Всем привет!
Меня зовут Александр, я COO в SaaS-платформе аналитики данных. Делюсь полезными материалами, которые считаю стоят внимания. В основном про AI, изменение процессов, тренды и продуктовое видение.
У себя в телеграм-канале делюсь сжатыми и структурированными саммери статей.
Очень подробный обзор нейростей для ресерча от цен до контекста, источников и пр.
Рекомендую загружать дополнительные данные и сами результаты ресерча в проекты/папки для контекста, тогда результаты получаются максимально качественными.
Еще важно учитывать, часто Thinking модель GPT5 выдает ответы уровня Deep Research, но быстрее.
Кто не знал, сейчас можно купить подписку Perplexity за 900₽ на год, отдельный жирный плюс — не требуется VPN, погуглите 😉
Выход ChatGPT Deep Research стал для меня настоящим прозрением. Я не инженер, и это был первый раз, когда ИИ полностью автоматизировал ключевую часть моей работы, в которой я был хорош.
Вместо того чтобы часами вручную искать информацию в Google и компилировать результаты, я теперь мог получать 20-страничный отчет за считанные минуты.
Но, как это всегда бывает с ИИ, когда первоначальный восторг прошел, я понял, что результаты часто были довольно сырыми. Сомнительные источники, шаткая методология, стены едва отформатированного текста — чего я только не видел в отчетах Deep Research.
Потенциал был очевиден, но обещание «аналитика McKinsey по запросу» оказалось не совсем точным. По крайней мере, не без усилий, чтобы понять и устранить слабые места инструмента.
Проходя через этот процесс обучения, я искал руководства в интернете. Но я был удивлен, обнаружив, что большинство из них были слишком общими, чтобы быть практически полезными.
Поэтому я решил написать исчерпывающее руководство по ИИ-агентам для исследований сам.
Никакого хайпа — только мои выстраданные уроки о том, что работает, что нет, и как получить наилучший результат. Включая наглядные примеры, чтобы вы могли увидеть влияние предлагаемых мной практик.
Мы рассмотрим:
Как я вижу основные сценарии использования и ограничения DeepResearch
Какой ИИ-инструмент для исследований лучше для каких задач (включая более дешевые альтернативы плану ChatGPT Pro за $200)
Как писать эффективные промпты, которые каждый раз дают первоклассный результат
Как извлечь максимум пользы из итогового отчета
ИИ-агенты для исследований невероятно полезны — независимо от вашей работы. «Исследование» может звучать как нечто, актуальное в основном для академической среды или определенных должностей начального уровня; но если присмотреться, я уверен, вы обнаружите, что тратите на это много времени.
Например:
Будучи менеджером по продукту, вы исследуете продукты конкурентов
Будучи основателем, вы изучаете налоги с продаж, расчет заработной платы или математику капитализационной таблицы
А если вы работаете в BizOps, вся ваша работа, по сути, заключается в том, чтобы каждую неделю как можно быстрее вникать в новую тему, чтобы принести пользу и перейти к следующей
ИИ-агенты для исследований могут помочь со всем этим и многим другим. И они полезны не только на работе.
Исходя из моего опыта, основные сценарии использования таковы:
Применение глубоких исследований
Категория | Примеры использования |
---|---|
💡 1. Понимание новых тем | • Понимание оптимизации поиска с помощью ИИ (GEO) • Понимание законов о конфиденциальности и того, как они на вас влияют |
🔍 2. Рекомендации, основанные на исследованиях | • Помощь в решении, стоит ли создавать компанию для побочного проекта • Рекомендации, каких сотрудников нанимать и в каком порядке для стартапа |
📚 3. Обзоры, основанные на исследованиях | • Конкурентные исследования• Сравнение продуктов и поставщиков • Лучшие рестораны по типам кухни в определённом городе |
📋 4. Подробные разборы | • Пошаговое руководство по выполнению задачи • Подробный разбор всех изменений между двумя версиями технологии |
ИИ может сократить время, необходимое для выполнения этих задач, на 80-90%. Но: Не отдавайте эти задачи на аутсорс полностью без надзора. Если вы будете слепо использовать результат для чего-то важного, вас гарантированно ждут неприятности.
Этим ИИ-агентам, по крайней мере в их текущих версиях, требуется серьезная поддержка, чтобы создать что-то надежное. И чтобы играть роль критичного «менеджера», вам нужно знать, на что обращать внимание.
Вот пять самых больших проблем, о которых следует знать:
Как вы увидите в подробном сравнении ниже, большинство ИИ-инструментов для исследований не запрашивают контекст проактивно и используют только ту информацию, которую вы предоставляете в промпте.
Подобно слишком ретивому аналитику, они сразу бросаются выполнять, даже не имея понятия, что вы на самом деле собираетесь делать с отчетом.
И даже если агенты запрашивают контекст (например, потому что вы им это сказали):
Вопросы не всегда охватывают все важные аспекты, и
Они никогда не уточняют, если ваши ответы недостаточны
👉 Что с этим делать: Проактивно предоставляйте как можно больше контекста о вашей ситуации и о том, чего вы пытаетесь достичь, и скажите агенту запросить все, чего еще не хватает.
Я заметил несколько основных проблем с тем, как ИИ-агенты по умолчанию обращаются с источниками (то есть, если вы не скажете им, как делать лучше):
☝ Чрезмерная зависимость от отдельных источников, что приводит к предвзятым оценкам или туннельному зрению
🧩 Смешивание и сопоставление источников данных без указания оговорок, что создает фрагментарный анализ, лишенный смысла
🗑️ Использование низкокачественных источников (например, случайные посты на Reddit от анонимных пользователей)
📆 Устаревшие источники (например, данные 5-10-летней давности даже в тех областях, где все быстро меняется)
Если вы не будете внимательны, вы получите красиво выглядящий отчет на зыбком основании:
👉 Что с этим делать: Особенно для отчетов с большим количеством данных, вы должны 1) дать указания, каким источникам отдавать предпочтение, и 2) запросить информацию о том, как использовались источники.
Deep Research не может получить доступ к платным источникам. Однако, в зависимости от вашей области исследований, именно там находится много ценных данных.
Например, для многих анализов в B2B SaaS вы можете захотеть использовать данные из API LinkedIn или от фирм, занимающихся исследованием рынка. Прямо сейчас, чтобы сделать это, вам нужно сначала загрузить эти наборы данных, а затем сделать их доступными для ИИ.
Кроме того, ИИ-агенты, очевидно, могут исследовать только то, что доступно в интернете. Если вы изучаете тонкую, нишевую тему (например, сложный юридический вопрос), это проблема.
👉 Что с этим делать: В таких случаях лучше всего рассматривать Deep Research как инструмент, который поможет вам подготовиться к звонкам с экспертами (чтобы вы знали, какие вопросы задавать), а не как комплексное решение для получения рекомендации.
Качество рассуждений в отчетах DeepResearch сильно варьируется; как между разными запросами, так и между разными инструментами (например, ChatGPT против Gemini). Иногда я впечатлен, а в других случаях мне кажется, что я проверяю работу школьника-стажера.
Кроме того, вы обнаружите, что исследовательские агенты часто просто повторяют найденное мнение (например, в блог-посте), вместо того чтобы по-настоящему продумать проблему. Другими словами, вы передаете принятие решений случайному человеку в интернете.
👉 Что с этим делать:
Самое важное — выбрать самый способный инструмент (подробнее об этом ниже)
Убедитесь, что вы заранее просмотрели план исследования и предоставили подробные инструкции относительно методологии
Дайте критическую обратную связь по первому черновику, чтобы исправить любые вопиющие проблемы (даже если ИИ делает ошибки, у него всегда хороший настрой, и он рад все исправить)
По умолчанию отчеты, которые вы получаете от ChatGPT и Gemini, представляют собой огромные полотна текста, которые трудно осмыслить.
Конечно, вы можете получить краткое изложение от ИИ; но в некоторых случаях вы действительно хотите углубиться. Вы просто хотите, чтобы информация была представлена так, чтобы ее было легко усвоить.
👉 Что с этим делать: Дайте инструкции о том, как вы хотите, чтобы отчет был структурирован и отформатирован (например, добавление «TL;DR», использование обзорных таблиц и т.д.).
Хорошо, хватит жаловаться, давайте поговорим о конкретных вещах, которые вы можете сделать, чтобы извлечь максимум из этих инструментов.
Сначала мы глубже разберем различные инструменты, их сильные и слабые стороны, чтобы вы знали, какой из них лучше всего подходит для вашего случая.
Затем мы пройдемся по практическим советам, которые вы можете использовать, чтобы получать высококачественные результаты каждый раз.
Вы, вероятно, слышали о ChatGPT Deep Research, но это не единственный инструмент. Множество других игроков выпустили свои собственные версии за последние несколько месяцев.
Основные из них:
На первый взгляд, они довольно похожи. Вы вставляете исследовательский промпт в окно чата, и через 5-30 минут получаете подробный многостраничный отчет.
Однако дьявол кроется в деталях. Я тщательно тестировал эти инструменты на десятках сценариев использования, и есть огромные различия в том, как они подходят к исследованию и в качестве результатов:
Критерий | ChatGPT | Gemini | Perplexity | Grok | Claude |
---|---|---|---|---|---|
💰 Цена и лимиты | 🟠 | 🟡 | 🟢 | 🟢 | 🔴 |
🧠 Планирование исследования | 🟡 | 🟢 | 🟡 | 🔴 | 🟡 |
📥 Сбор контекста | 🟢 | 🟠 | 🟡 | 🟠 | 🟠 |
🤔 Логика и суждения | 🟢 | 🟠 | 🟡 | 🔴 | 🟠 |
📚 Полнота охвата | 🟢 | 🟡 | 🟢 | 🟢 | 🟠 |
📝 Структура и формат | 🟠 | 🟠 | 🟢 | 🟢 | 🟠 |
📖 Источники | 🟠 | 🟡 | 🟢 | 🟢 | 🟡 |
Примечание: Я сравниваю здесь базовые версии моделей, чтобы вы знали, что получите как бесплатный пользователь. Различия в производительности премиальных «продвинутых» моделей я рассмотрю в отдельном разделе в конце.
TL;DR:
ChatGPT Deep Research по-прежнему является лучшим инструментом для по-настоящему глубокого исследования; ни один другой инструмент на данный момент не может сравниться с ним по глубине и строгости.
Perplexity отлично подходит для кратких, хорошо структурированных обзоров по новым темам.
Две самые большие слабости ChatGPT — это 1) то, как он выбирает источники, и 2) то, что он создает огромные полотна текста с плохим форматированием.
Однако оба этих недостатка являются поведением по умолчанию, которое можно скорректировать с помощью правильных промптов; мы рассмотрим это в следующем разделе. По моему опыту, все сводится к следующему:
Вы можете попросить ChatGPT использовать другие источники или сделать отчет красивым, но вы не можете заставить другие инструменты быть гораздо более строгими в своих промптах.
Однако тариф Pro за $200 является неоправданно дорогим для частных лиц, а бесплатный и Plus тарифы имеют низкие лимиты использования. В результате, вы можете выбрать другой инструмент в качестве вашего «повседневного» на основе плюсов и минусов, обсуждаемых здесь, и «приберечь» ChatGPT Deep Research для самых важных задач.
Если у вас уже есть свой фаворит, смело переходите к лучшим практикам составления промптов.
🏆 Победитель: Grok; 🥈 Второе место: Perplexity
(обновил информацию на конец августа 2025)
Инструмент | Условия |
---|---|
ChatGPT 🟠 | • Бесплатно: 5 Deep Research (легкая версия) в месяц • Plus ( $ 20/мес): 10 полноценных Deep Research в месяц + 15 «легких»/мес • Pro ($200/мес): 125 полноценных + 125 «легких» Deep Research в месяц |
Gemini 🟡 | • Бесплатно: ~5 Deep Research-отчётов в месяц (типично) • AI Pro / Advanced ($19.99/мес): до 20 Deep Research-отчётов в день (лимит суточный/роллинг) |
Perplexity 🟢 | • Бесплатно: до 5 Deep Research в день • Pro ($20/мес): до 500 Deep Research в день |
Grok 🟢 | • Бесплатно: ориентировочно ~20 обычных запросов / 2 часа; DeepSearch ≈ до 10 / 2 часа; DeeperSearch — очень низкий дневной лимит (меняется) • SuperGrok ($30/мес): Grok-3 до 100 / 2 часа; Think до 30 / 2 часа; DeepSearch до 30 / 2 часа; DeeperSearch до 10 / 2 часа |
Claude 🔴 | • Бесплатно: доступ есть, но отдельного фиксированного лимита «Deep Research» нет — действует общий лимит сообщений/сессий (5-часовые окна) • Pro ($20/мес): повышенные общие лимиты; Research считаетcя в общий расход (лимит зависит от длины диалога и загрузки) |
Grok и Perplexity оба имеют щедрые бесплатные тарифы с несколькими запросами в день, что делает их явными фаворитами для тех, кто хочет получить Deep Research без подписки.
В отличие от них, бесплатные тарифы ChatGPT и Gemini имеют довольно строгие лимиты в месяц, а у Claude вообще нет функции Research в бесплатной версии.
Как активный пользователь, вы в конечном итоге столкнетесь с вопросом, стоит ли переходить на премиум-тариф. Помимо значительно более высоких лимитов использования, вы якобы получаете доступ к лучшим моделям и более качественным результатам.
В конце этого раздела мы обсудим, есть ли в этом заметная разница или нет (спойлер: не особо).
🏆 Победитель: Gemini; 🥈 Второе место: ChatGPT
Инструмент | Описание |
---|---|
ChatGPT 🟡 | Не делится планом исследования проактивно, но может сделать это по запросу. |
Gemini 🟢 | Проактивно предлагает план исследования для утверждения. |
Perplexity 🟡 | Не делится планом проактивно, но может по запросу. |
Grok 🔴 | Не делится планом исследования и обычно игнорирует такие запросы. |
Claude 🟡 | Не делится планом проактивно, но может по запросу. |
Особенно если вы не пишете длинный промпт с подробными инструкциями о том, как вы хотите, чтобы агент проводил исследование, ключевым является понимание того, что он планирует делать, прежде чем начнет.
Например, если вы просите сравнить программные инструменты, вы, возможно, захотите понять, какие критерии он планирует использовать для их оценки, чтобы не ждать 5-10 минут и не получить что-то, что не соответствует вашим ожиданиям.
Gemini — единственный инструмент, который делится своим планом исследования по умолчанию. Среди остальных, ChatGPT, Claude и Perplexity обычно предоставляют его по запросу:
Grok, с другой стороны, склонен игнорировать мои запросы и просто продолжает исследование 🤷.
Примечание: Чтобы максимизировать шансы на то, что агент поделится планом исследования, просите об этом как 1) в начальном промпте, так и 2) при ответе на уточняющие вопросы.
🏆 Победитель: ChatGPT; 🥈 Второе место: Claude
Инструмент | Описание |
---|---|
ChatGPT 🟢 | Проактивно задаёт 3–5 (действительно хороших) вопросов для уточнения контекста. |
Gemini 🟠 | По умолчанию не задаёт вопросы и иногда игнорирует просьбы задать их. |
Perplexity 🟡 | По умолчанию не спрашивает, но по запросу обычно всё работает. |
Grok 🟠 | Не задаёт вопросы проактивно и часто игнорирует такие просьбы. |
Claude 🟡 | Иногда спрашивает проактивно и всегда отвечает на просьбы уточнить контекст. |
ChatGPT Deep Research — единственный инструмент, который стабильно задает 3-5 вопросов для получения контекста, даже если вы не просите его об этом явно. Плюс, вопросы обычно по делу (т.е. похожи на те, которые задал бы сильный аналитик).
Остальные делают это, когда вы просите их в промпте, хотя и не всегда надежно. Вот две вещи, которые хорошо сработали для меня:
С Gemini, повторите свой запрос на получение недостающего контекста после того, как агент поделится планом исследования
С Grok, включите в ваш промпт просьбу объяснить, как [XYZ] применяется к [моей ситуации / моей компании]. Тогда он иногда понимает, что ему нужна дополнительная информация для этого
🏆 Победитель: ChatGPT; 🥈 Второе место: Perplexity
Методология и выводы / рекомендации
Критерий | ChatGPT | Gemini | Perplexity | Grok | Claude |
---|---|---|---|---|---|
Methodology | 🟢 Обычно хорошая базовая методология; хорошо реагирует на обратную связь. | 🟠 Часто отдаёт приоритет нерелевантной «воде» вместо ключевых факторов. | 🟢 Как правило, надёжная методология. | 🟡 Порой спорная методология (например, собственная система оценивания с необычными результатами). | 🟡 Порой спорная методология (например, собственная система оценивания с необычными результатами). |
Conclusions & recommendations | 🟢 Сильные рекомендации с глубокой обоснованной аргументацией. | 🟡 Иногда слабые выводы и рекомендации (мало обоснований). | 🟡 Иногда слабые выводы и рекомендации (мало обоснований). | 🟠 Рекомендации часто расплывчаты и необязывающи по умолчанию. | 🟠 Выводы иногда не подкреплены данными; рекомендации часто шаблонные. |
Рассуждения и суждения — это основа хорошего исследовательского отчета.
Если вы не согласны с методологией, которую использовал агент, или с выводами, к которым он пришел, неважно, насколько длинным или красивым будет отчет.
ChatGPT здесь явный победитель; он не только демонстрирует сильные суждения (например, при выборе критериев оценки или формулировании выводов), но и дает сильные рекомендации с четким обоснованием того, как он пришел к этому мнению.
Все остальные инструменты (кроме Perplexity) регулярно делают сомнительные выборы в своем исследовательском подходе, и часто неясно, как они пришли к своим рекомендациям. В результате, вы должны очень внимательно читать отчеты и задавать уточняющие вопросы, если планируете использовать результат для чего-то важного.
🏆 Победитель: ChatGPT; 🥈 Второе место: Gemini
Инструмент | Описание |
---|---|
ChatGPT 🟢 | Самые подробные отчёты — часто 5–20 тыс. слов; глубоко раскрывает ключевые области. |
Gemini 🟡 | Отчёты длинные, но из-за смещённого фокуса часто пропускают ключевую информацию. |
Perplexity 🟡 | Отчёты по умолчанию довольно краткие (~1.5–2 тыс. слов); можно увеличить объём, явно попросив больше глубины. |
Grok 🔴 | Короткие отчёты, напоминающие TL;DR (~1–2 тыс. слов); запросы мало влияют на длину/глубину. |
Claude 🔴 | Короткие отчёты, часто без ключевой информации; запросы мало влияют на длину/глубину. |
ChatGPT и Gemini создают на сегодняшний день самые полные отчеты; однако, в то время как ChatGPT обычно глубоко копает в важных областях, Gemini часто добавляет общую «воду», которая не была запрошена в промпте.
Очевидное преимущество массивных отчетов ChatGPT заключается в том, что вы получаете гораздо более детальные соображения по сложным темам, чем с другими инструментами.
Но это также означает, что вам нужно добавлять инструкции для улучшения структуры и форматирования отчета (например, добавляя резюме для каждого раздела), и/или получать краткое изложение от ИИ для этих отчетов, если вам нужны быстрые выводы. Мы подробнее разберем это ниже.
Остальные три инструмента страдают от противоположной проблемы; их отчеты на самом деле не являются глубоким исследованием. Даже если они рассматривают десятки (или, в случае Claude, сотни) источников, результат читается как «TL;DR», так что не ждите много нюансов, детальных сравнений или супертактических руководств.
Вы можете получить несколько более подробные отчеты, попросив их быть «особенно тщательными» и «стремиться к объему не менее [X тысяч] слов» (особенно от Perplexity), но это не достигнет уровня ChatGPT.
🏆 Победитель: Perplexity; 🥈 Второе место: Grok
Инструмент | Описание |
---|---|
ChatGPT 🟠 | Использует обзорные таблицы, но часто встречаются длинные неоформленные «простыни» текста и порой нет краткого executive-резюме. |
Gemini 🟠 | Длинные «простыни» текста с ограниченным форматированием и редкими таблицами; похоже на ChatGPT. |
Perplexity 🟢 | Лёгкое для чтения оформление со списками и таблицами; графики часто не добавляют ценности. |
Grok 🟢 | Понятная структура; по умолчанию использует таблицы, отчёты легко просматривать. |
Claude 🟠 | Структура часто не оптимальна под задачу; читать сложно из-за избытка маркеров списков и жирного текста. |
Perplexity и Grok оба по умолчанию создают легко читаемые отчеты, которые хорошо используют маркированные списки и обзорные таблицы. Если вы ищете быстрые, хорошо отформатированные выводы без необходимости настраивать свой промпт, эти инструменты для вас.
Как упоминалось ранее, другим инструментам нужны указания в промпте, чтобы создать что-то, что легко разобрать.
🏆 Победитель: Perplexity; 🥈 Второе место: Claude
Критерий | ChatGPT | Gemini | Perplexity | Grok | Claude |
---|---|---|---|---|---|
Выбор типа источников | 🟠 Можно выбрать только между веб-источниками и внутренними данными | 🔴 Нельзя выбрать типы источников | 🟢 Можно выбирать между веб / академическими / социальными / финансовыми источниками | 🔴 Нельзя выбрать типы источников | 🟠 Можно выбрать только между веб-источниками и внутренними данными |
Количество источников | 🔴 Небольшое число источников по умолчанию | 🟡 Пара десятков источников на запрос | 🟡 Пара десятков источников на запрос | 🟡 Обычно несколько десятков источников на запрос | 🟢 Сотни источников учитываются для каждого запроса |
Качество источников | 🟠 Часто опора на отдельные источники; иногда низкое качество | 🟢 Обычно сильная и уместная подборка | 🟢 Обычно сильная и уместная подборка | 🟡 В целом неплохо, но встречаются спорные выборы | 🟢 В среднем хорошее качество источников |
Цитирование | 🟢 Стабильно цитирует внутри текста | 🟡 Цитирует по абзацам | 🟢 Стабильно цитирует внутри текста | 🟠 Редко цитирует внутри текста | 🟢 Стабильно цитирует внутри текста |
Есть несколько вещей, которые важны, когда речь идет об источниках для DeepResearch:
Легко ли выбрать, каким (видам) источников отдать предпочтение
Сколько источников рассматривается (чтобы получить сбалансированный обзор, включающий широкий спектр мнений и данных)
Качество источников, которые выбирает исследовательский агент
Насколько легко отслеживать цитаты (чтобы можно было перепроверить данные, лежащие в основе аргументов)
ChatGPT по умолчанию не силен ни в одном из этих пунктов (кроме цитат). На практике это не такая уж большая проблема, так как 1) его резюме и выводы часто все равно по делу и 2) он очень отзывчив на обратную связь.
Например, когда я попросил обзор размера рынка основных стран ЕС, первая версия использовала сомнительную методологию и источники данных. Но я смог получить гораздо лучшую версию за 5 минут, сделав две вещи:
Попросив ChatGPT o3 составить список лучших источников данных для оценки размера рынка:
Попросив Deep Research переделать эту часть отчета на основе этого списка и выделить, где цифры из разных авторитетных источников не совпадают (+ предоставить гипотезы, почему это может быть так).
Поиграв немного с Deep Research, вы можете задаться вопросом: стоят ли дорогие премиум-версии своих денег, или достаточно бесплатного тарифа?
Не волнуйтесь, я купил их все, чтобы вам не пришлось.
TL;DR: На мой взгляд, только премиум-версия ChatGPT стоит того, если вы активный пользователь. Все остальные имеют смысл только в том случае, если вы используете аккаунт и для других целей.
Здесь есть два основных соображения:
Perplexity и Grok предоставляют достаточное количество кредитов для исследований в бесплатных версиях, поэтому для большинства пользователей обновление не является необходимым.
Активные пользователи Gemini, скорее всего, столкнутся с лимитом, а Claude вообще не предлагает функцию Research бесплатно; но, на мой взгляд, в этом случае лучше выбрать ChatGPT.
В рекламе премиум-тарифов вы увидите довольно громкие заявления о продвинутых рассуждениях, более глубоких исследованиях или большем количестве источников / цитат.
Но есть ли на практике заметная разница?
Короче говоря: нет.
Отчеты от Perplexity Pro кажутся довольно похожими на отчеты бесплатной версии; я определенно не получил обещанного «в 10 раз больше цитат». Основное отличие, которое я заметил, заключалось в том, что он создавал много навороченных диаграмм, которые на самом деле не были так уж полезны.
Grok DeeperSearch также меня не впечатлил. Я запускал одни и те же запросы на обеих моделях для прямого сравнения; DeeperSearch использовал примерно в 2-3 раза больше источников и в некоторых случаях создавал на 30-60% более длинный отчет с дополнительными деталями, но он и близко не подошел к глубине ChatGPT Deep Research.
Даже премиум-версии все еще ощущаются как резюме, в то время как ChatGPT создает действительно глубокое исследование, которое исчерпывающе знакомит вас с темой.
Качество вашего промпта определяет успех вашего исследования. Если вы отправите небрежный запрос, вы будете ждать до 15 минут (или дольше) только для того, чтобы обнаружить, что полученная полусырая каша непригодна для использования, и вы потратили драгоценные кредиты Deep Research.
Хотя у каждой модели есть свои особенности, основная структура того, что делает промпт для Deep Research хорошим, в некоторой степени не зависит от того, какой инструмент вы в итоге выберете.
Сначала мы рассмотрим отдельные компоненты, а затем соберем все вместе. Не стесняйтесь переходить вперед, если хотите начать как можно скорее.
Какова цель вашего исследования и какой результат вы хотите получить? Как упоминалось выше, это может быть обзор, рекомендация, сравнение или подробное пошаговое руководство (или их комбинация).
❌ «Помоги мне понять, как работает SEO для ИИ-поиска»
✅ «Пожалуйста, кратко изложи лучшие практики SEO для поисковых систем на основе ИИ, предоставь чек-лист конкретных шагов, которые я могу предпринять для повышения видимости моего контента, и порекомендуй конкретный инструмент, который может мне в этом помочь»
Этот шаг требует от вас наибольших усилий, но он также и самый важный. Магия Deep Research не в том, что вы получаете 20-страничное резюме по теме, а в том, что вы можете получить отчет, адаптированный под вашу ситуацию, как если бы у вас в команде был аналитик-исследователь.
Помните: Любую часть контекста, которую вы опустите, ИИ просто додумает или оставит общей, чтобы она подходила всем.
Что важно, зависит от ситуации, но вы можете захотеть включить:
💼 Основные факты о вашем бизнесе или ситуации (например, продукт, бизнес-модель, география)
🙋♂️ Кто является аудиторией отчета (например, вы, финансовый директор вашей компании и т. д.) и каков их уровень знакомства с темой
🚧 С какими ограничениями вы сталкиваетесь (например, вещи, которые ваша компания не может / не будет рассматривать)
🎯 Каково дальнейшее использование отчета (например, конкретное решение, которое вы надеетесь принять)
Даже базовый контекст имеет огромное значение:
Вот супер общий отчет, который Gemini создал о правилах и соблюдении VAT без какого-либо контекста
А вот гораздо более конкретный, практичный отчет благодаря одному предложению добавленного контекста в промпт (B2B SaaS-стартап из США, выходящий на рынок ЕС)
Поскольку бывает трудно вспомнить все, что может быть релевантно, вы можете попросить ИИ помочь вам с брейнштормом. Простой промпт, который хорошо сработал для меня (например, с O3):
Я планирую создать отчет Deep Research на тему [X], чтобы [Y]. Какой контекст мне следует предоставить, чтобы получить персонализированный, практичный отчет? Представь, что у тебя нет никакого контекста из предыдущих разговоров.
Наконец, если вы хотите быть уверены, что ничего не упустили, попросите агента Deep Research напрямую запросить у вас дополнительный контекст:
Как упоминалось ранее, вывод по умолчанию (особенно в ChatGPT) — это некоторый беспорядок. Если вы хотите получить что-то, что легче усвоить, вам придется это указать.
Некоторые вещи, которые хорошо сработали для меня:
Явная формулировка содержания и структуры 1) всего документа и 2) отдельных разделов имела для меня огромное значение.
Например:
Укажите все ключевые моменты, которые вы хотите включить в результат (например, конкретное сравнение, шаблоны, примеры текста, фрагменты кода и т. д.)
Попросите агента следовать принципу пирамиды и начинать с ключевых выводов или рекомендаций (как в основном резюме, так и в каждом отдельном подразделе)
Попросите предоставить обзор использованных источников, включая то, для чего они использовались, их тип (например, правительственный, коммерческий, новостной, рассылка/блог), дату создания или обновления и т. д.
Добавление всего нескольких базовых инструкций в промпт имеет огромное значение для того, как выглядит отчет.
Попросите использовать маркированные списки и выделение жирным шрифтом, где это уместно.
Укажите, что вы предпочитаете таблицы текстовым резюме для любого вида сравнения или обзора.
Как вы видели в обзоре выше, только Gemini надежно делится планом исследования проактивно. Чтобы избежать неприятных сюрпризов, не забудьте запросить его, прежде чем агент начнет какую-либо работу.
Например, это предложенный план исследования, который я получил от ChatGPT для глубокого погружения в инструменты vibe coding после того, как явно попросил об этом.
Вот ключевые моменты, на которые я бы обратил внимание:
Является ли план исследования исчерпывающим? Есть ли какой-либо анализ, который вы хотите, чтобы агент сделал, или раздел, который вы хотите, чтобы он написал, который отсутствует?
Вам нравится, на чем фокусируется агент? Если у вас есть конкретная область интересов, убедитесь, что агент строит свой отчет вокруг нее.
Есть ли какие-либо неявные или явные предположения, с которыми вы не согласны? Если да, предоставьте соответствующий контекст, чтобы заполнить эти пробелы.
Вы согласны с методологией (например, критерии оценки или сравнения)?
Это также хорошее время, чтобы указать, хотите ли вы, чтобы агент отдавал предпочтение определенным источникам.
Например, вы можете попросить использовать данные от независимых третьих сторон, а не с веб-сайтов компаний, или чтобы использовались только данные, которые новее определенной даты.
Если у вас есть конкретные ожидания (например, относительно того, как должен выглядеть результат), может быть полезно привести примеры.
Например, вы можете использовать Deep Research для автоматизации создания отчетов, которые вы раньше делали вручную. В этом случае, поместите несколько лучших образцов вашей работы в документ и загрузите его в качестве контекста, чтобы ИИ-агент мог им подражать.
Вот пример комплексного промпта, который включает в себя советы, изложенные выше:
И вот что выдал ChatGPT: - Руководство по скорингу аккаунтов
Неплохо, я бы сказал — и гораздо лучше, чем то, что вы получили бы с простым промптом «создай руководство по скорингу аккаунтов».
Примечание: Как вы видите, он пообещал поделиться планом исследования перед тем, как продолжить, а затем забыл об этом. Вот почему я рекомендую повторять запрос при ответе на вопросы о контексте (чего я не сделал в этом случае).
Вы можете либо создавать промпты самостоятельно, либо попросить ИИ помочь (либо дать обратную связь на ваш черновик промпта, либо написать его с нуля).
Например, если вы спросите ChatGPT o3 это…
Планирую подготовить отчёт формата «Deep Research» о рынке инструментов ИИ для транскрибации встреч, чтобы понять, где есть пробелы и возможности для стартапов. Пожалуйста: 1) составь структурированный промпт, который даст подробный, строгий и практически применимый обзор с конкретными рекомендациями, и 2) укажи, какой контекст мне нужно предоставить, чтобы получить план, адаптированный под мою ситуацию и потребности.
…вы получите в ответ это.
Примечание: Я рекомендую не просто слепо копировать сгенерированный ИИ промпт, а адаптировать его под свои цели. Например, вы можете видеть, что o3 включил много очень конкретных запросов, и они могут не совсем соответствовать тому, что вы ищете.
В любом случае, это хорошая отправная точка и быстрее, чем создавать промпт с нуля.
Кредиты Deep Research ограничены, поэтому создание надежных промптов важно. Тем не менее, я рекомендую подходить к исследованию с ИИ так же, как вы бы подошли к нему с человеком-аналитиком.
На это есть несколько причин:
Можете ли вы описать, как выглядит идеальный анализ темы? Каждую мелочь, которую он должен содержать?
Вероятно, нет. Но как только вы увидите один, вы сразу поймете, как его можно улучшить. По моему опыту, вы получите сильный результат гораздо быстрее, получив первую версию и предоставив обратную связь, чем зацикливаясь на идеальном промпте.
Это особенно верно, если вы не являетесь экспертом в данной области. Я часто так мало знаю о теме, что даже не знаю, какие вопросы мне следует задавать. Поэтому вместо этого я делаю следующее:
Сначала я прошу предоставить общий обзор с предложениями по последующим глубоким исследованиям.
Затем, после просмотра первоначального отчета, я углубляюсь в наиболее интересные области одну за другой.
Таким образом, я избегаю быть перегруженным 50-страничным отчетом, полным информации, которую я либо не понимаю, либо мне не нужна. И с каждым глубоким погружением я лучше понимаю тему и могу уточнять свои вопросы для следующего «исследовательского задания».
Это то же самое, что и при делегировании работы в качестве менеджера: вы получаете одни из лучших результатов, когда даете людям некоторую свободу в том, как они выполняют задачу. Например, они могут подойти к проблеме с той стороны, о которой вы даже не задумывались.
Если вы дадите суперпредписывающий исследовательский промпт, наилучшим возможным результатом будет отчет, такой же хороший, как тот, который вы бы создали сами. Но если вы хотите быть приятно удивлены, вам нужно оставить вещи немного более открытыми.
Представьте, что вы получили подробный отчет о том, как создать ML-модель для определенного случая использования, включая чек-листы, оценки сроков, примеры кода и т. д., только чтобы понять, что вы забыли предоставить важную часть контекста.
Мало того, что все это теперь бесполезно; поскольку отчет такой подробный, вы, вероятно, потратили слишком много времени, копаясь в нем, пока не поняли, что он был в корне ошибочным.
Когда дело доходит до сложных тем, ваша первоначальная цель должна состоять в том, чтобы убедиться в правильности основы анализа. Затем, когда вы будете довольны этим, вы можете попросить ИИ создать последующие результаты, такие как подробные планы проектов или все, что вам нужно для фактической реализации рекомендаций.
Как обсуждалось выше, отчеты ChatGPT Deep Research могут быть длинными; очень длинными. Иногда до 20 тысяч слов и более.
Однако я не рекомендую читать их от корки до корки в тот момент, когда вы их получаете. Вместо этого я бы рассматривал их как ресурс, к которому можно выборочно обращаться, когда вам нужно углубиться в конкретный аспект.
Чтобы быстро получить обзор ключевых моментов, эффективнее скормить отчет обратно в ChatGPT (или другой инструмент) и попросить резюме. И если вы проводите исследование в рамках кросс-функционального проекта на работе, я настоятельно рекомендую попросить несколько резюме, адаптированных для конкретной аудитории (например, для менеджера по продукту, финансовой команды и т. д.).
Наконец, не только люди могут извлечь пользу из Deep Research. Вы также можете добавлять отчеты в качестве контекста для любых будущих бесед или проектов с ИИ: