使用這一個指令模版，你也能做到！

ChatGPT 的 Deep Research 功能，怎麼幫你把 3 小時研究變成 15 分鐘？

2025 Jun 23 工作生產力  ChatGPT

內容目錄

備註：AI 模型更新速度很快，因此這篇文章的資訊可能不久後就會過時。這篇文章的寫作背景是根據 20250612 時能找到的公開資訊。

工作上查資料、做報告是一件很費工的事情，對吧？

我曾經在電腦開了一堆分頁，然後瘋狂在各網站跳來跳去，最後還要手動整理一大堆筆記。

我猜你跟我一樣，做研究時都會這樣「土法煉鋼」。

問題是現在資訊量太誇張了！我們的大腦根本處理不完，用傳統方式做研究真的很吃力。

近期ChatGPT/Claude/Gemini/Perplexity.ai/Grok 推出了「Deep Research」功能，號稱可以自動幫你做研究。但我很好奇：這東西到底行不行？真能取代我們傳統的研究方式嗎？

所以昨天我親自試了一下，結果發現了一個超重要的洞察：

AI 確實能當個超強研究助手，但有個大前提 — 你必須給它「超精準的指示」，產出的研究報告才能真正的被使用 (如果你的需求模糊，多數時候產出的只是 “漂亮的文字垃圾”)。

接下來我要跟你分享我的實驗過程、我設計的指令模板，還有怎麼把 ChatGPT 變成你的研究助理（而且不用付加班費！）。

主要有 4 個重點：

什麼是 Deep Research?
在 ChatGPT 中，Deep Research 到底要選哪一個模型？
Deep Research 的 Prompt (指令) 該怎麼寫？
從頭到尾，舉一個我自己的產品調查實際範例

讓我們開始吧！

重點 1. 什麼是 Deep Research？

Deep Research 就像你的小型研究助理。

你只要給它一個明確的研究主題，它會幫你上網搜尋大量資料，然後自己去整理、統整出一份結構清楚的報告。不像平常我們用 ChatGPT 問問題只是聊一聊，Deep Research 是有目的性的在幫你「查資料＋寫報告」。

不過有個重點：你給它的問題不能太模糊。

比如你只丟一句「幫我研究教育產業」，那它產出的內容可能就會很表面、很廣。但如果你說「我是一個台灣做線上課程的新創，要針對 25–35 歲上班族，找出目前他們學習工具的使用趨勢」，那它給你的報告就會聚焦很多，甚至還會幫你找出相關服務的差異與機會點。

Deep Research 的威力很強，但你要懂得怎麼問。

問得越清楚，它幫你整理出來的內容就越有用。對於：

設計新產品策略
要準備簡報
做市場研究
寫文章

你如果有以上需求，這功能真的可以幫你省下超多時間。

現在 Deep Research 幾乎是各 AI 大場的標準功能，使用起來的感覺都差不多。但為了精確解說，下面我會用 ChatGPT 的 Deep Research 來做介紹。

我們繼續往下看。

重點 2. 在 ChatGPT 中，Deep Research 到底要選哪一個模型？

先說結論：是 o3 系列模型。

當你在 ChatGPT 中啟動 Deep Research 時，背後實際執行報告生成的「心臟」是 o3 模型。根據 Wikipedia 的說明，在研究時你跟 ChatGPT 對話的 “感覺” 會受到你所選擇的模型版本的影響。

下面是快速的比較(根據截自 20250612 OpenAI 官方說明)：

GPT‑4o： 主打全方位，速度快、範圍廣，適合作為起始模型。不過雖然能喚醒 Deep Research，它在處理深度分析、複雜邏輯時，還是會由 o3 來接手研究。
o3： 在分析能力上最強，適合進行高階策略、跨領域整合等工作。Deep Research 其實就是跑在它的基礎上。
o4-mini & o4-mini‑high： 這些是更小的最新 o4 系列，專注於快速且精確的數學、程式與視覺任務處理。雖然它們擁有成本與速度上的優勢，但在 Deep Research 的整體質感及來源評估深度上，仍以 o3 為主力。
GPT‑4.5： 在對話流暢度、情感理解與自然感方面表現更好，但根據經驗回饋，它在嚴謹推理與錯誤自省能力上，往往略遜於 GPT‑4o 和 o3 系列。因此，如果目的是要產出大量引用、深入分段的分析，仍建議主力以 o3 及其 mini 變體為核心。
GPT‑4.1 / GPT‑4.1‑mini：這是最新推出，特化於大上下文、資料密集型任務，支援百萬 token 處理，是企業處理長文件、PDF 或海量資料。

看的頭昏眼花了嗎？

讓我快速小結一下：

Deep Research 的報告生成是依賴 o3 系列模型。而你最終選擇 GPT‑4o、4.5、o4‑mini 或 4.1 等作為對話模型時，其差異首先會反映在前後互動的流暢度、情感感知與上下文處理能力上，而不是報告核心分析的品質。因此推薦以下策略：

追求最快速度、自然對話 → 用 GPT‑4o 或 GPT‑4.5 做對話介面；追求深度邏輯與分析 → 維持 o3 來執行實質研究；處理長篇資料 → 在對話前期使用 GPT‑4.1 系列先整理上下文，再交由 Deep Research。

依需求調配這些模型，就能讓 Deep Research 發揮最大效益。

在下面的案例中，我將使用 o3 作為 Deep Research 的示範模型
以下為付費內容，請訂閱後閱讀或登入獲得閱讀權限