我如何在五個簡單步驟中進行 AI 深度研究： 1. 向你最喜愛的 LLM 諮詢一個針對你研究主題的博士級大提示。 解釋你對該主題的興趣、研究的最終目標，或者保持一般性以查看回饋。 2. 將這個大提示粘貼到研究模式中：@grok , @claudeai , @ChatGPTapp, @perplexity_ai , @Gemini 等等。 你會獲得各種各樣的幻覺供你挑選 ;) 3. 將每個結果報告粘貼到一個 Google 文檔的單獨標籤中。 這樣可以保持每個報告的整潔和集中，並且易於更新。 4. 將所有標籤的 Google 文檔導出為一個主文檔（現在你只需一個文檔而不是五個）。 我發現理解你所使用的 LLM 的邏輯和價值觀非常重要，並了解它隨時間的變化。 你可以根據 LLM 背後團隊願意給你哪些主題的結果來感知他們的內部價值觀。 5. 將新的主報告文檔上傳回相同的 LLM（新的聊天），並要求他們無情地挑戰所有細節，並返回研究主題的最終博士報告，並提供所有內容的來源。 最終報告將成為未來背景的來源，順便說一下，我仍然不完全信任。 例如，當我在研究 Veve 時，我得到的有關他們的發行和收入等數字是非常錯誤的，他們甚至對產品的最基本信息都搞錯了，比如說某個特定的 NFT 有 7,000 個單位，但實際上它有 50,000 個。而且數學也完全不對。我不得不手動核實每一項以進行驗證。這顯然是耗時的，但確實幫助我知道該去哪裡查看以及如何更好地看整個畫面。 無論如何，向前看，你可以使用這個新的深度研究報告文檔來為你所有的提示提供更大的背景。 這使你能夠將自己的想法和假設與針對性的數據集進行檢查，這樣你就可以真正信任你為下一個十億美元的想法所獲得的所有正面催眠。 ...