Neem uw dagelijkse taak (aankoop, keuze, analyse van een onderwerp). Retourneert JSON {"simple_question":...", "research_task":...", "why_deep:..."}. simple_question - zoals een beginner in één regel zou vragen; research_task - hetzelfde onderwerp, herschreven als onderzoeksprobleem met een doel en minimaal één frame; why_deep — 1-2 zinnen waarom diepgaand onderzoek hier nuttig is, en geen snel antwoord.
Mechanica: een veel voorkomende vraag voor een neuraal netwerk is één doorgang. Het model antwoordt op basis van wat het “zich herinnert” en heeft vaak vol vertrouwen ongelijk. De diepgaande onderzoeksmodus werkt anders: het verdeelt de taak in subvragen, zoekt veel in verschillende bronnen, verifieert wat het vindt en verzamelt een gestructureerd rapport met conclusies en links. Een analogie: een simpele vraag is: hoe vraag je een vriend “wat te kopen?”, en diepgaand onderzoek is hoe je een assistent inhuurt die winkels belt, prijzen vergelijkt en een tafel meebrengt. Techniek: om de onderzoeksmodus te activeren, formuleer je geen vraag, maar een taak - met een doel en een kader. "Wat is beter?" geeft geklets; “Vergelijk 3 opties op basis van prijs, betrouwbaarheid en timing en trek een conclusie voor een beginner”, aldus het rapport. Insider: hoe smaller en specifieker het frame, hoe dieper het model graaft – het besmeurt een breed verzoek oppervlakkig. Een typische fout: vraag in één rij en wacht op een wonder. Zonder doel, criteria en format krijg je een algemene hervertelling, geen onderzoek.