AI深度研究怎么做：研究计划、来源核验、引用与报告交付完整工作流

从研究简报、问题树和来源分级开始，把 AI 生成的研究报告拆成可核查的主张、证据与引用。附研究提示词、来源登记表、主张证据矩阵、核验清单和最终报告模板。

深度研究的交付物不是一篇长答案，而是一条能被别人复核的证据链。读者应该能从结论回到主张证据表，再回到原始来源；找不到证据的内容必须降级为假设或从报告中删除。

先判断：这个问题真的需要深度研究吗

快速查一个定义、一个公开日期或一个明确页面，用普通搜索更快；要比较多种方案、汇总分散资料、处理冲突证据并支持真实决策，才值得进入深度研究。OpenAI 当前说明也把 Deep Research 定位为需要跨多来源聚合与综合的多步骤问题，快速事实则优先用搜索。

问题	合适方式	原因
某功能是否存在	官网搜索	答案集中、可直接核对
三种方案如何选	深度研究	需要统一口径、比较证据与限制
当前价格是多少	官方定价页 + 日期	信息变化快，不需要长报告
一项政策会如何影响业务	专业人员 + 原始文件	高风险，不应只依赖 AI 解释

开始前写一句决策目标：“这份研究要帮助谁在什么时间做什么决定”。如果只能写成“了解一下某行业”，范围还不够清楚；如果能写成“为 8 人内容团队选择四周试用流程，比较引用可核查性、人工修正时间和数据边界”，后续才有停止条件。

第一步：先写研究简报，再打开 AI 工具

研究简报至少固定六件事：核心问题、使用者、时间与地区、包含/排除项、来源优先级、交付格式。它的作用不是增加文书，而是防止研究过程中被新鲜但无关的信息带跑。尤其是“最新”“最好”“适合”这类词，都要先变成可检查的口径。

1. 决策目标：报告用于筛选、试用、采购还是风险判断。
2. 适用范围：地区、语言、人群、产品版本、时间截止点。
3. 排除项：不研究什么，以及哪些数据不能上传。
4. 证据标准：哪些结论必须是一手来源，哪些可以接受二手分析。
5. 交付结构：执行摘要、证据矩阵、建议、局限与参考资料。
6. 停止条件：需要覆盖到什么程度，而不是无限搜索。

资源包的研究简报已经把这些字段展开。第一次使用不要删字段，先完整填一遍；真正不适用的项目写“无”，这样复核者知道你考虑过，而不是遗漏。

第二步：把大问题拆成问题树和证据需求

不要直接把“大而全”的题目扔给模型。先拆成定义、现状、方案、成本、风险、反证和执行七类子问题，并为每个子问题写“什么证据能回答”。例如比较研究工具时，功能是否存在应查官方说明；准确性不能只看厂商宣传，应设计相同任务的盲审；价格要查当前定价页；数据边界要查隐私与管理员文档。

这一步还能暴露无法回答的问题。如果目标是判断“是否能提升团队效率”，但没有现有耗时基线、没有试验样本、也没有通过标准，那么继续搜工具介绍不会得到可靠结论。应先补基线，再做小规模试验。

第三步：按任务选工具，不按报告长度选工具

ChatGPT、Gemini、Claude 和 Perplexity 都提供研究或联网检索能力，但入口、可选来源、计划控制和导出方式会随账号、套餐与地区变化。当前官方说明显示：ChatGPT Deep Research 可以先审查计划并选择网页、文件或已连接来源；Gemini 可选择 Google Search、上传文件和已连接服务；Claude Research 依赖 Web Search；Perplexity Research 会迭代搜索并生成可导出的报告。真正选择时要打开自己账号验证，不能把文章截图当永久功能表。

任务需要	重点检查	现场验证
控制来源范围	能否指定、优先或排除站点	用同一问题检查实际来源
内部资料结合公开网页	连接器权限与数据边界	只用测试文件和低敏数据
保留证据链	句内引用、来源列表、活动记录	随机抽三条主张回到原文
团队协作	导出、共享、版本与批注	让第二个人独立复核

第四步：建立来源分级，但不要迷信网站名气

来源分级是为了决定它能支持多强的主张，不是简单给网站贴“可信/不可信”标签。官方文档能直接说明自家功能，却不能独立证明自家产品优于竞争者；一篇有完整方法的研究报告可能比厂商博客更适合回答效果问题；社区讨论适合发现故障线索，却不能代表总体发生率。

• 一手来源：法律政策原文、官方文档、原始数据、论文、公司公告、公开财报、直接访谈。
• 高质量二手来源：说明作者、日期、方法、样本和原始链接的专业分析。
• 发现线索：新闻聚合、论坛、社交帖子、无作者转载、搜索摘要和 AI 输出。

Civic Online Reasoning 的核查框架很实用：先问谁在背后、证据是什么、其他来源怎么说。遇到陌生页面时不要只在页面内部找“关于我们”，应打开新标签横向搜索机构、作者、争议与原始出处。

第五步：边研究边登记来源，不要最后补参考资料

来源登记表至少保留标题、URL、机构/作者、发布日期、访问日期、来源类型、适用范围、支持的子问题和核验状态。这样即使页面后来更新，也能知道当时依据了哪个版本。对网页内容，保存必要的原文位置或页面小节；对论文，记录题名、作者、年份和 DOI。

Crossref 提供公开的学术成果元数据检索，可用于核对 DOI、题名、作者和出版信息；Zotero 适合收集、整理和生成引用。它们解决的是元数据与资料管理，仍不能替代阅读论文方法、样本和限制。一个 DOI 能解析，只说明记录存在，不说明研究结论适用于你的场景。

第六步：用主张证据矩阵约束 AI 的“顺滑叙事”

报告最容易出错的地方，是把多个来源拼成一段听起来合理的叙事，却没人知道哪条来源支持哪句话。主张证据矩阵把每个关键结论单独编号，记录它是事实、推断还是建议，支持来源、限制来源、证据强度、适用条件和核验日期。

主张	应记录	不能这样做
功能存在	官方页面、版本、套餐、日期	只引用搜索结果摘要
效果更好	比较方法、样本、指标、反证	把厂商案例写成普遍结论
更适合团队	适用条件与推断过程	把个人偏好包装成事实
建议采购	事实 + 权衡 + 风险 + 试验	用一条功能事实跳到采购结论

“链接很多”不是证据强。强证据应直接支持当前主张，并且时间、地区、样本和版本都匹配；若只部分支持，就缩小句子的范围。没有足够证据时，把“确定是”改成“现有资料提示”，并明确还需要什么验证。

第七步：逐条打开引用，检查它是否真的支持句子

OpenAI 的事实核查说明明确提醒，模型可能生成错误事实、虚构引文或不存在的参考资料；启用搜索和研究工具能提供可检查的链接，但重要信息仍要访问原文。实操时按四层检查：链接能否打开、来源身份是否明确、原文是否支持句子、适用范围是否一致。

1. 打开链接，不接受只有标题和摘要的引用。
2. 找到作者、发布机构、日期和更新说明。
3. 定位支撑句子的原文段落，检查前后文和条件。
4. 核对数字的单位、样本、时间区间和地区。
5. 若二手来源引用数据，继续追到原始报告。
6. 记录访问日期；页面变化快时安排复核日期。

第八步：主动找反证，而不是让 AI 再多找几条支持材料

第一轮研究通常会形成一个倾向，第二轮不要继续强化它，而要专门搜索限制、失败案例、相反数据、方法缺陷、价格或政策变更。提示词可以直接要求：“不要继续寻找支持材料，找最可能推翻这条结论的证据，并说明影响程度。”

来源冲突时不要简单投票。先检查定义是否不同、时间是否不同、样本是否不同、一个是厂商测试还是独立测试、一个讨论平均值还是特定人群。无法解释的冲突应保留在报告中，并降低建议强度。

第九步：高风险场景要增加人工与专业审查

医疗、法律、财务、合规、安全和重大采购不能把 AI 研究当最终意见。AI 可以帮助列问题、整理公开资料和发现缺口，但原始文件、专业解释、责任边界和最终决定需要合格人员确认。涉及公司内部数据时，先明确工具是否获批、连接器权限、留存规则和可上传范围。

一个实用安全规则是：研究前先去标识化；能用公开样本就不用真实客户数据；能贴摘要就不上传完整合同；未经批准的服务不连接邮箱、网盘、代码库或生产系统。研究效率不能以扩大数据暴露面为代价。

第十步：最终报告必须同时交付结论、证据和局限

合格报告的执行摘要要短，但不能把不确定性藏起来。建议使用“结论—证据编号—适用条件—风险—下一步”的格式。正文把事实、推断和建议分段；附录保留来源登记表和主张证据矩阵；最后写明数据截止时间、无法访问的页面、仍未核实的主张和下一次复核日期。

把报告交给没有参与研究的人做一次盲审：随机抽三条关键句，能否在两分钟内找到对应来源和原文位置；能否说清楚为什么这条证据支持这句话；能否看到反方证据。若做不到，报告仍只是“写得像研究”，还没有形成可复核交付。

一套可复用的研究提示词结构

提示词不需要追求神秘公式，关键是把研究协议写清楚。可以按下面结构发起：

研究目标：帮助谁做什么决定
核心问题：一个可证伪的问题
范围：时间、地区、对象、版本、排除项
来源优先级：一手来源 > 有方法的二手分析 > 线索
证据要求：关键主张绑定来源；区分事实、推断、建议
反证要求：主动寻找限制、相反数据和失败案例
交付格式：摘要、证据矩阵、建议、局限、参考资料
停止条件：覆盖哪些子问题后结束

先要求模型输出研究计划，确认问题树和来源类型，再开始搜索。研究完成后另开一轮“引用审计”，逐条检查链接、原文、范围和日期。把生成与审查分开，比在一个提示词里同时要求“又快又全又正确”更容易发现问题。

四种常见失败模式，看到就回到证据表

• 引用装饰：段尾放了链接，但链接只谈相邻主题，没有支持句中的数字或比较。处理方式是拆分主张，逐句绑定来源。
• 来源回音：多篇文章使用同一份新闻稿，看起来是多来源，实际没有独立证据。处理方式是追溯最初出处并标记转载关系。
• 时间错位：旧版本评测被用来判断当前功能，或当前定价被写成长期成本。处理方式是记录核验日期、版本与下一次复核点。
• 范围偷换：小样本、单一地区或特定套餐的结果被扩展到所有用户。处理方式是把限制写进主张本身，而不是只藏在脚注。

还有一种更隐蔽的失败是“建议跳跃”：证据只证明某项功能存在，报告却直接建议采购。建议必须同时考虑目标、替代方案、迁移成本、数据边界、试验结果和可回退性；缺一项时先建议小规模验证，而不是用更肯定的措辞掩盖缺口。

和站内现有教程怎么配合

第一次做联网核查，可以先看ChatGPT 联网搜索、文件分析与事实核查教程；资料已经在本地时，用AI PDF 摘要与文档问答工具清单完成归纳；需要把提示词、测试与复盘固化成长期流程，再接上AI Agent 工作流提示词管理模板。本文补的是三者之间缺少的研究协议和证据链。

顺序建议是：先写简报，后选工具；先登记来源，后写结论；先做主张证据表，后压缩成执行摘要。这样工具更换时，研究资产仍然可复用。

资源包包含什么

• 研究简报：决策目标、范围、问题树、证据要求与停止条件。
• 来源登记 CSV：来源身份、日期、适用范围、支持问题与核验状态。
• 主张证据矩阵 CSV：事实/推断/建议、正反证据、强度与结论状态。
• 五组研究提示词：研究计划、执行、来源审计、反证搜索和终稿审查。
• 交付前清单：链接、引用、范围、冲突、数据边界与局限检查。
• 最终报告模板：摘要、比较、建议、限制与参考资料结构。
• 完整演示：用虚构数据演示从问题树到证据链，不夹带采购结论。

下载说明：正文可直接阅读；ZIP 模板包免费注册后下载，登录后会返回当前资源。模板用于建立证据流程，不能替代专业判断，也不应把未经批准的敏感数据上传到第三方工具。

参考资料

本文于 2026 年 7 月按 OpenAI、Google、Anthropic、Perplexity、Crossref、Zotero 与 Civic Online Reasoning 当前公开资料核对。产品功能、套餐、界面和数据政策会变化，实际使用前请打开官方页面并以自己账号中的可用能力为准。

• OpenAI：ChatGPT Deep Research 使用说明
• OpenAI：如何识别错误事实与虚构引用
• Google：Gemini Deep Research 使用说明
• Google：查看来源并复核 Gemini 回答
• Anthropic：Claude Research 使用说明
• Anthropic：Claude Web Search 与引用
• Perplexity：Research 模式说明
• Civic Online Reasoning：横向阅读与证据核查
• Crossref：学术成果元数据检索
• Zotero：来源收集、整理与引用基础
• GitHub：Zotero 开源项目