深度研究是一种AI工作流程:由智能体基于大量来源调研一个问题,而不是仅凭模型的一次回复作答。在Scholarly中,你提出问题(也可以让它以你自己的文档为依据),智能体会规划调研、在后台检索和阅读,然后交付一份带行内引用的报告,规模可以是一页简报、决策备忘录或完整调研。
深度研究与一个好的对话回答之间的区别在于过程。对话回复只是基于模型已有知识加一次快速搜索的单次作答。深度研究会先弄清你真正需要什么(目标不明确时,智能体会提出几个澄清问题),然后有条不紊地梳理来源,比较各方说法,记录分歧之处,并把附有证据的答案整理出来。
对于“大致正确”还不够的问题,这个过程最为重要:试验到底显示了什么,哪家供应商经得起真正的比较,某项法规有哪些要求,市场自去年以来发生了哪些变化。否则,这些问题你得花一个下午,开着一堆标签页、整理一份粘贴引文的文档才能回答。
大多数深度研究工具只搜索公开网络。Scholarly的深度研究在你的工作区内运行,因此调研可以从真正定义问题的资料出发:需要外部背景的内部报告、你正在比较的供应商方案、需要核查论断的草稿。附上最多十个来源(上传的文件、工作区文件夹、已保存的页面,甚至之前的研究会话),智能体会把它们视为主要证据。
证据筛选决定了你的文档之外的所有研究方向。审视临床或学术问题时,优先选择论文与期刊;处理运营或技术资料时,优先选择手册与指南;追踪市场时,优先选择新闻与行业来源;核查合规时,优先选择政府与政策出版物。
当你需要立即得到答案、一次好的回答就足够时,使用对话:一个定义、一段简短解释、一份你链接的文档摘要。对话即时且自然,对大多数问题来说都是合适的工具。
当问题值得用证据回答时,使用深度研究:在做决定前评估各种方案,梳理某个主题的已知事实,核查你即将转述的论断,或撰写一份同事或客户会阅读的带引用文档。产出的是一份作品,一份可以分享、随时回顾的报告,而不是一条被滚动淹没的回复。
完成的调研会在你的工作区中持续可用。与它对话以质疑结论或提取细节,随着问题越来越清晰,在同一会话中排队生成后续报告,并把成果继续传递下去:把报告变成用于汇报的幻灯片、通勤时听的播客,或供需要学习的团队使用的学习资料。