我如何用每月 200 美金，聘請一位全年無休的博士研究生？
Open AI 在 2/2 推出了最新的「深度研究」（Deep Research）功能，厲害的程度簡直快把我嚇死！
我讀完官方文件和許多 AI 專家的實測之後，我立刻把 ChatGPT Plus 升級到 Pro 等級（Plus = 20 美金/月、Pro = 200 美金/月），用了三個困擾我一整個月的實際案例去問 Deep Research，它給出來的成果我「不只是」感到滿意，而是「超乎我預期」的驚喜。
所以我在文章開頭才寫得這麼誇張，因為它真的就是這麼強了…
過去一年多來，我們用的 AI 只會根據訓練資料，跟我們聊天、回答簡單問題，但這個新功能卻可以「主動」上網搜尋資料、整理分析、給出具體建議，最後生成一份專業級的報告。
今天就跟大家聊聊這個功能的特點、它如何從以前的技術升級到現在的「自己會做功課」的階段，附一個簡單例子讓大家更容易理解，以及我的實測感想。
什麼是 OpenAI Deep Research？
簡單來說，Deep Research 就是一個能替你主動「做研究」的 AI 助手。
以前我們如果要找很多資料、比對各家資訊，就得自己上網搜尋、整理，既耗時又容易漏掉重點。你甚至要手動「複製、貼上」大量的文字、檔案、連結到 ChatGPT 裡面，它才會乖乖聽話照著執行，否則它會自己瞎掰。
現在，只要在 ChatGPT 裡啟動 Deep Research 模式，告訴它你想知道什麼（比如：「幫我研究並擬定瓦基的自媒體行銷策略」），它就會自動上網搜尋、分析數百份資料，然後產出一份詳細的報告，連引用來源都標註得清清楚楚，超適合科技愛好者和需要做功課的朋友們！
這背後其實是由 OpenAI 最新的 o3 模型來支援，這個模型特別優化過，能夠自動搜尋、篩選資料，並且進行多步驟推理。意思就是說，AI 不再只靠記憶回答問題，而是能自己「做功課」找到最新、最全面的資訊，再整合成一份完整的報告。
根據官方測試顯示，Deep Research 在多項公開評估中創下新高紀錄，例如在綜合性難題測試 「人類的最後考驗」（Humanity’s Last Exam） 中，取得 26.6% 的正確率，遠高於開源對手模型 DeepSeek-R1 的 9.4%，以及前陣子剛推出的推理模型 o3-mini-high 的 13%。
很多實測過的人都表示，Deep Research 做研究的能力已經媲美大多數的碩士和博士生，甚至比很多研究生的思考脈絡還要縝密（我們竟然要跟 AI 學習「如何思考」了）。
Deep Research 的核心特點
接下來，我們一起看看 Deep Research 有哪些厲害的地方：
１．多來源資訊整合：
以前，要蒐集資料我們常常得跑好多網站、翻看各種資料庫，還可能因為資訊來源不齊全而讓結果不夠全面。而 Deep Research 可以同時抓取來自新聞、學術論文、統計數據等不同來源的資料，讓整體報告更豐富、角度更全面。
２．自動化多步驟推理
想像一下以前你需要花上「幾個小時」才能整理好一個報告，而現在只要把你要研究的主題丟給 Deep Research，AI 就會自動決定搜尋哪些資料、怎麼分析，並依照步驟完成整個流程。這就像是請了一位超級勤奮又厲害的研究助理，幫你解決所有繁瑣的工作。
３．專業級報告產出：
最後生成的報告不只是幾句話的回答，而是結構完整、內容詳盡，還附上每個資訊的引用來源。這讓你在參考時更有信心，也能了解 AI 是怎麼一步步推導出結論的。
４．彈性應用場景：
無論你是需要做市場調查、財經分析，還是像我一樣想要研究自媒體行銷策略，Deep Research 都能派上用場。它適用於專業需求，也能幫助普通消費者做出更明智的決策。
以前跟現在有多大不同？
這一塊我用一個簡單的例子來說明。假設瓦基想要研究並擬定一個自媒體行銷策略，來提升自己的頻道曝光度。
以前，如果我要做這樣的功課，流程可能會長這樣：
- 上網搜尋資料：得自己打開好幾個網站，找相關文章、數據報告、行銷案例等等。
- 整理筆記：把找到的資料摘錄下來，再分類整理、重點摘抄。
- 分析歸納：花不少時間思考、比較各家優缺點，最後自己動手寫一份報告。
- 容易漏掉資訊：可能會因為資訊太多、時間有限，而錯過一些重要的新資料或觀點。
這整個過程可能需要花費好幾個小時，甚至幾天，對於忙碌的我們來說，真是既耗時又容易出錯！我在今年一月份，非常苦惱要如何擬定新的經營策略，我想了很多要研讀、分析的資料，甚至想過要聘請專人幫我研究，可是現在，Deep Research 直接解決了這個苦惱。
現在，有了 Deep Research 功能，一切就大不同了：
- 一鍵啟動：只要告訴 AI「幫我研究並擬定自媒體行銷策略」，它就會自己上網搜集最新、最全面的資料。
- 自動整合：AI 會自動整理出來自不同網站的資訊，幫我歸納重點，連分析過程都一併寫好。
- 生成報告：最終，我拿到的報告就像專業分析師寫出來的一樣，詳盡而有條理，還附上各種引用來源讓我檢查。
- 省時省力：整個過程只需要等待 5～30 分鐘，就能得到一份完整的報告，讓我可以把時間用在更重要的創作上！
這樣一來，不管是專業的市場分析還是自媒體行銷策略（或任何你想得到要做研究的領域），都能變得更高效、更精準。以前自己做的功課可能因為資訊不全而讓結果打折扣，但現在 Deep Research 讓一切都變得自動化、透明化，實在是進步神速！
Deep Research 的缺點與限制
當然，沒有哪項技術是完美無缺的。雖然 Deep Research 在許多情況下能大大提高效率，但它也面臨一些挑戰：
１．資訊真確性
有時候 AI 也可能會抓到不太準確的資料，或是因為資訊來源複雜而出現小錯誤。雖然這種情況比以前少了，但使用時還是建議大家稍微斟酌一下 AI 給出的數據，必要時自己再核查一下。
２．報告視覺化
現在 Deep Research 生成的報告主要是「文字說明」，還沒有內建自動生成「圖表」的功能。這意味著如果你需要直觀的圖像展示，可能還要自己動手稍作整理。不過 OpenAI 表示未來會加入更多視覺化工具，讓報告更生動。
３．等待時間與使用次數限制
由於每次 Deep Research 需要進行大量搜尋和運算，產生報告大約需要 5～30 分鐘，而且目前 Pro 用戶每月最多能執行 100 次。這點在使用上可能稍微有點等待，但隨著技術優化，未來這些限制相信會逐步放寬。
總體來說，Deep Research 讓 AI 不再只停留在「回答問題」的層次，而是變得更像一位真正的「研究夥伴」，能幫助我們把複雜的功課變得更輕鬆。
瓦基自己的實測結果
這幾天我實測了很多案例，分享一個最經典的「年度發展計劃建議」，以下是我對 Deep Research 的提問 Prompt：
「我是瓦基，身為一位創作者、一人公司經營者。請你幫我擬定一個年度發展計劃，目標是拓展新的、更年輕的受眾群，讓我的線上課程產品『化輸入為輸出』和『卡片盒筆記實戰課』被更多人購買，讓我的 App『習慣充電站』被更多人下載和訂閱。同時，參考我提供的 Sales Kit，評估我目前的業配廣告可以如何改良，讓我的內容和業配廣告相輔相成，創造更多的營收。我可以接受在一年兩百萬台幣的投入下，聘僱必要的人員或外包必要的專案出去。 請你搜尋網路資料，詳細研究瓦基的『閱讀前哨站』和『下一本讀什麼』的說書和書評經營模式、定位優勢、潛在潛力。接著，搜尋網路資料，參考更多歐美英文資源，參考歐美類似產業的商業模式，給我更全面的建議。」
讓我吃驚的是，Deep Research 不會急著「馬上回答」，而是先拋回了四個「澄清問題」（clarifying questions）要我進行確認。以下是它的回覆：
「感謝你的詳細說明！在開始研究之前，有幾點想進一步確認，以確保提供的年度發展計劃能真正符合你的需求：」
- 年輕受眾的定義：你希望拓展到的「更年輕受眾」大約是哪個年齡層？是 18-25 歲的大學生族群，還是 25-35 歲的年輕職場族群？
- 銷售與行銷方式：目前你的課程與 App 主要的銷售管道與行銷手法是什麼？有沒有特別想要加強的渠道（例如：廣告投放、社群媒體、SEO、YouTube、聯盟行銷等）？
- 業配廣告的方向：目前的業配廣告主要與哪些品牌或類型的產品合作？是否有特別想拓展的合作類型？
- 競爭對手與參考標的：你特別想要參考哪些歐美創作者或企業的商業模式？是否有特別欣賞的個人品牌或企業案例？
接著，我把對應的答案提供給它之後，它才開始進行研究與分析。
說到這裡，你可以想想看我們「一般人」接到一個研究主題的指示之後，能不能「回問」這些澄清問題？還是就急著開始進行研究了？所以我才說，我們竟然要回過頭向 AI 學習，先澄清完問題之後，才進行研究，會更準確、更符合提問者的需求。你想要的，應該就是這樣的研究生。
經過 12 分鐘的分析，總共研讀了 17 個網站的內容之後，它撰寫了一份長達「15,000 字」的完整報告給我，涵蓋了五大重點：受眾拓展策略、低成本行銷策略、業配廣告優化建議、職位增設與外包建議、國際市場個人品牌案例分析與啟示。
由於這個研究主題是我的「本業」，我非常清楚這份報告所有數據和描述的正確性。讀完之後，只有兩個錯誤。同一個數據，前半段寫 2021 年的舊數據，後半段寫 2024 新數據。看起來在前後文的「一致性」上面，還有一點改進空間。
可是，非常誇張的一件事情就是，你要知道這是幾乎「四分之一本書」厚度的 15,000 字報告，錯誤率竟然這麼低！而且提出的分析和建議分向，都是很實際有用的建議，也給出很多讓我「意想不到」的有創意的建議。
另外兩個我丟給 Deep Research 的問題是「研究主題建議探索」花費 5 分鐘產出 5,000 字的報告，以及「SEO 文章寫作計劃」花費 21 分鐘產出 29,000 字的報告。每份報告中，除了兩三個很廢的建議之外，其他大部分的建議都有採用的價值。
然後，不要感到太意外，你在讀的這篇文章，其中 80% 的本體內容是由 Deep Research 產生，再由 4o 模型改寫，最後 20% 經過我人工校對、調整之後，就完成了這篇文章。當然，前提是我已經做完了初步的研究和實測，才給 Deep Research 具體的研究與撰寫方向。
預覽 Deep Research 思考脈絡
如果你想看 Deep Research 回答的全貌，我創了一個新的問題來問它，我的提問是：
「30歲沒存款是不是沒救了？」關於這樣的提問，請你幫這位提問者設想一個邁向財富自由之路的職涯建議報告。考量到他已經離開學校很久，雖然已經有多年職場經驗，但薪水的幅度跟不上通膨的速度。你必須扮演一位稱職的職涯教練，考量到當前趨勢和未來職場需求，給出具體的行動建議，如果能夠確實執行下去，必須有很高的成功率，你必須說明為什麼該這麼做，利弊得失是什麼？你給予的建議不能害人走歪路，不能犯法踰矩，更不能用投機取巧的方式致富。」
澄清完問題之後，它思考了 5 分鐘，研讀了 13 個資料來源，給出一份 4500 字的職涯建議。你可以點進去看整個 ChatGPT Deep Research 對話串，每一段文章裡面都有附上資料來源的網址，讓你知道它參考了誰。
結語：我們該如何面對未來？
總結一下，OpenAI 的 Deep Research 功能就像是一個會幫你「做研究的 AI 代理人」，它能主動搜尋、整理、分析資料，幫你省下不少時間和精力。無論你是科技愛好者，還是需要做市場調查、自媒體行銷策略的朋友，都能從這項技術中獲得實質幫助。
以前我們可能需要自己辛苦整理資料，現在只需一個指令，AI 就能幫你完成整個研究過程，真的是省時又省力！雖然目前還有一些小挑戰，但我相信隨著技術進步，未來 Deep Research 功能會變得更加完善，成為我們工作和生活中不可或缺的好幫手。
如果你跟我一樣對新科技充滿好奇，建議可以試試這項功能，看看它如何幫你化繁為簡。未來 AI 必定會越來越厲害，我們也能更輕鬆地享受到科技帶來的便利。
我的感嘆一：閱讀速度很重要，理解力也很重要。AI 只要花幾分鐘研究，就產出上萬字的內容。但到頭來，人類還是得親自「閱讀」。生產力瓶頸始終在人類身上，而不是電腦身上。
我的感嘆二：寫作能力很重要。在與 AI 的對話中，當一個人愈能夠「清楚地」寫出提問內容的人，能夠得到愈好的答案。你得先想清楚，然後寫清楚。寫作（說話）是未來的超能力。
我的感嘆三：問問題的能力更重要。當全世界的資料擺在你面前，不到 30 分鐘就有專人幫你深度分析整理，你想問什麼問題？最難的不是找不到答案，而是根本不知道要問什麼問題。
我的感嘆四：所有憑藉「蒐集資料、整理資料、彙整分析、給出建議」產出價值的產業，像是分析師、企業顧問、研究員，跟業主的議價能力成為一大挑戰，如果這些能力即將成為一般人的標配，能貢獻的獨特價值是什麼？
您可能也會有興趣的其他文章
- 《連結》讀後心得：六個重點看懂哈拉瑞新書談 AI 資訊革命
- 什麼是 AI 自動化？零程式基礎的人也能實現工作效率最大化
- 《AI世界的底層邏輯與生存法則》讀後心得：科技背後的人性
- 《多巴胺國度》讀後心得：如何在上癮的爽痛之間取得平衡？
- 《晶片戰爭》讀後心得：全面剖析半導體的前世今生
你喜歡這篇文章嗎？
我幫助忙碌的現代人提煉好書精華。透過 Email 收到每週兩封電子報：最新的讀書心得、好書金句、能激發思考的問題，直達你的信箱。
加入 80,000 多位
喜歡閱讀的訂閱者
