我把AI深度研究DIY成了私人培训基地

我把AI深度研究DIY成了私人培训基地 我把AI深度研究DIY成了私人培训基地 Modified May 7, 2025 还好，Gemini的准确性比较高，比较可靠。我们研究出的学习路径内容里没有误导人的内容，这对于一个小白来说是最好的事，否则就误人子弟了。 💥 不过我仍然建议在关键位置查看权威文献，或者你在深度研究指令生成时就特别指定参考某些网站的内容，比如arXiv的内容或者wiki百科的内容。 制作播客 如果你觉得看着费眼，或者需要在上下班的路上听，那么可以使用Monica制作一个播客节目 然后你可以把音频文件下载到手机上，想听的时候直接播放就行了。我听了一下，效果很不错！ 制作有声书 如果你觉得播客内容太短，忽略了细节，想以听书的方式听内容的话，你也可以使用这个免费在线转语音的网站 https://speechsynthesis.online/ 其实接的也是微软的免费API，但做出来不割韭菜、不收费，我就很salute这些人（其实最好的是用微软Auzre，不过注册有门槛，在这我就不详细介绍了） 最后 我们来给整个过程做个总结，如下图所示，看看这个深度研究能一鱼几吃： 文章中其实有个人很多方法论在里边（《镜中影》系列中讲到的抽象思维建模实战，《提个好问题》中讲到的简易上手法，还有闭门分享时提过的部分人机协作范式——工具流的打造），不光是小白适用此教程，任何想进行学习、研究的朋友都适用，不管你是在哪个行业，我希望通过此方式真正让你在学习上降本增效、快速入门AI、降低认知负担。 如果你觉得这个方式有用，也可以分享我的文章给周边的朋友，感谢各位哦！ 附我最近喜欢的卡皮巴拉美照一张： 最后，再悄悄告诉你个秘密，每次做深度研究时，最好带上这句提示，会让研究质量更上一层楼： 📌 使用英文数据源进行研究，使用中文撰写研究报告。 你懂的。 祝你使用愉快。 我是蓝衣剑客，谢谢你看我的文章。 还好，Gemini的准确性比较高，比较可靠。我们研究出的学习路径内容里没有误导人的内容，这对于一个小白来说是最好的事，否则就误人子弟了。 💥 不过我仍然建议在关键位置查看权威文献，或者你在深度研究指令生成时就特别指定参考某些网站的内容，比如arXiv的内容或者wiki百科的内容。 制作播客 如果你觉得看着费眼，或者需要在上下班的路上听，那么可以使用Monica制作一个播客节目 然后你可以把音频文件下载到手机上，想听的时候直接播放就行了。我听了一下，效果很不错！ 制作有声书 如果你觉得播客内容太短，忽略了细节，想以听书的方式听内容的话，你也可以使用这个免费在线转语音的网站 https://speechsynthesis.online/ 其实接的也是微软的免费API，但做出来不割韭菜、不收费，我就很salute这些人（其实最好的是用微软Auzre，不过注册有门槛，在这我就不详细介绍了） 最后 我们来给整个过程做个总结，如下图所示，看看这个深度研究能一鱼几吃： 文章中其实有个人很多方法论在里边（《镜中影》系列中讲到的抽象思维建模实战，《提个好问题》中讲到的简易上手法，还有闭门分享时提过的部分人机协作范式——工具流的打造），不光是小白适用此教程，任何想进行学习、研究的朋友都适用，不管你是在哪个行业，我希望通过此方式真正让你在学习上降本增效、快速入门AI、降低认知负担。 如果你觉得这个方式有用，也可以分享我的文章给周边的朋友，感谢各位哦！ 附我最近喜欢的卡皮巴拉美照一张： 最后，再悄悄告诉你个秘密，每次做深度研究时，最好带上这句提示，会让研究质量更上一层楼： 📌 使用英文数据源进行研究，使用中文撰写研究报告。 你懂的。 祝你使用愉快。 我是蓝衣剑客，谢谢你看我的文章。 为何要做这件事 最近很多朋友都来问我这样一个问题： 📌 作为一个对人工智能一窍不通的小白来说，我应该如何进行入门呢？ 其实，这句话问的我有点语塞。推荐两本书？可能并不适合对方。推荐他看视频教程？没准也讲不全面。要不... 正好，在上周时，我又被问到了重复性的问题，我思考良久，告诉了他一个连我自己先前都不会想到的办法：“ 用深度研究作为学习教材给自己DIY一个学习课程 ”。 建议是给了，但随之而来的问题是： 方案选型 老实说，我觉得这基本是一个不可能三角，免费和接近免费的深度研究不是没有，但用起来效果都不尽如人意。 至于研究的准确性与否，我觉得又跟模型本身能力相关... 所以，我们就要考虑一下花钱少、模型效果好、研究准确性高的方案。 然后，我考察了几个产品的深度研究方案，他们分别是： 1. 1. Genspark深度研究智能体 2. 2. ChatGPT深度研究智能体 3. 3. Gemini深度研究智能体 最后，我得到了一个结论： 用Gemini ! 你要问我为什么，请看下方表格： 简单来说：除去Genspark外，Gemini最新出的Gemini 2.5Pro模型的质量丝毫不逊色GPT系列模型。也正是由于Gemini 2.5Pro的发布，Gemini的深度研究才有与ChatGPT一较高下的机会。另外，根据最近的使用反馈来看： ChatGPT的深度研究比较直给，但准确性稍微逊色。而Gemini生成的研究报告，语言较为晦涩，但准确性高。且ChatGPT的使用次数给的太少了，20刀一个月只能用10次..完全不够重度用户使用的（当然你有钱买土豪版就当我没说） 最后，再加上Gemini现在搞了个学生认证后免费领取15个月会员的活动，让这个方案的性价比更高了！ 到这里基本上算是确定大方向了，那么下一步就是解决效果的问题了。 小白也能做出好效果 不管是ChatGPT还是Gemini的深度研究，如果你用大白话那也是照样不太好使，尽管研究了许多网站，但其主题内容空洞、且结论仍不够聚焦，不能作为继续深入研究的材料或者教程。 相对的，一个带有结构化思维的深度研究，可以让研究结果更接近你的期望，同时也能提供更多信息。但这样一个深度研究指令又很难手敲（第一：懒，第二：累，第三：小白可能不会敲结构化提示词，我遇到很多了），那不如就再次发挥懒的天性，想想能不能让模型给我生成一个非常精细的深度研究指令，并且能让我一分钟内就可以开始进行研究，那岂不就是我等福音？ 好，既然如此，那就开始建模吧： 这几个部分的内容几乎涵盖了深度研究所牵扯到的方方面面，也算是对深度研究本身的建模。太过于专业的问题，我们就不在这讨论了，想细聊的可以在公众号主页上找到“交个朋友”栏目，加我好友讨论。另外，附送两篇文章，帮你理解如何面向模型建模： 镜中影（一）：掌握穿越镜子的能力 镜中影（一）：掌握穿越镜子的能力 镜中影（二）：你与AI的镜中世界 镜中影（二）：你与AI的镜中世界 然后将建模完毕的内容转换成提示词，大概是这样的： 如果你细看我写的提示词，就会发现一个有意思的事： 它是基于一个“好问题”作为出发点的。 原因有三： 1. 1. 好问题会使得事情足够聚焦，且后续步骤都是针对此事件展开的。 2. 2. 好问题是高效人机协作的开端，你可采用人类 First、AI Flow的策略深入事件内核挖掘信息。 3. 3. 一个再小白的人也可以通过好问题的方式跨过编写结构化提示词的障碍，从源头解决根本问题。 如果你还不会问一个好问题，不如来看看这篇文章： 超越自己：向AI提个好问题 超越自己：向AI提个好问题 如何使用 Step.1 准备环境 直登官网，开个会员，选2.5pro版本的模型，将我上方提供的提示词扔给模型。 Step.2 生成研究指令 现在，假设我现在是一名小白，我想系统性的学习一下大模型相关的知识，那么我向其以下问题： 📌 研究目标：身为计算机小白，如何能快速上手、系统性的学习大模型知识？ 然后，我得到了以下回复： 好，到此，一个完整的指令就生成出来了，其实前后连一分钟都没有，如果你对这个提示不满意（比如你希望研究源头更权威）那么你再次对话迭代该提示词即可。如果你觉得没啥问题，这会儿你就可以选择Gemini的Deep Research模式，进而把指令扔给Gemini去做研究了，没选的记得选一下。 而且，你可以从深度研究计划中看到非常细致的研究内容，如图所示： 内容太长了，我就不截所有的图了。总之，你在这里可以看到指令的详尽对深度研究智能体（Agent)是有非常强的指导性意义的。 Step.3 查看结果 在你等待十几分钟后，研究结果就出来了，让我们看看用结构化提示生成的研究结果如何： 你别说，由于深度研究智能体理解了我们的适用人群是：小白。进而用浅显易懂的方式输出了这篇研究报告，在很多方面都使用更通俗的语言解释了一些专业内容。整篇研究报告一共一万多字，从基础术语、到伦理安全都有介绍。 如果你不想仅仅去看内容的话，gemini还有音频生成，可以一键生成音频概览。 进阶玩法 分支学习 如果你感觉这一个报告不够学的（我知道你是爱学习的好孩子），那么还可以考虑拉开分支，比如搭配刚才提供的深入研究指令提示词，上传刚才这份研究好的路线指引，让gemini详细研究一下第一部分的具体内容： 等你拿到了研究指令后，就可以研究新内容了，而且这个研究内容必定比这份导航指南要详细得多。 深度研究成果转PPT 这个就是针对那些有视觉需求的朋友了，你可以使用以下提示词转成Gamma所需要的格式： [PPT标题] Code block Plain Text Role: Markdown 思维导图生成器 Profile: Author : 蓝衣剑客 Version : 1.6 (纯标题层级输出) Language : 中文 Description : 我是一个专门分析文档内容结构，并将其严格转换为纯粹使用 Markdown 标题层级 ( , ...) 表示的思维导图助手。我会将文档中的所有结构层次，包括标题下的要点，都映射为对应的标题级别。 Constraints: 输入要求 : 必须接收用户提供的包含可识别结构层次（如标题、子标题、段落要点）的文档文件或文本内容。 结构识别 : 需要能够识别文档中的主要标题层级，并 积极识别标题下内容中的所有结构性要点 （如“关键词：描述”、列表项等）。 输出格式 : 最终输出必须是仅使用 Markdown 标题层级 ( , , 等，最多支持6级) 表示层级关系的思维导图，并放置在代码框 ( ) 中。除了最低层级的描述文本，不应有任何非标题引导的内容行。 层级映射 : 任何在逻辑上属于下一层级的内容点（如列表项、定义、示例、要点关键词等）都必须转换为下一级的 Markdown 标题。 例如， 下的 应转换为 。 内容放置 : 描述性文本应紧跟在它所属的最深层级标题之后。 去除标号 : 在提取内容时，应忽略或去除源文件中可能存在的自动标号或引用标记 (如 , , , 等非内容本身的标记)。 层级限制 : 标准 Markdown 最多支持六级标题 ( )。 Background: 思维导图的核心在于展现清晰的层级结构。Markdown 的标题层级是表示这种结构的最直接方式。本助手致力于将文档内容彻底解构，用纯粹的标题层级呈现其逻辑脉络，生成高度结构化的思维导图。 Goals: 内容解析 : 读取并理解用户提供的文本内容。 深度结构识别 : 分析文本中的标题、段落、列表等元素，识别所有可感知的层级关系，包括标题下的细分要点。 严格层级映射 : 将所有识别出的结构层次（包括主标题和所有子要点）严格映射为对应的 Markdown 标题层级。 生成纯标题导图 : 使用 Markdown 标题语法（ , , ...）生成思维导图文本，确保结构完全由标题定义。 格式化输出 : 将生成的 Markdown 思维导图文本放入代码框中输出。 Workflow: 1. 接收输入 : 获取用户提供的文档文件或文本内容。 2. 分析结构与内容 : 解析内容，识别主要的标题层级及其对应的文本块，同时忽略自动标号。 3. 构建导图 (递归或迭代) : 对每个识别出的标题及其文本块： 将当前标题映射为对应层级的 Markdown 标题 ( , , ...)。 分析该标题下的文本块 : 识别所有子要点 : 查找所有可以被视为下一层级结构的内容点（例如，以“ 关键词 ：”开头、列表项、定义、示例等）。 对每个识别出的子要点 : 将该子要点的 核心词/短语 （如“关键词”、“列表项内容概要”）作为 下一级 Markdown 标题 (例如，当前是 ，子要点是 ，则生成 )。 将该子要点对应的 描述性文本 放在这个新的下一级标题下方。 如果子要点下还有更深层次结构，则递归应用此过程。 处理剩余文本 : 如果标题下除了可识别的子要点外还有其他介绍性或总结性文本，将其直接放在当前 Markdown 标题下方（在所有子要点标题之前）。 4. 生成 Markdown : 整合所有处理过的标题和内容，生成最终的 Markdown 文本。 5. 输出结果 : 将最终生成的 Markdown 思维导图文本放入代码框中呈现给用户。 Output Format: 思维导图将严格使用 Markdown 标题层级格式输出在代码框中，所有结构层次（包括要点）都用标题表示，示例如下： Initialization: 您好！我是 Markdown 思维导图生成器。请提供您希望转换成思维导图的文档文件或文本内容。我会分析其结构，并将所有层级（包括要点）严格转换为对应的 Markdown 标题层级格式。 ``` 让我们看看使用效果： 接下来你将生成出的Markdown格式文档粘贴在TreeMind中就可以一键生成脑图了（记得，如果标号不需要就让模型再去掉一下，虽然我提示词已经约束了，但有时还会有幻觉）。 生成效果如下所示： 事实核查 我想这是很多人担心的问题，毕竟模型有幻觉，不敢保证100%准确，那既然如此，我们就需要考虑整个专业的审核了，还好Genspark有一个事实核查的超级智能体能干这事儿： 如果你也担心准确性问题，就把深度研究报告导出来（注意，你导出来时是接近6MB的内容，你需要在本地压缩一下，压到2MB以下，最好的方式是在本地新建一个word，把文字粘贴过去），然后利用这个智能体进行审核： 然后你等着就行，过不了一会，事实核查的结果就出来了：