OpenAI的研究思路正变得更有结构
OpenAI发布了一份新的Academy指南，说明如何使用ChatGPT进行研究，其中包含两个连接网页的模式：搜索和深度研究。表面上看，这份材料是教学性质的。但它也更清楚地展现了公司现在希望用户如何看待ChatGPT中的在线信息获取：不是把它当成一个通用的浏览功能，而是当成两个不同的工作流程，分别适用于不同程度的深度、复杂性和验证。
这份指南发布于2026年4月10日，将ChatGPT描述为一个研究伙伴，能够从整个网络收集信息、结合上下文进行推理、引用来源，并把开放式问题转化为结构化洞见。这个定位很重要，因为它强调的不只是检索，还有综合。换句话说，OpenAI在这里卖的不是简单的链接收集，而是鼓励用户把ChatGPT当成一种系统，用来发现当前信息并将其整理成可用输出。
搜索追求速度，深度研究追求范围
Academy材料中最重要的区别，是搜索和深度研究之间的界线。搜索被描述为更轻量的选项。它让ChatGPT可以把最新的公共互联网信息直接带入对话，超越模型内置的训练知识。OpenAI将其定位于当前事件、市场趋势、竞争对手活动，以及训练数据中可能没有体现的细分信息。
这一定义意味着一个熟悉的使用场景：用户的问题答案取决于现在正在发生什么，或者取决于过于狭窄、过于新近的细节，不能指望静态模型知识提供。用户无需手动打开多个标签页、逐一阅读再总结结果，而可以让模型在一个地方完成检索和概括。指南还指出了实用的后续操作，例如把发现整理成给高管看的要点，或改写成面向客户的草稿。
深度研究则以不同方式呈现。OpenAI将其描述为使用推理，从整个网络收集、总结并解释大量信息，帮助回答比标准网页搜索更复杂的问题。重点从快速更新检索转向更广泛、更可记录的调查。指南称，输出设计为包含清晰引文，便于日后核查和引用。
这种区别虽然细微，却很关键。按OpenAI的说法，搜索是为了直接获取当前网页信息。深度研究则适用于用户实际上在要求一种更具代理性、多来源的调查，去深入更大范围的材料，并给出更充分的答案。
为什么这对知识工作很重要
这份指南反映了AI工具融入专业工作流程的更大变化。早期人们对聊天机器人的热情往往集中在起草和头脑风暴上。如今更重要的承诺，是加速研究：降低寻找和综合信息所需的成本、时间和摩擦。
OpenAI的说明正是瞄准了这一机会。搜索流程从一个简单模式开始：打开新聊天，提出一个需要当前或详细信息的问题，或者在工具菜单中选择Web Search，然后查看是否出现地球图标，以表明使用了搜索。用户被鼓励点击引文查看来源材料，并继续通过后续提示，把结果改写成适合特定受众或格式的内容。
这是一种显著的工作流压缩。过去需要浏览器、搜索引擎、笔记工具和写作空间的事情，现在可以在一次对话中完成。公司的措辞表明，它把这看作ChatGPT的一项竞争优势：把新鲜的网页数据与模型推理和总结结合起来。
与此同时，指南并没有过度宣传。它明确指出，用户在做决定前应查看链接来源，因为搜索结果反映的是网页上可获得的内容。它还说明，搜索不能替代专业数据库，包括订阅制研究工具或专有数据源。在企业环境中，它补充说，工作区所有者可以启用或关闭搜索。
一次让核查常态化的努力
这份指南一个值得注意的方面，是引文被放在了中心位置。OpenAI并没有把连接网页的AI描述成用户应该盲目信任的东西。相反，这些说明一再把读者拉回到来源核查上。这听起来也许基础，但它是一个重要信号，说明公司正在尝试塑造用户围绕AI介导研究的行为。
核查仍然是实际使用AI时最难的问题之一。模型可以快速总结，但如果底层来源薄弱、不完整或被误读，输出仍然会误导人。通过要求用户点击引文，并区分搜索和深度研究，OpenAI似乎正在围绕信任、来源和任务选择构建一个更明确的框架。
尤其是深度研究，被描述为特别适合寻找那些原本需要查看很多来源才能发现的细分且不直观的信息。这种描述意味着一种更重的调查角色：模型不仅在收集信息，还在帮助减轻筛选密集或分散材料的负担。如果这在实践中表现良好，它可能让AI系统在战略、分析和政策工作中更有用，因为答案很少只在某一页上。
课程背后的产品信号
虽然Academy文章具有教育性质，但它同时也是产品定位。OpenAI在尝试教用户何时该使用哪种能力，这通常是公司在阐明一个尚在变得熟悉的功能集的价值时会做的事。搜索处理时效性和便利性。深度研究处理广度和深度。两者都被定位为可以把模糊问题转化为结构化、带来源的输出的工具。
这种定位很重要，因为AI研究工具的评价标准正在变化，不再只是看它们能不能浏览，还要看它们能否帮助用户为任务选择合适模式，并理解结果的限制。Academy指南并没有声称这些功能可以替代所有研究工作流。相反，它把它们呈现为更大信息栈中的实用层级。
OpenAI的主要区别
搜索面向的是直接从公开网页中获取、并在聊天中呈现的最新答案。
深度研究被定位为一种更彻底、以推理驱动的方式，用于收集和解释广泛的网页信息。
两种工作流都强调引文和来源核查。
OpenAI表示，搜索不应被视为专业或专有数据库的替代品。
更大的意义不在于某一篇帮助文章，而在于AI辅助研究本身的成熟。OpenAI正在勾勒一种更有纪律的心智模型，用于如何将对话式AI与实时网页信息结合使用。如果用户接受这种模型，最成功的AI研究工作流也许会是那些把速度与明确的来源核查相结合的流程，而不是把便利性当作审视的替代品。
本文基于OpenAI的报道。阅读原文.
