Đặt ra một khuôn khổ cho nghiên cứu. Trả về JSON {"question":","scope":","exclusions://..."}. question—câu hỏi nghiên cứu; scope — khuôn khổ: khoảng thời gian (trong những năm nào), địa điểm (quốc gia/khu vực), độ sâu (tổng quan hoặc chi tiết) và đối tượng (chính xác thì chúng ta đang xem xét điều gì); exclusions - điều mà chúng tôi rõ ràng KHÔNG xem xét để cắt bỏ phần thừa.
Cơ học: tìm kiếm không ranh giới giống như một tấm lưới có lỗ - nó kéo ra mọi thứ, kể cả rác và ngữ cảnh của người khác. Người mẫu không biết điều gì là "mới" và "phù hợp" với bạn cho đến khi bạn đặt khung. Khung là bộ lọc mà nó áp dụng cho từng nguồn. Bốn trục khung. Thời gian: “trong 2 năm qua” cắt bỏ sự lỗi thời. Vị trí: “ở quốc gia hoặc thành phố của tôi” loại bỏ các thị trường không liên quan. Chiều sâu: “tổng quan” so với “chi tiết bằng con số” - đây là một khối lượng công việc khác. Đối tượng: liệt kê chính xác những gì chúng ta đang so sánh. Bí quyết của người trong cuộc: viết không chỉ những gì cần đưa vào mà còn cả những gì cần loại trừ. Rõ ràng exclusions (“không có thuế quan của công ty”, “không có mô hình lỗi thời”) lưu một nửa báo cáo và ngăn mô hình bị rò rỉ sang một bên. Lệnh cấm hoạt động mạnh mẽ hơn bất kỳ sự làm rõ nào khác. Thủ thuật thứ hai: nếu dữ liệu nhanh chóng trở nên lỗi thời (giá cả, luật), hãy luôn đặt ngày phù hợp - “cho năm 2026”. Nếu không có nó, mô hình sẽ trộn lẫn các năm và tạo ra sự mâu thuẫn. Một sai lầm điển hình: một yêu cầu rộng rãi “mọi thứ về X” - bạn sẽ nhận được một mớ hỗn độn hời hợt từ các năm và quốc gia khác nhau.
Mở khóa quyền truy cập để gửi giải pháp nhằm đánh giá AI ngay lập tức.