你让它研究竞品定价，它给了你一份行业发展史——
你让它研究竞品定价，它给了你一份行业发展史——Gemini Deep Research的4种精准引导写法
你有没有经历过这种无奈：
明明只想搞清楚"中国新能源车在欧洲的定价策略"，结果Deep Research给你输出了一份从2009年新能源补贴政策讲起、洋洋洒洒三万字的行业全景报告。信息量是有，但你要的那一层，被淹在中间，找都找不到。
这不是Gemini的问题，是你给的空间太大了。
本文专攻Deep Research场景的特殊性——不同于通用Prompt技巧，这里要解决的是：如何让一个天生喜欢"广撒网"的研究引擎，只钻你指定的那口井。
---
你拿到的是"综述"还是"答案"？
Deep Research的默认行为模式，是"全面覆盖"。
给它一个研究题目，它会自动拆解出十几个子问题，然后广度优先地逐一搜索、汇总、综合。这个机制在某些场景下很强——比如你真的需要一份百科全书式的背景报告。
但大多数时候，你需要的是一个具体问题的深度答案，而不是一份"什么都提了、什么都没讲透"的综述。
来看一个真实对比，研究题目统一为："中国新能源车出海竞争格局"。
普通Prompt：请研究中国新能源车出海竞争格局。
1. 中国新能源车产业发展历程
2. 主要出口市场概览（欧洲/东南亚/中东/南美）
3. 核心玩家：比亚迪、蔚来、小鹏、长城
4. 政策环境与关税壁垒
5. 技术优势与供应链
6. 未来展望与挑战
六个章节，每章均匀铺开，信息密度低，没有一个章节真正"挖深"。
精准Prompt（写法①，下文详述）：只研究中国新能源车在欧洲市场的价格竞争策略，
不要涉及东南亚、中东等其他市场，
不要写产业历程背景，直接从2023年以来的定价行为切入。
同样的研究需求，"有用密度"的差距肉眼可见。
---
为什么Deep Research会跑偏？
理解这一点，才能真正掌握引导技巧。
Deep Research的工作流程大致是这样的：
你的输入 → 自动拆解子问题 → 生成多组搜索查询 → 广度优先搜索 → 汇总综合 → 输出报告
如果你说"研究新能源车出海"，它会自动推断你可能还想知道：政策背景是什么？主要市场在哪里？竞争对手有谁？技术优势如何？——然后把这些全都塞进报告。
这不是Bug，是它在"帮你想"。
问题是，它不知道你已经想好了，你只需要其中一个维度的深度挖掘。你给的空间越大，它脑补的内容就越多，跑偏的概率就越高。
解法只有一个：用Prompt把空间收窄，把方向锁死。
---
4种引导写法实测对比
同一研究题目，4种写法，逐一实测。
---
写法①：直接限定子问题范围
核心逻辑： 告诉它"只研究X，明确排除Y和Z"。# 研究任务
研究中国新能源车在欧洲市场的价格竞争策略。
范围限定
- 只聚焦欧洲市场（德法英荷为主）
- 时间范围：2023年至今
- 不需要产业历程、技术背景、政策综述
- 不需要东南亚、中东等其他区域数据
核心问题
1. 主要中国品牌（比亚迪/小鹏/蔚来）在欧洲的实际售价区间
2. 与同级别欧洲/日韩竞品的价格差距
3. 欧盟关税调整后各品牌的定价应对策略
---
写法②：给定研究视角/角色
核心逻辑： 给它一个"身份"，它的搜索优先级和信息筛选标准会随之改变。# 研究任务
假设你是一位服务于欧洲传统车企的竞品分析师，
你的老板想了解：中国新能源品牌进入欧洲后，
对本土品牌的定价空间造成了哪些实质性压力？
请从竞品分析师的视角出发，重点关注：
- 中国品牌的价格下探行为对欧洲品牌毛利率的影响
- 欧洲车企的防御性定价反应（是否跟降？如何区隔？）
- 哪些细分市场受冲击最明显？
---
写法③：预设结论框架，让它填充证据
核心逻辑： 反直觉但极其有效——先给出你的"假设结论"，让它去找支持和反对的证据。# 研究任务
我有一个待验证的判断：
**"中国新能源车在欧洲的竞争优势，核心是供应链成本而非技术领先，
因此关税壁垒能有效削弱其价格竞争力。"**
请帮我：
1. 找5条支持这个判断的证据（数据、案例、分析报告）
2. 找5条反对这个判断的证据
3. 基于以上证据，给出你的综合评估
不需要背景介绍，直接进入证据搜集。
这是4种写法里信息质量最高的一种。原因在于：你给了它一个"辩题"，它会去主动寻找有论证价值的信息，而不是泛泛汇总。
💡 想直接用API批量跑这些Prompt？
如果你希望把Deep Research的引导写法集成进自己的工作流，或者用Gemini API批量处理研究任务，可以访问 [api.884819.xyz](https://api.884819.xyz) ——支持Gemini全系模型调用，按量计费，国内直连，新用户注册即送体验token，省去繁琐的账号和网络问题。
---
写法④：分阶段迭代法（终极解法）
核心逻辑： 先让它列提纲，你圈定章节，再让它深挖选定部分。这是最接近专业研究员工作流的用法。
第一步：让它列提纲# 第一步：提纲生成
请针对"中国新能源车出海欧洲竞争格局"这个研究题目，
列出一份研究提纲（不要写内容，只列章节和子问题）。
每个章节下列出2-3个具体子问题。
它会给你一份10-15个章节的提纲，覆盖各个维度。
第二步：你圈定目标章节看完提纲，你选出真正需要深挖的2-3个章节，然后：
# 第二步：深度研究
基于你刚才的提纲，我只需要深入研究以下部分：
- 第3章：欧洲主要市场的价格竞争（德国/法国/挪威）
- 第7章：欧盟关税政策对各品牌的差异化影响
其他章节全部跳过，不需要涉及。
请对这两章进行深度研究，每章至少1500字，
包含具体数据、案例和信息来源。
---
4种写法综合评分矩阵
| 写法 | 聚焦度 | 深度 | 可用性 | 适合人群 | | ①直接限定范围 | ⭐⭐⭐⭐ | ⭐⭐⭐ | ⭐⭐⭐⭐ | 目标清晰、快速输出 | | ②角色视角 | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐⭐⭐ | 有决策立场、需要定向分析 | | ③预设框架 | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐⭐ | 需要论证支撑、做决策报告 | | ④分阶段迭代 | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐ | 研究深度要求高、愿意多轮交互 |---
组合用法与避坑指南
漏斗式引导流程
最强的用法是把上面几种写法组合起来，形成一套"漏斗式"流程：
第一层（宽）：写法④第一步，生成提纲，确认研究方向
↓
第二层（确认方向）：你圈定目标章节，明确核心问题
↓
第三层（收窄）：写法①+②，限定范围 + 锁定视角
↓
第四层（深挖）：写法③，预设框架，让它填充最高质量的证据
这套流程走下来，最终输出的信息质量，比直接一句话扔给它，差距不止三倍。
---
3个常见错误，少走弯路
错误①：过度限制导致信息量不足有些人看完写法①，会把限制条件加到极致，比如"只研究比亚迪Atto 3在德国2024年Q3的定价"——这么窄的范围，公开信息本身就有限，Deep Research也巧妇难为无米之炊。
经验法则：限制范围时，保留至少2-3个维度的探索空间，不要窄到只剩一个数据点。错误②：角色设定与问题不匹配
比如设定"假设你是一位投资银行分析师"，然后问"中国新能源车的技术路线选择"——投行分析师关注的是财务回报，不是技术路线，角色和问题之间存在张力，输出会比较混乱。
经验法则：角色设定要和你的核心问题在同一个"认知框架"里。错误③：迭代时忘记锚定上下文
用写法④分两步走时，第二步如果只说"请深入研究第3章和第7章"，而没有重申研究题目，Deep Research可能会"忘记"之前的语境，尤其在长对话中。
经验法则：每一步迭代开头，都简短重申一次核心研究题目和你的角色/立场。
---
场景速查表
收藏这张表，下次直接对号入座。
| 使用场景 | 推荐写法组合 | 关键配置要点 | | 竞品调研 | 写法②+③ | 角色设定为"竞品分析师"，预设"威胁/机会"框架 | | 学术综述 | 写法①+④ | 先生成提纲，圈定文献综述章节，再限定时间范围 | | 投资尽调 | 写法③ | 预设"投资/不投资"两种假设，分别搜集证据 | | 产品需求挖掘 | 写法②+④ | 角色设定为"目标用户"，迭代聚焦痛点章节 | | 政策影响分析 | 写法①+② | 限定政策范围，从"受益方/受损方"双视角切入 | | 市场进入评估 | 写法④→③ | 先用迭代法确认关键维度，再用框架法深挖核心论点 |---
写在最后
Deep Research是一把铲子，但它默认是宽口的。
你需要做的，是换上一把窄口铲——用Prompt告诉它：这里，往下挖，别往旁边走。
4种写法，从"限定范围"到"角色视角"到"预设框架"再到"分阶段迭代"，难度和效果依次递进。如果你只记得一件事，记住写法③和写法④的组合：先用迭代法确认你真正需要的章节，再用框架法让它用最高质量的证据填充那个章节。
把上面的场景速查表收藏起来，下次用Deep Research之前，先查表，再动手。
---
📌 下篇预告
Deep Research帮你找回来了一份高质量报告，然后呢？
信息找回来只是第一步，怎么用才是真正的挑战。
下篇我们测试：把Deep Research的报告直接喂给Claude Opus 4.6、GPT-5.1做二次加工——不同的拆解方式，输出质量的差距超出我的预期。
→ 《Deep Research报告的"二次提炼"：3种喂给大模型的方式，输出质量差了不止一个档次》
敬请期待。
---
本文由8848AI原创，转载请注明出处。关注8848AI，带你从零开始学AI。#AI教程 #GeminiDeepResearch #Prompt技巧 #AI研究工具 #人工智能 #8848AI #AI工作流 #提示词工程
