[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"article-deep-research-prompt-framework-ai-reports-zh":3,"article-related-deep-research-prompt-framework-ai-reports-zh":33,"series-tools-e515b195-1a6e-4cc0-a2eb-452e918d8859":85},{"id":4,"slug":5,"title":6,"content":7,"summary":8,"source":9,"source_url":10,"author":11,"image_url":12,"cover_image":12,"category":13,"language":14,"translated_content":11,"related_article_id":15,"keywords":16,"key_takeaways":25,"views":29,"created_at":30,"published_at":31,"topic_cluster_id":32},"e515b195-1a6e-4cc0-a2eb-452e918d8859","deep-research-prompt-framework-ai-reports-zh","AI 研究報告要先寫好提示詞","\u003Cp data-speakable=\"summary\">FindSkill.ai \u003Ca href=\"\u002Fnews\u002Fsix-part-prompt-scoring-turns-vague-prompts-into-usable-ones-zh\">把模糊\u003C\u002Fa>問題整理成可引用的 AI 研究提示詞框架。\u003C\u002Fp>\u003Cp>說真的，這頁蠻實用。它不是教你背口訣，而是把提示詞拆成 8 塊。頁面最後更新在 2026 年 6 月 11 日，還附上 10 分鐘、4.8 分的使用資訊。\u003C\u002Fp>\u003Cp>更直白地說，它在教你一件事：想要深度報告，先把需求寫深。你如果只丟一句「幫我查一下」，AI 多半回你一篇空泛摘要，然後你還得自己補洞。\u003C\u002Fp>\u003Ctable>\u003Cthead>\u003Ctr>\u003Cth>項目\u003C\u002Fth>\u003Cth>數值\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\u003Ctbody>\u003Ctr>\u003Ctd>難度\u003C\u002Ftd>\u003Ctd>Intermediate\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd>預估時間\u003C\u002Ftd>\u003Ctd>10 分鐘\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd>用戶評分\u003C\u002Ftd>\u003Ctd>4.8 \u002F 5\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd>最後更新\u003C\u002Ftd>\u003Ctd>2026 年 6 月 11 日\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd>範例主題\u003C\u002Ftd>\u003Ctd>培養肉商業化\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003Ch2>它真正教的，不是提示詞花招\u003C\u002Fh2>\u003Cp>這份指南的重點，不是讓你塞更多字。它要你先想清楚，這份研究到底要解決什麼。講白了，就是把提示詞當成研究簡報，\u003Ca href=\"\u002Fnews\u002Fwindows-agent-runtime-not-human-desktop-zh\">而不是\u003C\u002Fa>聊天訊息。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781155089710-c0cp.png\" alt=\"AI 研究報告要先寫好提示詞\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>這個思路很對。因為很多人用 \u003Ca href=\"https:\u002F\u002Fopenai.com\u002Findex\u002Fchatgpt\u002F\" target=\"_blank\" rel=\"noopener\">ChatGPT\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fclaude.ai\" target=\"_blank\" rel=\"noopener\">Claude\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fgemini.google.com\" target=\"_blank\" rel=\"noopener\">Gemini\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fwww.perplexity.ai\" target=\"_blank\" rel=\"noopener\">Perplexity\u003C\u002Fa>，都把它當搜尋框。結果就是拿到一堆看似完整，其實沒有證據密度的文字。\u003C\u002Fp>\u003Cp>FindSkill 的做法比較像真的研究流程。先定角色，再定問題，再定範圍，最後才定輸出格式。這種\u003Ca href=\"\u002Fnews\u002Fsequential-fine-tuning-essay-scoring-zh\">順序\u003C\u002Fa>看起來麻煩，但它會逼你先做判斷，少掉很多後面重寫的時間。\u003C\u002Fp>\u003Cul>\u003Cli>提示詞要先定角色，再定問題。\u003C\u002Fli>\u003Cli>範圍越清楚，引用越好抓。\u003C\u002Fli>\u003Cli>要求來源格式，AI 才不會亂飄。\u003C\u002Fli>\u003Cli>輸出結構先講，報告才好用。\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>八段式提示詞，像在寫研究規格\u003C\u002Fh2>\u003Cp>這份框架最有價值的地方，是把提示詞拆成 8 個部分。你不用再憑感覺亂寫。每一段都對應一個研究動作，結構很像產品規格書。\u003C\u002Fp>\u003Cp>前四段管研究設定。包含 persona、研究問題、範圍邊界、深度要求。後四段管交付內容。包含引用規則、輸出結構、品質守門、修訂方式。這種拆法很適合團隊協作，因為每個人都知道自己在補哪一塊。\u003C\u002Fp>\u003Cp>我覺得這裡最聰明的是，它沒有假裝 AI 會自己懂上下文。你要明講資料要哪幾類、時間區間多長、地區範圍在哪裡。你講清楚，模型才有機會往對的方向找。\u003C\u002Fp>\u003Cblockquote>“The quality of AI research output is directly proportional to the quality of the prompt that requests it.”\u003C\u002Fblockquote>\u003Cp>這句話很直接，也很難反駁。提示詞寫得爛，結果通常也爛。這不是模型脾氣差，是你一開始就沒交代清楚。\u003C\u002Fp>\u003Cp>它的 persona 模板也很實際。不要只寫「你是研究助理」。可以改成「資深科技分析師」或「策略顧問」。這種寫法會影響語氣、判斷角度，甚至影響 AI 會優先抓哪種資料。\u003C\u002Fp>\u003Cp>研究問題的寫法也很像 PICO。它要你把問題、比較對象、情境、預期結果寫出來。這招很有用，因為它會把「幫我聊聊 AI」這種爛題目，逼成可回答的研究任務。\u003C\u002Fp>\u003Cul>\u003Cli>\u003Cstrong>Persona\u003C\u002Fstrong> 決定專業角度。\u003C\u002Fli>\u003Cli>\u003Cstrong>Question framing\u003C\u002Fstrong> 把題目變成可研究問題。\u003C\u002Fli>\u003Cli>\u003Cstrong>Scope\u003C\u002Fstrong> 限定時間、地區、產業、資料類型。\u003C\u002Fli>\u003Cli>\u003Cstrong>Depth\u003C\u002Fstrong> 決定字數、來源數、分析層次。\u003C\u002Fli>\u003Cli>\u003Cstrong>Citations\u003C\u002Fstrong> 規定引用格式。\u003C\u002Fli>\u003Cli>\u003Cstrong>Output structure\u003C\u002Fstrong> 讓報告能直接拿去用。\u003C\u002Fli>\u003Cli>\u003Cstrong>Guardrails\u003C\u002Fstrong> 降低亂猜和硬掰。\u003C\u002Fli>\u003Cli>\u003Cstrong>Revision rules\u003C\u002Fstrong> 幫你迭代第二版。\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>為什麼研究型工作會吃這套\u003C\u002Fh2>\u003Cp>多數人寫 AI 提示詞，還停在搜尋引擎思維。FindSkill 直接把它拉到分析師思維。這差很多，因為分析師不是在找一句答案，而是在找可驗證的判斷。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781155084631-g201.png\" alt=\"AI 研究報告要先寫好提示詞\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>像它的培養肉範例，就要求 inline citation、完整報告格式、價格平價比較、法規核准、消費者接受度、五年市場預測。這種要求很硬，但也很像真實工作。投資、產品、政策，很多決策都需要這種層級的資料。\u003C\u002Fp>\u003Cp>這也很適合團隊。當大家都用同一種提示詞結構，彼此比較輸出會快很多。哪一份報告引用少、哪一份結論跳太快，一眼就看得出來，不用每次從頭吵。\u003C\u002Fp>\u003Cp>對開發者來說，這件事也很像 \u003Ca href=\"\u002Ftag\u002Fapi\">API\u003C\u002Fa> 設計。你給的參數越完整，回來的結果越穩。你給的限制越明確，模型越不容易亂跑。這跟 \u003Ca href=\"https:\u002F\u002Fwww.microsoft.com\u002Fen-us\u002Fmicrosoft-copilot\" target=\"_blank\" rel=\"noopener\">Microsoft Copilot\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fwww.anthropic.com\u002Fclaude\" target=\"_blank\" rel=\"noopener\">Anthropic Claude\u003C\u002Fa> 這類工具的使用方式完全一致。\u003C\u002Fp>\u003Cp>引用規則尤其重要。框架要求數字編號引用，也要分清楚一手資料和二手資料。還要把沒驗證的說法標出來。這會讓提示詞更長，但也會讓結果比較能拿去討論，不會一眼就是空話。\u003C\u002Fp>\u003Ch2>跟一般提示詞教學比，差在哪\u003C\u002Fh2>\u003Cp>很多提示詞教學只會叫你「具體一點」或「記得要來源」。這份框架比較像模板庫。它不是叫你靈感爆發，而是叫你照表填空。\u003C\u002Fp>\u003Cp>差異就在細節。一般寫法可能只問「幫我整理市場」。這份框架會問你：誰是讀者、看哪段時間、要哪種來源、要幾字、要跟誰比、最後要長什麼樣。這些欄位看起來很多，但它們就是讓結果可用的原因。\u003C\u002Fp>\u003Cp>如果你只想要一段摘要，那一般提示詞就夠了。如果你要的是能進簡報、能進 memo、能進決策文件的內容，那你就得把規格寫完整。AI 不是魔法，它只是照你的規格做。\u003C\u002Fp>\u003Cul>\u003Cli>模糊題目，通常只會拿到模糊摘要。\u003C\u002Fli>\u003Cli>有研究問題，才會有可回答的輸出。\u003C\u002Fli>\u003Cli>有來源規則，才會有可檢查的內容。\u003C\u002Fli>\u003Cli>有結構要求，報告才不用重排。\u003C\u002Fli>\u003Cli>有修訂流程，第二版才會真的變好。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>我也認同它對 trade-off 的態度。你不能又要超廣，又要超深，還要一頁搞定。這種幻想很常見，但通常只會得到一篇很會講廢話的報告。\u003C\u002Fp>\u003Cp>比較實際的做法，是分兩段問。先定範圍，再要報告。先讓模型收斂，再讓它展開。這樣通常比一次塞滿所有要求更穩，也比較少出現亂補的內容。\u003C\u002Fp>\u003Ch2>台灣團隊可以怎麼拿來用\u003C\u002Fh2>\u003Cp>如果你在做產品研究、競品分析、投資摘要，這套框架很值得直接改成內部模板。不要每個人都自由發揮，因為自由發揮常常等於輸出風格亂掉。\u003C\u002Fp>\u003Cp>比較好的做法，是先定三種常用模板。像是市場研究、技術比較、法規整理。每一種模板都固定來源類型、字數、引用格式、輸出段落。這樣團隊交接時，成本會低很多。\u003C\u002Fp>\u003Cp>對軟體團隊來說，這也能變成 prompt library。你可以把它放進 Notion、\u003Ca href=\"\u002Ftag\u002Fgithub\">GitHub\u003C\u002Fa>、或內部知識庫。之後每次要跑 \u003Ca href=\"https:\u002F\u002Fwww.perplexity.ai\" target=\"_blank\" rel=\"noopener\">Perplexity\u003C\u002Fa> 或 \u003Ca href=\"https:\u002F\u002Fclaude.ai\" target=\"_blank\" rel=\"noopener\">Claude\u003C\u002Fa>，就直接複製模板，不用每次重寫。\u003C\u002Fp>\u003Cp>這裡還有一個現實問題。很多人以為 AI 研究工具會自己幫你做判斷，其實不會。它只會根據你給的限制找資料、拼結論。所以提示詞設計，本來就是工作流程的一部分，不是附加技能。\u003C\u002Fp>\u003Cp>我會建議台灣團隊先從一個題目開始試。拿你們最近真的要決策的案子來跑，然後比較舊提示詞和新框架的差異。你會很快看出來，哪一種比較少廢話，哪一種比較能直接拿去開會。\u003C\u002Fp>\u003Ch2>結論很簡單：先寫規格，再叫 AI 寫報告\u003C\u002Fh2>\u003Cp>FindSkill 這套 \u003Ca href=\"https:\u002F\u002Ffindskill.ai\u002Fskills\u002Fproductivity\u002Fdeep-research-prompt-framework\u002F\" target=\"_blank\" rel=\"noopener\">Deep Research Prompt Framework\u003C\u002Fa> 的價值，不在花俏，而在可重用。它把研究提示詞變成一套能複製的工作流，這才是實務上最省時間的地方。\u003C\u002Fp>\u003Cp>如果你常用 AI 做研究，我會直接建議你把這套框架改成自己的模板。先定角色，再定問題，再定範圍，最後才要報告。這個順序一旦固定，輸出品質通常會穩很多。\u003C\u002Fp>\u003Cp>接下來最值得做的事，不是再找更多提示詞技巧，而是挑一個你常做的題目，做成標準版模板。你會很快發現，真正省時間的不是模型，而是你前面那 20 行寫得夠不夠清楚。\u003C\u002Fp>","FindSkill.ai 把深度研究提示詞拆成可重用框架，讓 ChatGPT、Claude、Gemini、Perplexity 產出有引用、可比較的研究報告。","findskill.ai","https:\u002F\u002Ffindskill.ai\u002Fskills\u002Fproductivity\u002Fdeep-research-prompt-framework\u002F",null,"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781155089710-c0cp.png","tools","zh","bc6e4805-34c1-456c-9628-2a1746db6c21",[17,18,19,20,21,22,23,24],"AI 研究提示詞","深度研究","ChatGPT","Claude","Gemini","Perplexity","提示詞框架","引用來源",[26,27,28],"FindSkill 把研究提示詞拆成 8 個部分，方便重複使用。","清楚定義角色、範圍、引用規則，輸出品質會更穩。","團隊最好把常用研究題目做成模板，減少重寫成本。",1,"2026-06-11T05:17:39.878284+00:00","2026-06-11T05:17:39.856+00:00","0c64eda0-d76f-4e13-bd85-d085ff6d151e",{"tags":34,"relatedLang":44,"relatedPosts":48},[35,37,38,40,42],{"name":19,"slug":36},"chatgpt",{"name":18,"slug":18},{"name":17,"slug":39},"ai-研究提示詞",{"name":20,"slug":41},"claude",{"name":21,"slug":43},"gemini",{"id":15,"slug":45,"title":46,"language":47},"deep-research-prompt-framework-ai-reports-en","Deep Research Prompt Framework for Better AI Reports","en",[49,55,61,67,73,79],{"id":50,"slug":51,"title":52,"cover_image":53,"image_url":53,"created_at":54,"category":13},"dc0b38ea-3f3c-4ec3-83e8-b26692aa54c4","six-part-prompt-scoring-turns-vague-prompts-into-usable-ones-zh","六項評分把模糊提示變可用","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781151514776-b3rm.png","2026-06-11T04:17:59.935435+00:00",{"id":56,"slug":57,"title":58,"cover_image":59,"image_url":59,"created_at":60,"category":13},"c16aef24-e638-468b-b959-03b3dd311ba2","last30days-skill-best-reason-stop-trusting-search-alone-zh","last30days-skill 是停止只靠搜尋的最佳理由","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781122670213-wroe.png","2026-06-10T20:17:22.229493+00:00",{"id":62,"slug":63,"title":64,"cover_image":65,"image_url":65,"created_at":66,"category":13},"396b3184-2feb-400c-a7f2-bc133bec889d","15-ai-coding-assistant-tools-2026-zh","2026 AI 程式助理工具選配指南","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781114581485-154k.png","2026-06-10T18:02:27.477751+00:00",{"id":68,"slug":69,"title":70,"cover_image":71,"image_url":71,"created_at":72,"category":13},"dd0deb29-30f9-47af-91a1-dc966fff3fa2","cuda-oxide-rust-ptx-kernels-zh","cuda-oxide 把 Rust 變成 PTX 核心","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781110154542-ttd2.png","2026-06-10T16:48:43.64696+00:00",{"id":74,"slug":75,"title":76,"cover_image":77,"image_url":77,"created_at":78,"category":13},"279c8306-f41d-4bcc-a87a-2d3c0a905d39","gpu-programming-core-software-skill-zh","GPU 編程正在成為核心軟體技能","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781109180204-axgz.png","2026-06-10T16:32:18.403171+00:00",{"id":80,"slug":81,"title":82,"cover_image":83,"image_url":83,"created_at":84,"category":13},"1a577d27-7d0b-428a-a3df-ee0ae39c5d5f","devin-pricing-turns-agents-into-seats-zh","Devin 定價把 agents 變 seats","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781096620398-19a8.png","2026-06-10T13:03:10.4842+00:00",[86,91,96,101,106,111,116,121,126,131],{"id":87,"slug":88,"title":89,"created_at":90},"855cd52f-6fab-46cc-a7c1-42195e8a0de4","surepath-real-time-mcp-policy-controls-zh","SurePath 推出即時 MCP 政策控管","2026-03-26T07:57:40.77233+00:00",{"id":92,"slug":93,"title":94,"created_at":95},"9b19ab54-edef-4dbd-9ce4-a51e4bae4ebb","mcp-in-2026-the-ai-tool-layer-teams-use-zh","2026 年 MCP：團隊真的在用的 AI 工具層","2026-03-26T08:01:46.589694+00:00",{"id":97,"slug":98,"title":99,"created_at":100},"af9c46c3-7a28-410b-9f04-32b3de30a68c","prompting-in-2026-what-actually-works-zh","2026 提示工程，真正有用的是什麼","2026-03-26T08:08:12.453028+00:00",{"id":102,"slug":103,"title":104,"created_at":105},"05553086-6ed0-4758-81fd-6cab24b575e0","garry-tan-open-sources-claude-code-toolkit-zh","Garry Tan 開源 Claude Code 工具包","2026-03-26T08:26:20.068737+00:00",{"id":107,"slug":108,"title":109,"created_at":110},"042a73a2-18a2-433d-9e8f-9802b9559aac","github-ai-projects-to-watch-in-2026-zh","2026 必看 20 個 GitHub AI 專案","2026-03-26T08:28:09.619964+00:00",{"id":112,"slug":113,"title":114,"created_at":115},"a5f94120-ac0d-4483-9a8b-63590071ac6a","claude-code-vs-cursor-2026-zh","Claude Code 與 Cursor 深度對比：202…","2026-03-26T13:27:14.279193+00:00",{"id":117,"slug":118,"title":119,"created_at":120},"0975afa1-e0c7-4130-a20d-d890eaed995e","practical-github-guide-learning-ml-2026-zh","2026 機器學習入門 GitHub 實用指南","2026-03-27T01:16:49.712576+00:00",{"id":122,"slug":123,"title":124,"created_at":125},"bfdb467a-290f-4a80-b3a9-6f081afb6dff","aiml-2026-student-ai-ml-lab-repo-review-zh","AIML-2026：像課綱的學生實驗 Repo","2026-03-27T01:21:51.467798+00:00",{"id":127,"slug":128,"title":129,"created_at":130},"80cabc3e-09fc-4ff5-8f07-b8d68f5ae545","ai-trending-github-repos-and-research-feeds-zh","AI Trending：把 AI 資源收成一張表","2026-03-27T01:31:35.262183+00:00",{"id":132,"slug":133,"title":134,"created_at":135},"3ce6e6e2-bac5-463e-9f8d-45caabcc61f7","awesome-ai-for-science-research-tools-map-zh","AI 科研工具清單，開始像地圖了","2026-03-27T01:46:50.521945+00:00"]