5. 深入研究
与「普通对话」不同，「深入研究」并非单次检索作答，而是由豆包自主拆解主题、规划检索方向，经多轮检索交叉核对不同来源信息，最终整合为附有来源链接的结构化研究报告。该过程耗时数十秒至数分钟，慢于「普通对话」，但信息覆盖面与结论可追溯性更强。使用时点击功能栏「深入研究」切换模式，输入主题及报告要求即可发起调研。
使用限制：官方未公布具体次数上限，额度随订阅方案而异，频繁使用可能触发排队。
核心流程
「深入研究」的运行大致分四步，理解这个流程有助于写出更有效的指令：
- 拆解主题：豆包先把问题拆成几个子问题或调研维度。
- 多轮检索：针对每个子问题分别检索，并倾向于交叉比对多个来源，而不是采信单一网页。
- 核对与整合：对不同来源的信息做比对，遇到分歧会尽量标注出来，而不是简单取平均或选一个。
- 成文与呈现：输出结构化报告，正文分节、结论前置、关键数据标注来源；报告完成后，还可以要求转成可视化网页或播客音频。
提示写法
「深入研究」的效果高度依赖提示词，核心原则是收窄至「可被明确回答」的粒度，以下要素建议一次性完整说明。
1. 主题力求具体
应避免以宽泛的名词或领域作为研究主题。主题涵盖面过广时，其结论往往缺乏针对性，难以对具体关注点给出有效回应。
✓ 正例模板：
1. 时间范围：{2024-2026 年}
2. 对象范围：{国内 20 万元以上新能源汽车市场}
3. 对比维度：{增程式与纯电两条技术路线}
4. 关注指标：{销量占比变化趋势}
✓ 正例模板：
1. 时间范围：{2026 年}
2. 对象范围：{计算机专业考研、211 院校}
3. 观察指标：{复试线三年内的变化趋势}
4. 延伸要求：{说明主要原因}
2. 交代决策用途
调研深度与呈现方式会因场景与用途而异，提前交代清楚使用场景与目的，有助于让输出的报告和结论更贴合实际需求。
1. 场景：为{公众号选题}提供背景素材
2. 深度：只需覆盖{大众认知}层面
3. 专业度：不必{过于专业}
4. 受众：面向{对该话题无背景知识的普通读者}
1. 场景：向{管理层}汇报是否{值得投入资源}
2. 结论要求：需有明确的{数据支撑}
3. 受众：{对数字敏感、时间有限的决策者}
4. 呈现：结论前置，附{关键数据来源}
3. 划定信息边界
报告的可信度取决于信息边界是否清晰界定，具体应包含以下方面：限定可采信的来源类型（如行业报告、上市公司公告、官方统计、学术论文等）；明确是否需要标注数据年份；说明遇到数据分歧时是否需要予以指出。
1. 来源范围：只采用{官方统计与上市公司公告}
2. 排除项：不采信{自媒体测评}
3. 标注要求：每个结论标注{来源与数据年份}
4. 分歧处理：存在分歧的数据{分别列出，不强行给出单一结论}
1. 时效范围：只引用{近三年内}发布的资料
2. 例外处理：超过三年的数据仅作{背景参考}并注明年份
3. 预测内容：涉及{行业预测}的内容需说明{预测机构}
4. 补充信息：并注明{发布时间}
4. 说明输出形式
应说明期望的输出形态，是需要完整的长报告还是便于快速浏览的要点清单，以及是否需要进一步转换为可视化网页或播客音频。
1. 形式：{要点清单}
2. 篇幅：不超过{800 字}
3. 结构：按「{结论、依据、风险}」三段呈现
4. 排除项：无需展开成{长文报告}
1. 形式：{完整研究报告}
2. 后续处理：报告完成后转换为{可视化网页}
3. 用途：方便{团队查看}
4. 呈现：保留原报告的{关键数据与来源}
使用示例
以下示例覆盖行业调研、竞品分析、学术入门、政策解读、消费决策、技术选型六类常见场景，均可直接套用改写。
示例 1：行业趋势调研
1. 主题：{国内预制菜 B 端渠道 2024-2026 年的价格变化趋势}
2. 用途：{为公司是否进入该市场做决策参考}
3. 范围与来源：{区分一线与下沉市场；只采用行业报告、上市公司公告与官方统计，不采信自媒体测评}
4. 标注要求：{每个结论标注来源与数据年份；对存在分歧的数据说明分歧所在，不强行给出单一数字}
示例 2：竞品格局分析
1. 主题：{2026 年国内主流 AI 助手（豆包、千问、元宝、DeepSeek）的核心定位与差异化能力对比}
2. 用途：{内部分享，帮助团队理解竞争格局}
3. 对比维度：{按「模型能力、办公场景能力、图像与视频生成、订阅价格」四个维度对比}
4. 呈现与时效：{以表格呈现，每个结论标注信息来源；只使用 2026 年内的公开信息，标注更新到几月}
示例 3：学习入门梳理
1. 主题：{完全没有基础的人，如何系统入门个人理财}
2. 用途：{给自己制定一份为期三个月的学习计划}
3. 结构与来源：{按由浅入深分阶段，每阶段列出核心概念、推荐做法、常见误区；只引用权威金融机构或监管机构的公开材料，不推荐具体理财产品}
4. 交付形式：{最后给出一份可执行的三个月学习计划表}
示例 4：政策法规解读
1. 主题：{2025-2026 年国内针对新能源汽车以旧换新的补贴政策变化}
2. 用途：{判断今年换车是否划算}
3. 梳理方式与来源：{按时间线梳理政策变化，注明每次调整的生效日期；只采信官方发布的政策文件与权威媒体报道}
4. 结论要求：{最后用一段话总结「现在换车能拿到多少补贴」，并说明该结论的适用条件}
示例 5：消费生活决策
1. 主题：{五万元预算内，适合家庭长途自驾的插电混动 SUV 有哪些选择}
2. 用途：{三个月内购车，帮我缩小选择范围}
3. 对比范围：{列出符合条件的 3-5 款车型，对比亏电油耗、亏电动力、后备箱容积、终端优惠力度}
4. 标注与结论：{数据标注来源和统计时间，不同来源数据不一致时都列出；最后按「预算优先」和「空间优先」给两版推荐}
示例 6：技术选型调研
1. 主题：{中小团队搭建向量数据库，Milvus、Qdrant、Weaviate 三者对比}
2. 用途：{为一个日活万级的检索增强生成（RAG）项目选型}
3. 对比维度与来源：{按「部署难度、单机性能、社区活跃度、许可协议」四个维度对比，标注每一条信息的来源（官方文档、GitHub、评测文章需分开标注）}
4. 结论要求：{最后给出一个基于「团队只有 2 名工程师、预算有限」前提的推荐，并说明理由}
提示：六个示例的共同点是都把「范围、来源、呈现形式」讲清楚了。主题越具体，深入研究给出的结论就越经得起核查；反之只给一个宽泛的词，报告容易停留在常识层面。
进阶用法
虽然「深入研究」输出报告已具备完整结构，但是仍然可以结合其他功能进一步处理，转化为更贴合实际使用场景的成果。
网页呈现报告
获取研究报告后，可要求把这份报告做成一个可视化网页，豆包将结论与关键数据重新排版为带图表的网页形式，便于团队内部分享或存档查看，较纯文字报告更为直观。
把这份关于「预制菜 B 端渠道价格趋势」的研究报告，
做成一个可视化网页：
结构上保留原报告的结论与关键数据，
价格趋势用折线图呈现，区域对比用表格呈现；
风格简洁、适合团队内部分享，
每处数据标注原报告中的来源。
联动专家模式
深入研究负责完成资料收集与框架搭建，专家模式则在此基础上进行更深入的推理与论证。常见流程为：先通过深入研究获取一份带来源的资料汇总，再将报告提交至专家模式，要求其基于该资料进一步分析相关决策。
基于以上关于「预制菜 B 端渠道价格趋势」的研究报告，
进一步分析我们是否应当进入该市场：
请列出支持进入的理由、反对进入的理由，
并给出一个综合判断，说明该判断依赖于哪些关键假设。
转化为演示稿
若最终需要交付一份正式的演示稿，可将深入研究的结论作为素材，切换至办公任务模式，要求基于以上研究结论制作一份 PPT。相较于直接由办公任务模式独立调研并出稿，该方式可控性更强，也更便于核对数据来源。
基于刚才这份关于「预制菜 B 端渠道价格趋势」的研究报告，
帮我做一份内部汇报 PPT：
结构为「市场现状、价格趋势、机会与风险、我们的建议」，
每页数据标注来源，不要编造报告中没有的数字。
实用技巧
- 先列框架后写：主题较大时，可以先要求「先列出你打算调研的几个子问题」，确认方向没有偏差后再让它展开成完整报告，避免额度浪费在跑偏的长文上。
- 标注数据分歧：不同来源的数据经常互相矛盾，明确要求「遇到数据分歧要列出来，不要只给一个数字」，能避免看似确定实则被平均掉的错误结论。
- 区分常识检索：对报告中没有明确标来源的表述，多留一个心眼，必要时追问「这一条的信息来源是什么」。
- 慎查时效信息：如当天的股价、突发新闻，深入研究更适合有一定沉淀期、需要多方比对的主题，而不是分秒变化的数据。
- 结论需再核实：深入研究能大幅提高信息搜集效率，但检索范围限于可公开访问的网络内容，中文互联网上的低质内容也可能被采信，涉及重要决策前请点开原始来源链接复核。
适用局限
常见问题
Q：深入研究和普通联网搜索有什么区别？
A：联网搜索通常只检索一两次就直接作答，深入研究会围绕主题拆出多个子问题、分别多轮检索，并对不同来源做交叉比对后再成文，耗时更长但信息覆盖面和可追溯性更强。
Q：报告里的来源链接可以直接引用吗？
A：可以作为线索，但引用前建议自行点开核实。深入研究的检索范围是公开网络内容，个别来源的权威性和时效性参差不齐。
Q：一次调研需要多久？
A：视主题复杂度而定，简单主题几十秒即可，涉及多维度对比的复杂主题可能需要几分钟，期间可以先做别的事，完成后会有提示。
Q：可以让它调研某个具体网页或我上传的文件吗？
A：深入研究默认面向开放网络检索。如果希望它基于你上传的特定资料展开，建议先上传文件并明确说明「优先基于我上传的材料，公开网络信息仅作补充」，避免它完全另起炉灶。
评论
登录后查看