(zhǔn)確率、數(shù)據(jù)需求、可解釋性）。
- 當(dāng)前研究的<挑戰(zhàn)與未來方向>建議。
請?zhí)峁┰敿?xì)內(nèi)容和引用來源。

Deep Research 產(chǎn)出的報告：

最后的文獻(xiàn)參考：

我也挨個看了，確實有這些文獻(xiàn)。

三、股票投資研究

如果做投資的人、或者是金融行業(yè)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(yè)報告、公司財報、新聞公告、分析師研報……任何一個細(xì)節(jié)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(yè)，常常得耗費幾天時間翻閱厚厚的年報、查詢財務(wù)數(shù)據(jù)、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(lǐng)如果想自己做投資調(diào)研，我說實話難度真的難如登天，從紛繁復(fù)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(diào)研某家公司的經(jīng)營情況和投資前景，它會從財報摘要、新聞報道、行業(yè)分析等多渠道抓取信息。

例如，輸入：“研究一下特斯拉當(dāng)前的財務(wù)健康和未來增長點”，Deep Research 可以自動匯總最近幾個季度的關(guān)鍵財務(wù)指標(biāo)、分析馬斯克在財報電話會上的發(fā)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(chǎn)出既包括數(shù)據(jù)（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(yōu)勢）的分析報告。

對于宏觀經(jīng)濟(jì)或行業(yè)趨勢，Deep Research 也能整合多方預(yù)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(wù)：
研究<XYZ科技公司>的投資價值。報告需包含：
- 最近<幾年財務(wù)表現(xiàn)>概覽（營收、凈利潤及增長率）及主要驅(qū)動因素分析。
- 該公司所在行業(yè)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(quán)威分析師或媒體的<未來展望>（如股票目標(biāo)價或增長預(yù)期）及理由。
請?zhí)峁?shù)據(jù)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(xué)術(shù)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?；ヂ?lián)網(wǎng)和數(shù)字圖書館中幫你找到線索。

更廣泛地說，大眾對歷史的認(rèn)知將更加豐富準(zhǔn)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?zhèn)我残枰藖碚鐒e一下，但 Deep Research 已經(jīng)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(yè)歷史學(xué)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(fā)生的主要階段，每階段簡述發(fā)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(dāng)時報刊、歷史學(xué)者著作、當(dāng)事人回憶錄），并注明出處。
- 綜合資料，分析這件事對當(dāng)時的的影響。

比如我想研究一下大衛(wèi)與歌利亞的故事。

你會發(fā)現(xiàn)，歌利亞的故事好像不只是圣經(jīng)里面的神話，可能還真的是在歷史上，真實發(fā)生過的，只不過，經(jīng)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(biāo)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(wù)。要證實或駁斥一個說法，往往需要翻閱大量資料、找權(quán)威來源支持，有時候還得親自做實驗或者請教專家。

現(xiàn)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(jù)，然后把它們呈現(xiàn)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(xué)文獻(xiàn)、食品安全機(jī)構(gòu)的公告、科普文章等。一方面也許找到了世衛(wèi)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(jù)證明微波爐加熱致癌”之類的結(jié)論，并附上關(guān)鍵來源。

這樣，你不僅知道答案，還能看到背后的證據(jù)鏈條。

如果是比較嚴(yán)肅的調(diào)查，如新聞事實核查，它也能幫助列出時間、地點、人物證據(jù)，讓你快速還原事實經(jīng)過。

這項用法對于記者、科普作者、內(nèi)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(jù)（如果有相關(guān)研究或?qū)＜矣^點，請列出）。
- 反對這一說法的依據(jù)（官方健康機(jī)構(gòu)、流行病學(xué)研究等給出的結(jié)論）。
- 根據(jù)找到的證據(jù)給出最終<結(jié)論評估>（例如基本不實、證據(jù)不足或確有其事）。
請?zhí)峁┵Y料來源鏈接以證明。

如果我把問題改成：喝咖啡是否會導(dǎo)致骨質(zhì)疏松，這個報告是這樣的。

如果我們?nèi)巳硕寄苡檬聦嵳f話，那該多好啊。

六、個人學(xué)習(xí)路線規(guī)劃

我們想學(xué)習(xí)一門新技能或知識時，往往面臨信息過載的困境。

拿學(xué)習(xí) Python 編程舉例，網(wǎng)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(xué)起讓人犯難。

如果隨便跟著感覺走，可能學(xué)了些皮毛就卡住，或者資料不系統(tǒng)導(dǎo)致知識漏洞。

為自己量身定制一個系統(tǒng)的學(xué)習(xí)計劃并非易事，需要了解該領(lǐng)域有哪些必備基礎(chǔ)、經(jīng)典教材和練習(xí)路徑，初學(xué)者通常很難搞定。

但是對于 Deep Research，它會綜合互聯(lián)網(wǎng)上無數(shù)學(xué)習(xí)資源和過來人的經(jīng)驗，給出循序漸進(jìn)的建議。

例如：“我是一名市場營銷人員，想用 6 個月時間自學(xué)數(shù)據(jù)分析，幫我規(guī)劃學(xué)習(xí)路徑?！?/p>

Deep Research 可能會建議：第 1 個月學(xué)習(xí) Excel 和基礎(chǔ)統(tǒng)計，第 2-3 個月學(xué)習(xí) Python 數(shù)據(jù)分析庫（pandas 等），第 4 個月實踐幾個小項目，第 5-6 個月進(jìn)階學(xué)機(jī)器學(xué)習(xí)基礎(chǔ)，并推薦每階段合適的課程或書籍名稱。

有些熱心網(wǎng)友曾整理過類似的學(xué)習(xí)路線博客，AI 會參考這些再結(jié)合你的背景做調(diào)整。結(jié)果就是一份高度個性化的學(xué)習(xí)計劃，讓你少走彎路。

未來也許會出現(xiàn)“AI 學(xué)習(xí)教練”這樣的新角色，而 Deep Research 就是我認(rèn)為的雛形。

Prompt 模板在此（這個得根據(jù)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(dá)設(shè)計>應(yīng)屆畢業(yè)生，想轉(zhuǎn)行做軟件開發(fā)，但沒有編程基礎(chǔ)。
目標(biāo)：希望在內(nèi)具備勝任初級軟件工程師的能力。
請結(jié)合我的背景和優(yōu)勢，為我設(shè)計一份學(xué)習(xí)路線：
- 列出每階段（例如每 2 個月）的學(xué)習(xí)重點（比如編程基礎(chǔ)、算法與數(shù)據(jù)結(jié)構(gòu)、項目實踐等）。
- 為每個階段推薦<具體資源>（書籍、在線課程、練習(xí)項目等）。
- 提供一些學(xué)習(xí)技巧或注意事項。

未來，不知道怎么開始學(xué)，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(guān)、市場營銷人員需要時刻關(guān)注自己公司或產(chǎn)品在公眾中的口碑。

傳統(tǒng)上，大家都會用輿情監(jiān)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(chǎn)品發(fā)布后，有成千上萬的用戶評價，要總結(jié)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(wǎng)上對我們 XX 產(chǎn)品的評價如何？”，它會搜索社交媒體帖子、產(chǎn)品測評、相關(guān)新聞評論，從中提煉常見觀點和情緒傾向。

公關(guān)團(tuán)隊可以更快速地了解輿論脈搏，及時調(diào)整策略；營銷人員能夠發(fā)現(xiàn)用戶真實的痛點和喜好，用于改進(jìn)產(chǎn)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(xì)分析<某某事件>的用戶輿論：
- 匯總社交媒體上用戶對<某某產(chǎn)品>的主要正面評價（喜歡的點）和負(fù)面吐槽（不滿之處）。
- 統(tǒng)計正負(fù)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(jù)反饋給出對<某某公司或團(tuán)隊>營銷或產(chǎn)品改進(jìn)的建議。

比如，我讓它分析一下 OpenAI 發(fā)布 GPT4.5 之后的輿情。

真的非常的準(zhǔn)。

八、產(chǎn)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(jī)，要比較不同型號的參數(shù)、評價；選一款主機(jī)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(biāo)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(jié)、論壇口碑等信息之外，還會跟根據(jù)你的信息量身定制。

比如你特別在意相機(jī)效果，它會重點對比相機(jī)評分；你關(guān)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(chǎn)品：
我在考慮購買<某某款輕薄商務(wù)筆記本 A> 和 <某某款輕薄商務(wù)筆記本 B>。
需求：
- 我經(jīng)常出差，需要<電池續(xù)航長>、<>重量輕>的筆記本，也關(guān)注<性能和售后服務(wù)>。
請從規(guī)格參數(shù)、電池續(xù)航測試、用戶評價等方面比較 A 和 B，列出各自的優(yōu)缺點，并根據(jù)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(guān)于國補(bǔ)的信息，這個就非常的強(qiáng)了。

九、新聞?wù)?/span>

現(xiàn)在，每天都有海量新聞涌現(xiàn)，忙碌的白領(lǐng)很難全部跟上。

特別是當(dāng)你需要了解某個熱點事件或行業(yè)動態(tài)的全貌時，更是困難。比如就單“AI 影視”的話題，相關(guān)新聞散見于科技、財經(jīng)、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(yè)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(lián)網(wǎng)上快速爬取與某個主題相關(guān)的新聞、博客、社交媒體討論，過濾重復(fù)內(nèi)容，提煉關(guān)鍵信息，并最終形成一份縱覽全局的總結(jié)報告。

甚至對熱點事件（如某企業(yè)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(guān)鍵節(jié)點。

Prompt 模板：

幫我匯總“全球 AI 行業(yè)最新動態(tài)”
- 涉及的子主題包括：主要廠商的近期新聞（新品發(fā)布、財報）、各大有熱度的 AI 產(chǎn)品的發(fā)布、破圈的作品、跟 AI 相關(guān)的社會輿論等等。
- 請按主題分類總結(jié)，并提供具體事實和數(shù)據(jù)（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(yè)未來 6 個月趨勢的分析判斷。

報告非常有意思：

在產(chǎn)品發(fā)布上，抓到了大量的國產(chǎn) AI 產(chǎn)品動態(tài)。

甚至，在國內(nèi)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(biāo)志著，AI 短劇首次實現(xiàn)了盈利，雖然掙得不多，但是也代表，商業(yè)模式跑通了，這是短劇行業(yè)開天辟地的大事。

但是我相信，可能很多 AI 行業(yè)的人，完全都不知道這部劇。

Deep Research，已經(jīng)比絕大多數(shù)從業(yè)者，在知識的廣度上，要全面了。

十、寫小說

可能我是為數(shù)不多的，在用 Deep Research 寫小說的人。

越好看的故事，要求越強(qiáng)，邏輯要求越高。特別在影視劇本中，有一個非常經(jīng)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(yīng)在后文出場，不然就沒有必要提及：

“請將一切與故事無關(guān)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(fā)射，不然就沒必要掛在那?！?/p>

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

而 Deep Research 的底座 o3，在邏輯推理上，真的強(qiáng)到?jīng)]邊。

也是為數(shù)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(guān)鍵情節(jié)點，第二步，寫完整的小說。

第一步我的 Prompt 如下：

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

1. 文化與時代設(shè)定：
- 查找文藝復(fù)興時期的主要文化特征、社會結(jié)構(gòu)（貴族與平民的地位對比、城市行會制度）、日常生活形態(tài)（服裝、飲食、禮儀等）。
- 我想加入“煉金術(shù)”的超自然設(shè)定，請檢索真實歷史上與煉金術(shù)相關(guān)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(fā)生的重要事件（如主要戰(zhàn)亂、王朝更替）和科技進(jìn)步（如火槍、印刷術(shù)的發(fā)展），列出我可參考的關(guān)鍵年份或里程碑。

2. 魔法體系靈感：
- 搜集民間傳說或神秘學(xué)文獻(xiàn)，看看可以融入的魔法或巫術(shù)素材（例如關(guān)于魔法陣、符文的說法）。
- 調(diào)研當(dāng)時宗教（如天主教、異端審判）對“超自然現(xiàn)象”的態(tài)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(jì)+魔法”的設(shè)定。

3. 角色與情節(jié)建議：
- 我希望主角是一個剛?cè)胄械哪贻p煉金術(shù)學(xué)徒，請檢索有沒有相關(guān)的歷史人物或傳說能提供靈感，如真實存在的學(xué)徒制訓(xùn)練流程或著名煉金術(shù)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(shù)，如何面對教會或他國敵對勢力等?？梢詭椭沂崂沓?5-8 個關(guān)鍵情節(jié)點。
- 提供一些可能的情感沖突（如貴族小姐愛上煉金術(shù)學(xué)徒、教會內(nèi)部的暗流斗爭、不同國家聯(lián)姻或戰(zhàn)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(biāo)注出處方便我交叉驗證。
- 有關(guān)魔法或煉金術(shù)的內(nèi)容，如果沒有足夠史實支撐，也請標(biāo)記“推測內(nèi)容”，以便我后續(xù)進(jìn)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(guān)鍵設(shè)定）。
- 之后詳細(xì)列出文藝復(fù)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(jù)我的需求提供章節(jié)/情節(jié)大綱。
- 最后附上可能的結(jié)局走向或伏筆提示。

最后產(chǎn)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(yīng)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(chǔ)。

這才是，邏輯和事實，你的故事，才足夠的鮮活。

當(dāng)我有了這些素材之后，我就可以再跟 Deep Research 說，根據(jù)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(shù)師的風(fēng)格吧，可以再融入一點點克蘇魯?shù)哪欠N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(nèi)容，特別是 AI 生成的內(nèi)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(xiàn)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(fā)生的感嘆。

這是優(yōu)秀的故事，這是完美的故事，這是精心編排設(shè)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(jīng)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(fā)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(dāng)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(jìn)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(xué)習(xí)吧。

在這個盡量不被時代所淘汰的道路上。

完。

歡迎關(guān)注作者的微信公眾號：數(shù)字生命卡茲克