编者按：别再手动做研究了。这个被忽视的AI功能，正把10小时的GTM工作压缩到几分钟。文章来自编译。

我最近完全迷上了ChatGPT以及Perplexity的深度研究模式。在我为任何研究密集型的GTM项目搜集信息时，它们都替我节省了难以估量的时间。这是目前最强大但又未被充分利用的AI功能之一。我们今天就来好好挖掘一下。

深度研究是第一个真正让我感到震撼的AI功能。

从制定计划、收集相关背景信息，到最终产出高质量的交付成果，这是AI首次能够端到端地解决复杂的非工程任务，。我通常对AI不轻易下断言，但深度研究功能确实将我过去需要10多个小时才能完成的任务浓缩到了几分钟（在我掌握了正确的使用方法之后）。

尽管如此，深度研究的重度用户似乎比我预期的要少，我认为这和它的名字有关。“研究”这个词让它听起来更像是一个主要面向学者和投资者的工具，但这仅仅是其功能的冰山一角；实际上，对于任何需要审阅大量信息并从中提炼实用见解的任务来说，它都堪称游戏规则的改变者。

而事实证明，这几乎涵盖了GTM（市场进入）的所有项目。

这就是本文的第一个原因：通过介绍真实的GTM用例，我想展示这个工具的能力，并激励更多人创造性地使用它。

另一个原因是，尽管潜力巨大，深度研究功能并非完美无瑕，如果你想要顶尖的结果，就需要对AI进行大量“手把手”的指导。跟许多其他AI用例不同，你如何编写提示词仍然至关重要，你提供的上下文信息甚至可以决定成败。

在本文的其余部分，我们将谈及：

• 如何利用Deep Research获得最佳输出的可行技巧

• 一个高效的Deep Research提示词是怎样的

• 哪种工具（ChatGPT、Gemini、Claude、Perplexity、Grok）最适合做什么

五个实用的GTM用例及可立即尝试的提示词示例（外加更多启发性想法）

如何从Deep Research获得最佳结果

无论你使用哪种AI工具（下文会详述），都有几个关键的局限性需要你注意。

不过别担心：所有这些问题都可以解决，接下来我们将详细介绍能让你获得最佳结果的具体工作流程和提示词技巧。

1. 将高质量信源推荐给研究智能体

深度研究的输出质量很大程度上取决于智能体所采用的信源。不幸的是，它们在这方面常常判断失误：它们会把社交媒体上的观点当作事实，过度依赖单一来源，或者使用过时的数据。在报告完成后才发现这一点会非常令人沮丧，因为你将并被迫重做整个过程，并在此过程中浪费15分钟以及宝贵的研究额度。

不过，有两种简单的方法可以解决这个问题：

• 选项1：在提示词中指明优先考虑哪类信源（比方说，优先选择政府数据等一手来源，而不是新闻文章等二手来源）

• 选项2：使用像GPT-5或Claude Opus这样的AI模型创建一个具体的高质量信源列表，然后将其输入深度研究功能（你将在下面的示例#5中看到具体操作）

此外，如果你想要更高的透明度，你还可以要求研究智能体：

1. 为其提出的任何论断提供文内引用

2. 在报告中添加一个表格，列出所有信源，并显示每个信源的用途、信源类型、数据年份等信息

3. 概述不同信源存在分歧的地方（尤其是在数据方面）以及可能的原因（比方说，方法论的差异）

ChatGPT生成的信源概览表示例；默认情况下不提供此功能

这只会让你的工作流程慢一分钟，但未来能为你省去很多麻烦。

2. 提供上下文以获得定制化的洞察

一键获得某个主题的深度概览固然不错，但这其实并没有那么实用。要真正从中获得价值，你需要的是为你特定情况量身定制的内容。

可惜的是，大多数深度研究工具并没有主动询问所需上下文的习惯。因此，如果你不主动提供相关信息，它们要么会做出假设，要么就会保持内容的通用性。

为了避免这种情况，你需要提供一个人类团队成员同样需要的所有上下文信息。具体需要提供哪些信息取决于具体情况，但以下是一些你可能需要提及的常见事项：