広範なリサーチとは？
広範なリサーチは、100の製品の分析、50社の調査、20のコンテンツの生成など、多くの類似した項目を処理するタスクを処理するためのManusのアプローチです。項目を順次処理する単一のAI Agentを使用する代わりに、広範なリサーチは何百もの独立したAgentを並行して展開します。 各Agentは専用のコンテキストを受け取り、1つの項目を個別に処理します。このアーキテクチャは、項目の数が増えるにつれて従来のAIシステムの品質が低下する原因となるコンテキストウィンドウの制限を解決します。コンテキストウィンドウの問題
ほとんどのチャットボットを含む従来のAIシステムは、固定されたコンテキストウィンドウ（一度にアクティブに処理できる情報量の制限）で動作します。多くの項目を順次分析するように求められた場合：- 項目 1-5：完全なコンテキストが利用可能な詳細で徹底的な分析
- 項目 10-20：コンテキストが埋まるにつれて説明が短くなる
- 項目 30以上：以前のコンテキストが圧縮または失われるにつれて、一般的な要約とエラーが増加する
広範なリサーチの仕組み
広範なリサーチは、根本的に異なるアーキテクチャを使用しています。 1. タスクの分解：メインAgentがリクエストを分析し、独立したサブタスク（例：「会社#1を調査」、「会社#2を調査」など）に分解します。 2. 並列Agentの展開：各サブタスクは、独自の新しいコンテキストウィンドウを持つ専用のAgentに割り当てられます 3. 独立した処理：Agentは同時に動作し、それぞれがコンテキストスペースを競合することなく徹底的なリサーチを実施します 4. 結果の統合：メインAgentは、完了したすべてのサブタスクを収集し、リクエストされた形式（テーブル、レポート、データセットなど）に組み立てます 結果：項目#250は、それぞれに専用のAgentと完全なコンテキストウィンドウがあるため、項目#1と同じ深さの分析を受けます。クイックスタート
シンプルなリクエスト
詳細なリクエスト
クリエイティブなリクエスト
実際の例
例 1：AI研究者250人の調査
出力：250の詳細なプロフィールを含む完全なデータベース リプレイ: https://manus.im/share/IXdMjxObbFKbIjUUkBk4EH?replay=1 機能する理由：- 他のAIツールではこの規模のタスクを処理できません
- 各研究者が独立した徹底的な調査を受けます
- テーブルが自動的に生成され、すべてのフィールドが入力されます
- 研究者#1から#250まで一貫した品質
例 2：スニーカーモデル100種の比較
出力：100製品の包括的な市場調査テーブル リプレイ: https://manus.im/share/3zvs5smekSmn4lS14n9QNg?replay=1 機能する理由：- すべての製品に対する独立した詳細なリサーチ
- 大規模な構造化データ抽出
- 自動的な整理と並べ替え
- 100項目全体で品質の低下なし
例 3：AGIタイムラインの分析
出力：データ視覚化を伴う包括的な分析 リプレイ: https://manus.im/share/GajPnKzrpM4pEbpcrKDmx0?replay=1 機能する理由：- 数十の情報源からの情報を統合します
- 調査結果の視覚的表現を作成します
- パターンと外れ値を特定します
- 証拠に基づいた要約を提供します
例 4：伝記20件の調査
出力：一貫した構造を持つ20の包括的な伝記 リプレイ: https://manus.im/share/ayLBetEJkfSIVuWKo2toPn?replay=1 機能する理由：- 各伝記は徹底的かつ独立して調査されます
- すべての出力で一貫した構造
- すべての個人に対する詳細なマルチソースリサーチ
- 近道や一般的なコンテンツ生成はありません
例 5：LinkedInプロフィール写真の一括編集
出力：プロフェッショナルに編集された50枚のプロフィール写真 リプレイ: https://manus.im/share/5iT2464ldyvdf1FMxUOCsW?replay=1 仕組み：- 一括画像処理用のマイクロSaaSツールを置き換えます
- すべての画像に一貫した編集を適用します
- 自動化されたダウンロードおよび処理パイプライン
- 大規模なプロフェッショナルな結果
例 6：GitHubのPromptライブラリの抽出
出力：100以上のPromptの構造化データベース リプレイ: https://manus.ai/share/wxTg2q4hV6GN4YY4KnQeFx?replay=1 仕組み：- 大規模に情報を抽出し、構造化します
- 自動的な分類とタグ付け
- 検索可能で整理されたデータベースを作成します
- 複雑なWebスクレイピングタスクを処理します
カテゴリ別のユースケース
| カテゴリ | タスクの例 |
|---|---|
| 市場調査 | 100製品の比較、競合他社の価格設定の分析、顧客レビューの調査 |
| 学術研究 | 50の論文のレビュー、研究トレンドの分析、方法論の比較 |
| 競合インテリジェンス | 30の競合他社の分析、機能セットの分析、価格変更の追跡 |
| リードジェネレーション | 200の潜在顧客の調査、連絡先情報の検索、リードの適格化 |
| コンテンツ作成 | 20のブログアウトラインの生成、50のソーシャル投稿の作成、30の製品説明の作成 |
| データ抽出 | 100のウェブサイトのスクレイピング、構造化データの抽出、データベースのコンパイル |
| クリエイティブ制作 | 20の画像の生成、50枚の写真の編集、一貫したブランドアセットの作成 |
| 投資調査 | 40のスタートアップの分析、30のファンドの比較、50のポートフォリオ企業の調査 |
他のツールと比較して広範なリサーチを選ぶ理由
| 側面 | AIチャットボット | Manus 広範なリサーチ |
|---|---|---|
| アプローチ | 単一のAIがあなたを助ける | 並列マルチAgentオーケストレーション |
| 速度 | コンテキスト飽和まで数時間 | 規模に関係なく数分 |
| 規模 | 8〜10項目を超えるとパフォーマンスが低下 | 数百にシームレスに拡張 |
| 品質 | 段階的な劣化 | どの規模でも一貫した品質 |
| 出力 | 詳細を失う圧縮された要約 | 完全なレポートとデータセット |
広範なリサーチを使用するタイミング
最適な用途：- 競合インテリジェンス（50以上の競合他社の分析）
- 市場調査（100以上の製品の比較）
- 学術研究（30以上の論文のレビュー）
- リードジェネレーション（200以上の潜在顧客の調査）
- コンテンツ作成（20以上の類似項目の生成）
- データ抽出（100以上のページのスクレイピングと構造化）
- 一括処理（50以上の画像/ファイルの編集）
- 単一の詳細分析（通常のAgentモードを使用）
- 順次依存性を必要とするタスク
- リアルタイムの対話型リサーチ
- 10項目未満のタスク
より良い結果を得るためのヒント
構造について明確にする：- ✅ 「次の列を含むテーブルを作成してください：名前、会社、役職、メール、LinkedIn」
- ❌ 「これらの人々を調査してください」
- ✅ 「このリストにあるすべての100社を分析してください」
- ❌ 「いくつかの会社を分析してください」
- ✅ 「フィルター付きの並べ替え可能なスプレッドシートに整理してください」
- ❌ 「結果を教えてください」
- ✅ 「価格、機能、レビュー、使いやすさに基づいて各製品を評価してください」
- ❌ 「これらの製品を比較してください」
よくある質問
広範なリサーチはいくつの項目を処理できますか？
広範なリサーチはいくつの項目を処理できますか？
250項目までテスト済みです。理論的には無制限ですが、実際の制限はタスクの複雑さに依存します。
どれくらいの時間がかかりますか？
どれくらいの時間がかかりますか？
タスクの複雑さと規模に依存します。通常、深さに関係なく、50〜100項目で数分かかります。
後で結果を修正できますか？
後で結果を修正できますか？
はい。修正をリクエストできます：「価格列を追加」または「項目20〜30を再調査」。
リサーチ以外のタスクにも機能しますか？
リサーチ以外のタスクにも機能しますか？
はい。画像編集、データ抽出、コンテンツ生成など、複数の独立した項目を処理するタスクすべてに機能します。