Transformez un sujet vague en question de recherche. Renvoie JSON {"research_question": "...", "goal": "...", "key_aspects": "..."}. research_question - une question spécifique (pas un sujet !), à laquelle il existe une réponse vérifiable ; goal - pourquoi le résultat est nécessaire et qui l'utilisera ; key_aspects - 3 à 5 aspects qui doivent être divulgués (vous pouvez les lister séparés par des virgules).
Mécanique : le modèle répond exactement à ce que vous avez demandé. Elle comprend « comprendre le sujet » comme « dites-moi en général » - et produit une encyclopédie sans aucun bénéfice. Une bonne question de recherche restreint le champ : il s’agit d’une solution spécifique, pas de tout à la fois. Trois leviers. Le premier est un verbe d’action : non pas « voitures électriques », mais « comparer / évaluer / découvrir si ça vaut le coup ». La seconde est le sujet et le contexte : pour qui et dans quelles conditions (« pour une famille dans une ville aux hivers froids »). Le troisième est le critère de réussite : par quels paramètres juger. Technique : garder une idée principale dans la question. Si vous souhaitez poser des questions sur cinq choses à la fois – ce sont cinq tâches, décomposez-les. Le modèle, après avoir été ciblé, complétera les sous-questions et approfondira. Insider : séparez la question de l’objectif. La question est de savoir quoi découvrir ; but - pourquoi. Lorsque l’IA voit un objectif (« choisir et acheter »), elle adapte ses conclusions à une solution plutôt qu’à une paraphrase. Une erreur typique : remplacer la question par un sujet. « Les voitures électriques » sont le sujet. « Quelle voiture électrique jusqu’à X est la plus rentable pour la ville ? - question.
Débloquez l’accès pour soumettre des solutions pour un examen instantané par l’IA.