Zamień niejasny temat w pytanie badawcze. Zwróć JSON {"research_question":"...","goal":"...","key_aspects":"..."}. research_question - jedno konkretne pytanie (nie temat!), na które istnieje możliwa do sprawdzenia odpowiedź; goal - dlaczego wynik jest potrzebny i kto będzie z niego korzystał; key_aspects - 3-5 aspektów, które należy ujawnić (można je wymienić przecinkami).
Mechanika: model odpowiada dokładnie na to, o co pytałeś. Rozumie „rozumieć temat” jako „powiedz mi ogólnie” - i tworzy encyklopedię bez żadnych korzyści. Dobre pytanie badawcze zawęża pole: chodzi o konkretne rozwiązanie, a nie o wszystko na raz. Trzy dźwignie. Pierwszy z nich to czasownik wyrażający czynność: nie „samochody elektryczne”, ale „porównaj / oceń / dowiedz się, czy warto”. Drugi to temat i kontekst: dla kogo i na jakich warunkach („dla rodziny w mieście, w którym panuje mroźna zima”). Trzecie to kryterium sukcesu: według jakich parametrów oceniać. Technika: trzymaj się jednej głównej idei w pytaniu. Jeżeli chcesz zapytać o pięć rzeczy na raz – to jest pięć zadań, podziel je na części. Model, po uzyskaniu ostrości, uzupełni pytania cząstkowe i kopie głębiej. Insider: oddziel pytanie od celu. Pytanie brzmi, czego się dowiedzieć; cel – dlaczego. Kiedy sztuczna inteligencja widzi cel („wybrać i kupić”), dostosowuje wnioski do rozwiązania, a nie do parafrazy. Typowy błąd: zastąpienie pytania tematem. Tematem przewodnim są „samochody elektryczne”. „Który samochód elektryczny do X jest bardziej opłacalny dla miasta?” - pytanie.
Odblokuj dostęp, aby przesyłać rozwiązania do natychmiastowej oceny AI.