本文介绍如何用 ChatGPT 开展检索与深度研究：结合即时搜索与系统化信息整理，评估来源可靠性，并生成结构化见解与引用。面向需要查找最新信息和进行分析的研究者与工程师，强调验证与逐步迭代的工作流。
主要方法
- 搜索与即时检索：结合外部搜索工具以获取最新数据，避免仅依赖模型记忆。
- 深度研究流程：拆分研究问题、分步询问、收集并对比多来源证据。
关键实践
- 验证来源：优先权威来源与原始数据，核对发布时间和作者，警惕断章取义。
- 结构化输出：让模型生成摘要、要点、引用列表和进一步阅读建议，便于复现与审查。
- 迭代提问：通过多轮交互细化假设、更新证据和修正结论。
风险与限制
- 时效性问题：模型本身可能未包含最新信息，必须与实时搜索结合。
- 生成性偏差：模型可能错误推断或编造引用，需人工核验。
实操建议
- 明确研究目标与评价标准。
- 要求模型标注来源与置信度；将关键事实回溯到原始文献。
- 使用提示工程提高检索与分析的精确性，例如分阶段指令、限制范围与格式化输出。
适用场景
- 文献综述、快速背景调查、竞品情报和技术趋势跟踪。
将生成式模型与严谨的检索和验证流程结合，是提升研究效率同时控制风险的关键。