व्यापक अनुसंधान

​

व्यापक अनुसंधान क्या है?

व्यापक अनुसंधान, Manus का वह दृष्टिकोण है जो कई समान मदों के प्रसंस्करण से जुड़े कार्यों को संभालने के लिए है—जैसे 100 उत्पादों का विश्लेषण करना, 50 कंपनियों पर शोध करना, या 20 सामग्री बनाना। एक एकल AI Agent का उपयोग करने के बजाय जो मदों को क्रमिक रूप से संसाधित करता है, व्यापक अनुसंधान सैकड़ों स्वतंत्र Agent तैनात करता है जो समानांतर में काम करते हैं। प्रत्येक Agent को उसका अपना समर्पित संदर्भ प्राप्त होता है और वह एक मद को स्वतंत्र रूप से संसाधित करता है। यह वास्तुकला संदर्भ विंडो की सीमा को हल करती है, जिसके कारण मदों की संख्या बढ़ने पर पारंपरिक AI प्रणालियों की गुणवत्ता खराब हो जाती है।

​

संदर्भ विंडो की समस्या

पारंपरिक AI प्रणालियाँ, जिनमें अधिकांश चैटबॉट शामिल हैं, एक निश्चित संदर्भ विंडो के साथ काम करती हैं—यह उस जानकारी की सीमा है जिसे वे एक बार में सक्रिय रूप से संसाधित कर सकते हैं। जब उन्हें कई मदों का क्रमिक रूप से विश्लेषण करने के लिए कहा जाता है:

• मद 1-5: पूर्ण संदर्भ उपलब्ध होने के साथ विस्तृत, गहन विश्लेषण
• मद 10-20: जैसे-जैसे संदर्भ भरता जाता है, विवरण छोटे होते जाते हैं
• मद 30+: सामान्य सारांश और बढ़ी हुई त्रुटियाँ क्योंकि पहले का संदर्भ संपीड़ित या खो जाता है

यह गिरावट इसलिए होती है क्योंकि AI को नए मदों को संसाधित करते समय सभी पिछले मदों को स्मृति में रखना होता है। अनुसंधान से पता चलता है कि यह “निर्माण सीमा” आमतौर पर अधिकांश AI प्रणालियों के लिए लगभग 8-10 मदों पर होती है।

​

व्यापक अनुसंधान कैसे काम करता है

व्यापक अनुसंधान मौलिक रूप से भिन्न वास्तुकला का उपयोग करता है: 1. कार्य अपघटन: मुख्य Agent आपके अनुरोध का विश्लेषण करता है और इसे स्वतंत्र उप-कार्यों में विभाजित करता है (उदाहरण के लिए, “कंपनी #1 पर शोध करें”, “कंपनी #2 पर शोध करें”, आदि) 2. समानांतर Agent परिनियोजन: प्रत्येक उप-कार्य को एक समर्पित Agent को सौंपा जाता है जिसकी अपनी ताज़ा संदर्भ विंडो होती है 3. स्वतंत्र प्रसंस्करण: Agent एक साथ काम करते हैं, प्रत्येक संदर्भ स्थान के लिए प्रतिस्पर्धा किए बिना गहन शोध करता है 4. परिणाम संश्लेषण: मुख्य Agent सभी पूर्ण किए गए उप-कार्यों को एकत्र करता है और उन्हें आपके अनुरोधित प्रारूप (तालिका, रिपोर्ट, डेटासेट, आदि) में व्यवस्थित करता है परिणाम: मद #250 को मद #1 के समान गहराई का विश्लेषण प्राप्त होता है, क्योंकि प्रत्येक के पास अपना समर्पित Agent और पूर्ण संदर्भ विंडो होती है।

​

त्वरित शुरुआत

​

सरल अनुरोध

​

विस्तृत अनुरोध

​

रचनात्मक अनुरोध

​

वास्तविक उदाहरण

​

उदाहरण 1: 250 AI शोधकर्ताओं पर शोध

आउटपुट: 250 विस्तृत प्रोफाइल के साथ पूर्ण डेटाबेस पुनः चलाएँ: https://manus.im/share/IXdMjxObbFKbIjUUkBk4EH?replay=1 यह कैसे काम करता है:

• कोई अन्य AI टूल इस पैमाने को संभाल नहीं सकता
• प्रत्येक शोधकर्ता को स्वतंत्र, गहन शोध प्राप्त होता है
• सभी फ़ील्ड भरे हुए स्वचालित तालिका निर्माण
• शोधकर्ता #1 से #250 तक सुसंगत गुणवत्ता

​

उदाहरण 2: 100 स्नीकर मॉडलों की तुलना

आउटपुट: 100 उत्पादों के साथ व्यापक बाजार अनुसंधान तालिका रिप्ले: https://manus.im/share/3zvs5smekSmn4lS14n9QNg?replay=1 यह कैसे काम करता है:

• प्रत्येक उत्पाद में स्वतंत्र रूप से गहराई से उतरें
• बड़े पैमाने पर संरचित डेटा निष्कर्षण
• स्वचालित संगठन और छँटाई
• 100 वस्तुओं में गुणवत्ता में कोई गिरावट नहीं

​

उदाहरण 3: AGI समयरेखा का विश्लेषण

आउटपुट: डेटा विज़ुअलाइज़ेशन के साथ व्यापक विश्लेषण रिप्ले: https://manus.im/share/GajPnKzrpM4pEbpcrKDmx0?replay=1 यह कैसे काम करता है:

• दर्जनों स्रोतों से जानकारी का संश्लेषण करता है
• निष्कर्षों का दृश्य प्रतिनिधित्व बनाता है
• पैटर्न और आउटलायर की पहचान करता है
• सबूत-आधारित सारांश प्रदान करता है

​

उदाहरण 4: 20 जीवनियों का शोध

आउटपुट: सुसंगत संरचना के साथ 20 व्यापक जीवनियाँ रिप्ले: https://manus.im/share/ayLBetEJkfSIVuWKo2toPn?replay=1 यह कैसे काम करता है:

• प्रत्येक जीवनी को गहन, स्वतंत्र शोध प्राप्त होता है
• सभी प्रोफाइल में सुसंगत संरचना
• प्रति व्यक्ति कई स्रोतों में गहराई से उतरें
• कोई शॉर्टकट या सामान्य सामग्री नहीं

​

उदाहरण 5: लिंक्डइन प्रोफाइल तस्वीरों का बैच संपादन

आउटपुट: 50 पेशेवर रूप से संपादित प्रोफाइल तस्वीरें रिप्ले: https://manus.im/share/5iT2464ldyvdf1FMxUOCsW?replay=1 यह क्यों काम करता है:

• बैच इमेज प्रोसेसिंग के लिए माइक्रो-सास टूल को बदलता है
• सभी छवियों पर सुसंगत संपादन लागू किया गया
• स्वचालित डाउनलोड और प्रोसेसिंग पाइपलाइन
• बड़े पैमाने पर पेशेवर परिणाम

​

उदाहरण 6: GitHub प्रॉम्प्ट लाइब्रेरी निकालें

आउटपुट: 100+ प्रॉम्प्ट का संरचित डेटाबेस रिप्ले: https://manus.ai/share/wxTg2q4hV6GN4YY4KnQeFx?replay=1 यह क्यों काम करता है:

• बड़े पैमाने पर जानकारी निकालता और संरचित करता है
• स्वचालित वर्गीकरण और टैगिंग
• खोज योग्य, व्यवस्थित डेटाबेस बनाता है
• जटिल वेब स्क्रैपिंग कार्यों को संभालता है

​

श्रेणी के अनुसार उपयोग के मामले

​

व्यापक अनुसंधान बनाम अन्य उपकरण क्यों

​

व्यापक अनुसंधान का उपयोग कब करें

इसके लिए उत्तम:

• प्रतिस्पर्धी बुद्धिमत्ता (50+ प्रतिस्पर्धियों का विश्लेषण करें)
• बाजार अनुसंधान (100+ उत्पादों की तुलना करें)
• शैक्षणिक अनुसंधान (30+ शोधपत्रों की समीक्षा करें)
• लीड जनरेशन (200+ संभावित ग्राहकों पर रिसर्च)
• कंटेंट क्रिएशन (20+ समान आइटम जनरेट करें)
• डेटा एक्सट्रैक्शन (100+ पेज स्क्रैप और संरचित करें)
• बैच प्रोसेसिंग (50+ इमेज/फाइल एडिट करें)

इसके लिए आदर्श नहीं:

• एकल गहन विश्लेषण (नियमित Agent मोड का उपयोग करें)
• अनुक्रमिक निर्भरता की आवश्यकता वाले कार्य
• रीयल-टाइम इंटरैक्टिव रिसर्च
• 10 से कम आइटम वाले कार्य

​

बेहतर परिणामों के लिए सुझाव

संरचना के बारे में विशिष्ट रहें:

• ✅ “कॉलम के साथ एक तालिका बनाएं: नाम, कंपनी, भूमिका, ईमेल, लिंक्डइन”
• ❌ “इन लोगों पर रिसर्च करें”

पैमाने को पहले से निर्दिष्ट करें:

• ✅ “इस सूची में सभी 100 कंपनियों का विश्लेषण करें”
• ❌ “कुछ कंपनियों का विश्लेषण करें”

वांछित आउटपुट प्रारूप का वर्णन करें:

• ✅ “फ़िल्टर के साथ एक सॉर्ट करने योग्य स्प्रेडशीट में व्यवस्थित करें”
• ❌ “मुझे परिणाम दें”

मूल्यांकन मानदंड शामिल करें:

• ✅ “प्रत्येक उत्पाद को रेट करें: कीमत, सुविधाएँ, समीक्षाएँ, उपलब्धता”
• ❌ “इन उत्पादों की तुलना करें”

​

सामान्य प्रश्न

​