直接回答：复杂问题要先从“一个大问题”拆成“可以被证据回答的小问题”。推荐按六类拆：定义、现状、证据、对比、约束、反例；再为每个子问题生成关键词、同义词、时间范围、目标域名和文件类型。AI最适合帮助你扩展搜索词和发现遗漏，但最终查询要由你的研究目标约束。ChatGPT Search官方说明会把自然语言问题改写成一个或多个更有针对性的搜索查询，Google也提供引号、排除词等查询细化方式。[1][2]
方法整理日期：2026-08-08。本文提供可复现查询分解方法。
为什么复杂问题直接搜，结果通常很差
例如“AI会不会取代设计师”同时包含定义、时间范围、职业类型、技术能力、就业数据和预测。把整句话交给搜索引擎，很容易得到观点文章，而不是可验证证据。
第一层：先定义你真正要得到什么
- 想知道事实还是观点？
- 要当前状态还是未来预测？
- 要全球还是某个国家/行业？
- 需要定量数据还是案例？
- 最终交付是结论、比较表还是行动建议？
第二层：六类子问题模板
| 类型 | 问题模板 |
|---|---|
| 定义 | X到底指什么？边界是什么？ |
| 现状 | 当前有哪些产品、参与者或数据？ |
| 证据 | 有哪些原始数据或研究支撑？ |
| 对比 | A与B在同一指标下有什么差异？ |
| 约束 | 地区、价格、法规、样本有什么限制？ |
| 反例 | 什么证据会推翻当前结论？ |
第三层：把子问题变成查询
每个子问题准备三套词：
- 核心实体：公司、产品、论文概念、机构；
- 目标证据词：pricing、documentation、annual report、dataset、study、policy；
- 限定词：site:、filetype:、年份、地区、引号精确匹配。
Google官方说明可以用引号匹配精确短语，也可以用减号排除结果。[2]
示例：研究“AI搜索工具是否更可靠”
大问题
AI搜索工具是否比传统搜索更可靠？
拆分后
- AI搜索工具的工作机制是什么？
- 不同工具如何提供引用？
- 有没有研究测过引用正确率？
- 传统搜索如何评价结果质量？
- 实时新闻、学术、购物等场景是否不同？
- 什么情况下AI综合会放大错误？
对应查询
site:help.openai.com ChatGPT search citationsLLM citation quality benchmark ALCEsite:support.google.com/websearch reliable results
让AI帮你分解，但加三条约束
推荐提示词：把这个研究问题拆成10个可独立搜索并用证据回答的子问题。每个子问题输出：目标、核心关键词、同义词、优先来源类型、时间范围、可能的反例。不要直接回答问题。
什么时候停止继续拆
当一个子问题可以通过1—3类明确证据回答时，就足够了。如果还包含“以及、同时、影响、为什么、未来”等多个维度，通常还可以继续拆。
搜索过程也要迭代
- 第一轮找术语和关键实体；
- 第二轮找官方/一手证据；
- 第三轮找反例和冲突；
- 第四轮补缺口，而不是继续堆相似来源。
常见错误
- 一开始就让AI写最终答案；
- 只使用中文或只使用英文关键词；
- 不限制时间范围；
- 搜到相关页面就停止，没有找原始来源；
- 没有专门搜索反面证据。
参考来源
- OpenAI：ChatGPT Search 查询改写说明（核验于 2026-08-08）
- Google Search：Refine Google searches（核验于 2026-08-08）
- OpenAI：Deep Research研究计划（核验于 2026-08-08）
更新记录
- 2026-08-08：首次整理并核验官方或一手资料，形成可复用流程。
© 版权声明
文章版权归作者所有，未经允许请勿转载。
相关文章
百度热点