Tetapkan kerangka kerja untuk penelitian. Kembalikan JSON {"question":"...","scope":"...","exclusions":"..."}. question—pertanyaan penelitian; scope — kerangka: periode (untuk tahun berapa), tempat (negara/wilayah), kedalaman (ikhtisar atau detail) dan objek (apa sebenarnya yang kita pertimbangkan); exclusions - yang jelas-jelas TIDAK kami pertimbangkan untuk menghilangkan kelebihannya.
Mekanisme: pencarian tanpa batas seperti jaring berlubang - ia mengeluarkan segalanya, termasuk sampah dan konteks orang lain. Model tidak mengetahui apa yang "segar" dan "relevan" bagi Anda sampai Anda menetapkan bingkainya. Bingkai adalah filter yang diterapkan pada setiap sumber. Empat sumbu bingkai. Waktu: “selama 2 tahun terakhir” dianggap usang. Lokasi: “di negara atau kota saya” menghilangkan pasar yang tidak relevan. Kedalaman: "ikhtisar" versus "detail dengan angka" - ini adalah jumlah pekerjaan yang berbeda. Objek: buat daftar apa sebenarnya yang kita bandingkan. Trik orang dalam: tulis tidak hanya apa yang harus disertakan, tetapi juga apa yang harus dikecualikan. Eksplisit exclusions (“tanpa tarif perusahaan”, “tanpa model ketinggalan jaman”) menghemat separuh laporan dan mencegah model bocor ke samping. Larangan ini mempunyai dampak yang lebih kuat dibandingkan klarifikasi lainnya. Trik kedua: jika data dengan cepat menjadi usang (harga, undang-undang), selalu tetapkan tanggal relevansi - “untuk tahun 2026”. Tanpanya, model tersebut akan mencampuradukkan waktu dan menghasilkan kontradiksi. Kesalahan umum: permintaan luas "segala sesuatu tentang X" - Anda mendapatkan kekacauan yang dangkal dari tahun dan negara yang berbeda.
Buka kunci akses untuk mengirimkan solusi untuk peninjauan AI instan.