AI Prompting for Everyone 课程笔记 - 05 使用深度搜索 Using Deep Research

文章目录

一、课程核心思想
二、重点知识点
- [2.1 什么是 Deep Research？](#2.1 什么是 Deep Research？)
- [2.2 Web Search vs. Deep Research](#2.2 Web Search vs. Deep Research)
- [2.3 Deep Research 为什么需要更多时间？](#2.3 Deep Research 为什么需要更多时间？)
- [2.4 Agentic AI（智能体式 AI）](#2.4 Agentic AI（智能体式 AI）)
[三、老师的案例：Halloween Haunted House（万圣节鬼屋）](#三、老师的案例：Halloween Haunted House（万圣节鬼屋）)
- [3.1 任务背景](#3.1 任务背景)
- [3.2 为什么这个任务适合 Deep Research？](#3.2 为什么这个任务适合 Deep Research？)
- [3.3 AI 如何制定研究计划？](#3.3 AI 如何制定研究计划？)
- [3.4 Agentic Research（智能体式研究）](#3.4 Agentic Research（智能体式研究）)
- [3.5 最终研究报告：Project Poltergeist](#3.5 最终研究报告：Project Poltergeist)
[四、如何使用 Deep Research？](#四、如何使用 Deep Research？)
- [4.1 Step 1：选择 Deep Research 模式](#4.1 Step 1：选择 Deep Research 模式)
- [4.2 Step 2：明确研究目标](#4.2 Step 2：明确研究目标)
- [4.3 Step 3：检查研究计划](#4.3 Step 3：检查研究计划)
- [4.4 Step 4：让 AI 执行研究](#4.4 Step 4：让 AI 执行研究)
- [4.5 Step 5：评估最终研究报告](#4.5 Step 5：评估最终研究报告)
[五、什么时候应该使用 Deep Research？](#五、什么时候应该使用 Deep Research？)
- [5.1 适合普通 Web Search 的问题](#5.1 适合普通 Web Search 的问题)
- [5.2 适合 Deep Research 的问题](#5.2 适合 Deep Research 的问题)
[六、Deep Research 的局限性](#六、Deep Research 的局限性)
- [6.1 更多来源不代表更准确](#6.1 更多来源不代表更准确)
- [6.2 AI 可能错误综合研究结果](#6.2 AI 可能错误综合研究结果)
- [6.3 Deep Research 需要更多时间](#6.3 Deep Research 需要更多时间)
- [6.4 研究报告不等于最终决策](#6.4 研究报告不等于最终决策)
七、重要英文术语
八、实践练习
九、复习问题
[十、一页速记版（Quick Review）](#十、一页速记版（Quick Review）)
[课程 Slides](#课程 Slides)

一、课程核心思想

前面两节分别介绍了：

P3 --- Web Search（联网搜索）：如何利用 AI 获取预训练知识之外的信息。
P4 --- Web Search Sources（联网搜索的信息来源）：如何判断搜索来源是否可靠，以及如何验证 AI 给出的结论。

但是，当研究问题比较复杂时，普通的 Web Search 可能还不够。

例如：

比较多个 AI 模型的能力、成本和适用场景。
分析某个行业的发展趋势。
研究一家公司的竞争环境。
综合多篇学术论文，寻找研究空白。
为重要决策准备一份有证据支持的研究报告。
这些任务往往需要多轮搜索、阅读大量资料、比较不同来源，并最终形成结构化的研究结果。

因此，本节介绍 Deep Research（深度研究）。

核心结论：Deep Research 的价值不仅在于搜索更多网页，而在于让 AI 围绕一个复杂问题，持续检索、分析、交叉验证和整合信息，最终生成更完整的研究报告。

二、重点知识点

2.1 什么是 Deep Research？

Deep Research（深度研究）是一种面向复杂研究任务的 AI 工作模式。与普通聊天或简单联网搜索相比，它通常能够执行更长的多步骤研究流程。

例如：

理解用户的研究目标。
将复杂问题拆分为多个子问题。
制定研究计划。
多轮搜索相关资料。
阅读并分析多个信息来源。
比较不同来源的证据。
根据研究发现继续补充搜索。
生成带有来源引用的研究报告。

Deep Research 的简化工作流程

复制代码

User Research Question
（用户提出研究问题）
          ↓
Understand Research Objectives
（理解研究目标）
          ↓
Create Research Plan
（制定研究计划）
          ↓
Search Multiple Sources
（搜索多个信息来源）
          ↓
Read and Analyze Information
（阅读并分析资料）
          ↓
Identify Information Gaps
（识别信息缺口）
          ↓
Conduct Follow-up Searches
（继续补充搜索）
          ↓
Synthesize Findings
（综合研究发现）
          ↓
Generate Research Report
（生成研究报告）

这是我补充的通用流程示意。不同 AI 产品的 Deep Research 功能，其实际执行步骤可能不同。

知识点：Deep Research 不只是一次搜索，而是围绕研究目标进行多步骤的信息收集、分析和整合。

2.2 Web Search vs. Deep Research

虽然 Web Search 和 Deep Research 都可以使用互联网信息，但它们适合不同复杂程度的任务。

方式一：Web Search（联网搜索）

适合相对明确、范围较小的问题。

例如：

复制代码

What are the latest AI models
released this month?

AI 可以搜索相关信息，然后整理出答案。

方式二：Deep Research（深度研究）

适合需要多个研究步骤的复杂问题。

例如：

复制代码

Conduct a comprehensive research study
comparing the major AI models released
in the past six months.

Analyze:
1. Model capabilities
2. Benchmark performance
3. API pricing
4. Context window limitations
5. Tool-use capabilities
6. Strengths and weaknesses
7. Suitable application scenarios

Use reliable primary sources.

Provide a structured research report
with citations and comparison tables.

这个任务不仅要求找到信息，还要求：

收集多个模型的资料。
比较不同维度。
分析数据与证据。
识别优缺点。
形成综合结论。

两种方式的区别

对比维度	Web Search	Deep Research
任务复杂度	简单到中等	中等到复杂
搜索次数	通常较少	可能进行多轮搜索
信息来源	一个或多个网页	通常涉及较多来源
分析深度	快速查找和总结	深入比较与综合分析
研究计划	通常较简单	可能需要明确计划
输出形式	简短回答、列表	结构化研究报告
所需时间	通常较短	通常较长
典型用途	查找事实、最新信息	市场研究、文献综述、复杂决策

学习启示：并不是所有问题都需要 Deep Research。对于简单问题，普通 Web Search 往往更加高效；对于复杂研究任务，Deep Research 才能体现更大的价值。

2.3 Deep Research 为什么需要更多时间？

普通 Web Search 可能只需要一次或少量搜索。

但 Deep Research 往往需要反复执行：

复制代码

Search → Read → Analyze → Search Again

例如，研究某个 AI 行业的发展趋势时，第一次搜索可能发现：

市场规模数据。
主要竞争企业。
新兴技术方向。
但这些资料可能引出新的问题：
市场规模统计采用了什么定义？
不同研究机构的数据为什么不同？
哪些企业真正拥有商业收入？
技术突破是否已经转化为实际应用？

因此，AI 需要继续搜索和分析。这也是 Deep Research 通常比简单聊天或联网搜索耗时更长的原因。

核心知识点：深度研究的过程具有迭代性（Iterative）。研究过程中发现的新问题，可能需要进一步检索和验证。

2.4 Agentic AI（智能体式 AI）

这是 P5 最重要的新概念之一。

Agentic AI（智能体式 AI）指 AI 不仅生成回答，还能够围绕目标自主决定接下来执行哪些步骤，并调用工具完成任务。

例如，普通 AI 对话可能是：

复制代码

User: Search for information about A.
AI: Here is the information.

User: Now compare A with B.
AI: Here is the comparison.

User: Find more evidence.
AI: Here is the additional evidence.

用户需要不断告诉 AI 下一步做什么。而 Agentic AI 可以在获得明确目标后，自主推进多个步骤。

Agentic AI 的特点

Planning（规划）：制定任务执行计划。
Tool Use（工具使用）：调用搜索或其他工具。
Autonomous Decisions（自主决策）：决定下一步行动。
Iteration（迭代）：根据中间结果调整计划。
Task Completion（任务完成）：形成最终成果。

Agentic AI 与普通 AI 对话

对比维度	普通 AI 对话	Agentic AI
任务推进	用户通常逐步指导	AI 可以自主推进多个步骤
工具使用	根据请求调用	可以根据计划多次调用
任务规划	较简单	通常具有多步骤规划
中间结果	用户经常需要介入	AI 可以自行分析并继续
典型任务	简单问答、文本修改	深度研究、复杂工作流程

核心知识点：Agentic AI 的重要特征，是模型能够根据任务目标决定下一步做什么，而不是每一步都等待用户给出新的指令。不过，自主执行不代表完全不需要人类监督。重要决策、事实验证和实际行动仍可能需要用户确认。

三、老师的案例：Halloween Haunted House（万圣节鬼屋）

3.1 任务背景

老师展示了一个使用 Deep Research 策划万圣节活动的案例。

假设用户准备在美国加利福尼亚州 Palo Alto（帕洛阿尔托）的自家前院布置一个万圣节鬼屋。

任务条件包括：

Location（地点）：Palo Alto, California
Space（空间）：约 500 平方英尺
Fog Machines（烟雾机）
Sound Effects（音效）
Actors（演员）
Trick-or-treaters（万圣节讨糖的访客）

用户希望设计一个完整的万圣节体验，而不仅是购买几件装饰品。

示例 Prompt，以下为根据公开课程案例重构的提示词：

复制代码

Help me set up a haunted house
in my front yard for Halloween.

Location: Palo Alto, California
Space: Approximately 500 square feet

I want a complete Halloween experience
including:
- Fog machines
- Sound effects
- Actors
- A steady flow of trick-or-treaters

Research local regulations, safety
requirements, decoration ideas,
and practical implementation options.

Create a detailed project plan
with sources and recommendations.

3.2 为什么这个任务适合 Deep Research？

因为它涉及多个相互关联的问题。

例如：

当地是否允许这样的活动？
是否需要申请许可证？
烟雾机是否受到消防规定限制？
如何设计安全的人员通行路线？
如何安排演员和音效？
如何选择装饰品？
如何控制成本？

如果使用普通 Web Search，用户可能需要分别搜索这些问题，再自己整合信息。而 Deep Research 可以将它们组织为一个研究任务。

3.3 AI 如何制定研究计划？

根据公开课程笔记，AI 会围绕多个方面开展研究。例如：

研究方向	需要解决的问题
Local Regulations	当地法律、许可与活动限制
Fire Safety	消防与电气安全
Noise Restrictions	噪声限制
Decoration Ideas	装饰与场景设计
Crowd Management	人流与通行管理
Project Planning	活动实施计划

AI 可以进一步查找相关资料。

例如：

加利福尼亚州政府网站。
Palo Alto 市政府网站。
消防安全资料。
万圣节装饰产品网站。
活动策划资料。

注意：实际使用时，仍应通过最新官方资料确认当地要求，不能仅根据 AI 生成的研究报告判断某项活动是否合法或安全。

3.4 Agentic Research（智能体式研究）

这是案例的核心。AI 不需要用户逐个指定搜索步骤，而是可以根据研究过程中发现的信息决定下一步。

例如：

复制代码

Research Local Regulations
（研究当地法规）
          ↓
Identify Fire Safety Requirements
（识别消防安全要求）
          ↓
Research Fog Machine Restrictions
（研究烟雾机相关限制）
          ↓
Analyze Crowd Flow
（分析人流管理）
          ↓
Find Decoration Ideas
（寻找装饰方案）
          ↓
Integrate Findings
（整合研究发现）
          ↓
Generate Project Report
（生成项目报告）

假设 AI 在搜索过程中发现某项规定可能影响烟雾机的使用，就可以进一步检索相关安全要求。

这种根据中间结果调整研究方向的能力，体现了 Agentic AI 的特点。

3.5 最终研究报告：Project Poltergeist

公开课程笔记记录，AI 最终生成了一份名为 Project Poltergeist 的万圣节鬼屋项目方案。

方案涉及：

法规与合规要求。
消防和电气安全。
演员与人流管理。
装饰方案。
项目准备程度评估（Readiness Score）。

这个案例说明，Deep Research 的输出可以不只是简单回答，而是面向实际任务的完整研究成果。

知识点：Deep Research 可以将一个开放式问题转化为多步骤研究任务，并综合不同领域的信息形成可执行方案。

四、如何使用 Deep Research？

以下是根据课程思想整理的通用操作方法，不同 AI 产品的界面可能有所区别。

4.1 Step 1：选择 Deep Research 模式

在支持该功能的 AI 产品中，选择 Deep Research 或类似的深度研究模式。

常见支持深度研究工作流的 AI 产品包括：

ChatGPT
Gemini
Claude（具体功能名称和可用性可能不同）

普通聊天中的联网搜索不一定等同于专门的 Deep Research 模式。

4.2 Step 2：明确研究目标

一个好的研究任务应该尽可能明确：

Research Objective（研究目标）
Scope（研究范围）
Constraints（约束条件）
Sources（来源要求）
Deliverables（交付成果）

例如：

复制代码

Conduct a deep research study on
the adoption of AI agents in businesses.

Focus on:
1. Current applications
2. Major challenges
3. Economic benefits
4. Implementation risks
5. Future opportunities

Use recent and reliable sources.

Produce a structured research report
with citations and comparison tables.

4.3 Step 3：检查研究计划

某些 Deep Research 系统可能会先提出研究计划或澄清问题。

例如：

复制代码

Research Plan:

1. Define the research scope
2. Identify major industry trends
3. Collect relevant studies
4. Compare findings
5. Analyze opportunities and risks
6. Produce a final report

用户可以检查：

是否遗漏重要问题？
研究范围是否过大？
是否需要限制时间？
是否指定了合适的信息来源？
最终报告是否符合需求？

4.4 Step 4：让 AI 执行研究

确认目标后，AI 可以开始执行多步骤研究。在这一阶段，系统可能进行：

复制代码

Search
  ↓
Read
  ↓
Analyze
  ↓
Evaluate
  ↓
Search Again
  ↓
Synthesize

与普通搜索不同，Deep Research 可能根据新发现继续检索。

4.5 Step 5：评估最终研究报告

研究完成后，不能只看报告是否详细。还应该检查：

研究问题是否得到回答？
是否使用了可靠来源？
重要结论是否有证据支持？
是否存在来源之间的矛盾？
是否说明研究局限？
是否存在过时信息？
建议是否真正适用于自己的情况？

学习启示：Deep Research 可以减少资料收集和初步分析的工作量，但不能代替用户对最终结果的判断。

五、什么时候应该使用 Deep Research？

并不是所有问题都适合 Deep Research。

5.1 适合普通 Web Search 的问题

例如：Find a highly rated gym near me.

或者：What is the weather in Dubai this week?

这些问题通常只需要获取少量最新信息。

5.2 适合 Deep Research 的问题

例如：

复制代码

Research how daily step counts
affect long-term health outcomes.

Compare findings from multiple
scientific studies.

Identify areas of agreement,
disagreement, and uncertainty.

Provide a structured report
with citations.

这个问题需要综合多项科学研究，而不是简单查找一个事实。

另一个例子：

复制代码

Analyze how weather patterns
affect tourism in Dubai.

Consider:
1. Seasonal visitor trends
2. Hotel occupancy
3. Outdoor activities
4. Economic impacts
5. Tourism planning strategies

Use reliable sources and provide
a detailed research report.

这个任务涉及多个因素之间的关系，因此更加适合 Deep Research。

两种方式的使用场景

用户问题	推荐方式
附近哪家健身房评价最高？	Web Search
迪拜本周天气如何？	Web Search
某款 AI 模型什么时候发布？	Web Search
每日步数如何影响长期健康？	Deep Research
天气变化如何影响迪拜旅游业？	Deep Research
如何规划一个符合当地规定的万圣节鬼屋？	Deep Research
如何比较多种 AI Agent 技术方案？	Deep Research

学习启示：任务越复杂、涉及的子问题越多、需要综合的资料越广，就越值得考虑使用 Deep Research。

六、Deep Research 的局限性

Deep Research 虽然能够完成复杂研究，但并不意味着最终结果一定正确。

6.1 更多来源不代表更准确

AI 可能搜索几十个甚至更多网页。但如果这些网页本身包含错误，最终报告仍然可能存在问题。

因此：More Sources ≠ Better Evidence

6.2 AI 可能错误综合研究结果

例如，两篇研究论文可能得出不同结论。AI 在综合时可能：

忽略研究条件的差异。
错误比较不同研究的数据。
过度概括研究发现。
将相关性误认为因果关系。
忽略重要的研究限制。

因此，对于学术研究，用户仍然需要检查关键论文和原始数据。

6.3 Deep Research 需要更多时间

与普通 Web Search 相比，Deep Research 通常需要更多时间和计算资源。原因是它可能执行：

多轮搜索。
多来源阅读。
复杂信息分析。
交叉验证。
长篇报告生成。

所以不应该对每一个简单问题都使用 Deep Research。

6.4 研究报告不等于最终决策

Deep Research 可以帮助用户分析问题，但不能保证建议完全适合实际情况。

例如，万圣节鬼屋案例中，AI 可以研究消防规定和安全要求，但实际举办活动之前，仍然需要确认当地最新法规，并根据现场条件做出判断。

核心知识点：Deep Research 是研究辅助工具，而不是无需验证的权威结论生成器。

七、重要英文术语

English	中文	解释
Deep Research	深度研究	利用 AI 完成多步骤研究任务
Agentic AI	智能体式 AI	能够自主规划和执行多个步骤的 AI
Agentic Workflow	智能体工作流程	AI 自主推进的多步骤任务流程
Research Plan	研究计划	研究任务的执行步骤
Research Objective	研究目标	研究希望解决的问题
Research Scope	研究范围	研究涉及的主题与边界
Subtask	子任务	复杂任务拆分后的部分
Autonomous Decisions	自主决策	AI 根据任务状态决定下一步
Tool Use	工具使用	AI 调用搜索等外部工具
Iteration	迭代	根据中间结果不断调整
Follow-up Search	后续搜索	根据新发现继续检索
Information Synthesis	信息综合	整合多个来源的信息
Source Evaluation	来源评价	判断信息来源的可靠性
Research Report	研究报告	对研究过程与发现的系统总结
Citation	引用	指向原始资料的链接或标记
Deliverables	交付成果	研究任务最终需要产生的内容
Constraints	约束条件	研究需要遵守的限制
Readiness Score	准备程度评分	衡量项目准备情况的指标

八、实践练习

Exercise 1：判断是否需要 Deep Research

判断以下问题应该使用 Web Search 还是 Deep Research。

问题	建议方式
What is the latest version of Python?	Web Search
Find highly rated coffee shops near me.	Web Search
Compare major AI coding assistants for enterprise use.	Deep Research
What are the opening hours of a museum?	Web Search
Analyze the future of AI agents in software engineering.	Deep Research
Compare the findings of 20 papers on AI in education.	Deep Research

练习目标：培养根据任务复杂程度选择 AI 工具的能力。

Exercise 2：使用 Deep Research 完成一项研究

选择一个你感兴趣的研究主题，例如：

AI Agents 的发展趋势。
AI 在教育领域的应用。
大语言模型的推理能力。
AI 对软件工程的影响。
不同 AI 编程工具的比较。

使用以下 Prompt：

复制代码

Conduct a comprehensive deep research
study on [TOPIC].

Research objectives:
1. Explain the current state of the field.
2. Identify major developments.
3. Compare different approaches.
4. Analyze strengths and limitations.
5. Identify future opportunities.

Research requirements:
- Prioritize reliable primary sources.
- Use recent research when relevant.
- Compare evidence from multiple sources.
- Clearly identify uncertainties.
- Provide citations for important claims.

Output format:
1. Executive Summary
2. Background
3. Key Findings
4. Comparative Analysis
5. Challenges and Limitations
6. Future Directions
7. References

练习目标：学会定义完整的研究目标、范围、来源要求和最终交付形式。

Exercise 3：观察 Agentic AI 的研究过程

使用 Deep Research 完成以下任务：

复制代码

Help me plan a small Halloween haunted
house in a residential front yard.

Research:
1. Relevant local regulations
2. Fire and electrical safety
3. Decoration ideas
4. Crowd management
5. Budget considerations

Before starting, create a research plan.

Then conduct the research and produce
a practical implementation report.

Include sources and clearly identify
anything that requires local verification.

观察以下问题：

AI 是否制定了研究计划？
AI 是否把复杂任务拆分为多个子任务？
AI 是否执行了多轮搜索？
AI 是否根据中间发现继续检索？
最终报告是否包含证据和引用？
哪些结论仍然需要人工核实？

练习目标：理解 Agentic AI 如何自主推进多步骤研究任务。

以上练习根据课程内容设计，并非已核实的官方练习题。

九、复习问题

Q1：什么是 Deep Research？

答：Deep Research 是一种利用 AI 进行多步骤研究的工作模式。它能够围绕复杂问题进行规划、搜索、阅读、分析和综合，并生成结构化研究报告。

Q2：Deep Research 与普通 Web Search 的主要区别是什么？

答：普通 Web Search 主要用于快速获取信息，而 Deep Research 可以围绕复杂问题执行多轮搜索、分析不同来源，并根据中间发现继续研究。

Q3：什么是 Agentic AI？

答：Agentic AI 指能够根据目标自主决定下一步行动，并调用工具执行多步骤任务的 AI 系统。

Q4：老师为什么使用万圣节鬼屋作为案例？

答：因为这个任务涉及法规、安全、装饰、人流管理等多个相互关联的问题，适合展示 AI 如何自主规划和开展复杂研究。

Q5：Deep Research 为什么通常需要更长时间？

答：因为它可能进行多轮检索、阅读大量资料、比较不同证据，并生成完整报告。

Q6：Deep Research 是否一定比 Web Search 更准确？

答：不一定。Deep Research 可能使用更多来源并进行更深入的分析，但仍然可能受到错误来源、过时信息和模型推理错误的影响。

十、一页速记版（Quick Review）

核心思想：Deep Research 通过 Agentic AI 的自主规划和多步骤执行能力，将复杂研究问题转化为系统化的研究流程，帮助用户完成信息检索、证据分析和研究报告撰写。

三个重要特点：

Agentic Planning：自主制定研究计划。
Iterative Research：根据研究发现不断搜索和分析。
Research Synthesis：综合多个来源生成研究报告。

三个核心原则：

Use deep research for complex questions.
对复杂、开放式和多维度问题，使用深度研究。
Give clear objectives, scope, and constraints.
明确研究目标、研究范围和约束条件。
Verify important findings and citations.
对重要研究结论和引用进行核实。

P1 → P5 的知识逻辑

复制代码

P1 --- The AI Novice and the AI Power User
          ↓
如何成为 AI 高阶用户？
          ↓
P2 --- Pretrained Knowledge
          ↓
AI 已经知道什么？
          ↓
P3 --- Web Search
          ↓
如何获取外部信息？
          ↓
P4 --- Web Search Sources
          ↓
如何选择和验证信息来源？
          ↓
P5 --- Using Deep Research
          ↓
如何让 AI 自主开展复杂研究？

最终总结：Deep Research 的核心价值，不只是让 AI 搜索更多信息，而是让 AI 能够围绕复杂任务自主规划、反复检索、分析证据并形成完整成果。真正的 AI 高阶用户，需要学会判断什么时候使用 Deep Research，如何定义研究目标，以及如何评估最终研究报告的可靠性。

课程 Slides

视频来源：吴恩达《给所有人的人工智能提示词课程|AI Prompting for Everyone》DeepSeek-v4-pro翻译