Biến một chủ đề mơ hồ thành một câu hỏi nghiên cứu. Trả về JSON {"research_question":","goal":","key_aspects://..."}. research_question - một câu hỏi cụ thể (không phải chủ đề!), có câu trả lời có thể kiểm chứng được; goal - tại sao cần có kết quả và ai sẽ sử dụng kết quả đó; key_aspects - 3-5 khía cạnh phải được tiết lộ (bạn có thể liệt kê chúng cách nhau bằng dấu phẩy).
Cơ học: mô hình trả lời chính xác những gì bạn hỏi. Cô ấy hiểu “hiểu chủ đề” là “nói chung cho tôi biết” - và tạo ra một bộ bách khoa toàn thư mà không mang lại lợi ích gì. Một câu hỏi nghiên cứu hay sẽ thu hẹp phạm vi: đó là về một giải pháp cụ thể, không phải về mọi thứ cùng một lúc. Ba đòn bẩy. Đầu tiên là động từ hành động: không phải “ô tô điện” mà là “so sánh/đánh giá/tìm hiểu xem nó có xứng đáng hay không”. Thứ hai là chủ đề và bối cảnh: dành cho ai và trong điều kiện nào (“đối với một gia đình ở thành phố có mùa đông lạnh giá”). Thứ ba là tiêu chí của sự thành công: đánh giá bằng những thông số nào. Kỹ thuật: giữ một ý chính trong câu hỏi. Nếu bạn muốn hỏi về năm điều cùng một lúc - đây là năm nhiệm vụ, hãy chia nhỏ chúng ra. Mô hình sau khi nhận được trọng tâm sẽ hoàn thành các câu hỏi phụ và tìm hiểu sâu hơn. Người trong cuộc: tách câu hỏi ra khỏi mục tiêu. Câu hỏi là phải tìm hiểu điều gì; mục đích - tại sao. Khi AI nhìn thấy một mục tiêu (“chọn và mua”), nó sẽ điều chỉnh các kết luận thành một giải pháp thay vì diễn giải. Một lỗi điển hình: thay thế câu hỏi bằng một chủ đề. “Ô tô điện” là chủ đề. “Xe điện nào lên tới X mang lại nhiều lợi nhuận hơn cho thành phố?” - câu hỏi.
Mở khóa quyền truy cập để gửi giải pháp nhằm đánh giá AI ngay lập tức.