광범위 연구란 무엇인가요?
광범위 연구는 100개의 제품 분석, 50개 회사 연구, 20개의 콘텐츠 생성과 같이 유사한 항목을 많이 처리하는 작업을 처리하는 Manus의 접근 방식입니다. 항목을 순차적으로 처리하는 단일 AI 에이전트를 사용하는 대신, 광범위 연구는 병렬로 작동하는 수백 개의 독립적인 에이전트를 배포합니다. 각 에이전트는 자체 전용 컨텍스트를 받고 하나의 항목을 독립적으로 처리합니다. 이 아키텍처는 항목 수가 증가함에 따라 기존 AI 시스템의 품질이 저하되는 원인이 되는 컨텍스트 창 제한 문제를 해결합니다.컨텍스트 창 문제
대부분의 챗봇을 포함한 기존 AI 시스템은 고정된 컨텍스트 창(한 번에 활발하게 처리할 수 있는 정보의 양에 대한 제한)으로 작동합니다. 많은 항목을 순차적으로 분석하도록 요청받으면:- 항목 1-5: 전체 컨텍스트를 사용할 수 있는 상세하고 철저한 분석
- 항목 10-20: 컨텍스트가 채워짐에 따라 설명이 짧아집니다
- 항목 30+: 이전 컨텍스트가 압축되거나 손실됨에 따라 일반적인 요약 및 오류 증가
광범위 연구 작동 방식
광범위 연구는 근본적으로 다른 아키텍처를 사용합니다: 1. 작업 분해: 메인 에이전트가 요청을 분석하고 독립적인 하위 작업(예: “회사 #1 연구”, “회사 #2 연구” 등)으로 분해합니다 2. 병렬 Agent 배포: 각 하위 작업은 자체의 새로운 컨텍스트 창을 가진 전용 에이전트에 할당됩니다 3. 독립적인 처리: 에이전트가 동시에 작동하며, 각각 컨텍스트 공간 경쟁 없이 철저한 연구를 수행합니다 4. 결과 합성: 메인 에이전트가 완료된 모든 하위 작업을 수집하고 요청된 형식(테이블, 보고서, 데이터 세트 등)으로 조립합니다 결과: 항목 #250은 항목 #1과 동일한 깊이의 분석을 받습니다. 각 항목에 자체 전용 에이전트와 전체 컨텍스트 창이 있기 때문입니다.빠른 시작
간단한 요청
상세 요청
창의적인 요청
실제 예시
예시 1: 250명의 AI 연구원 조사
출력: 250개의 상세 프로필을 포함하는 완전한 데이터베이스 재생: https://manus.im/share/IXdMjxObbFKbIjUUkBk4EH?replay=1 작동 이유:- 다른 어떤 AI 도구도 이 규모의 작업을 처리할 수 없습니다
- 모든 연구원은 독립적이고 철저한 연구 결과를 얻습니다
- 테이블이 자동으로 생성되며 모든 필드로 채워집니다
- 연구원 #1부터 #250까지 일관된 품질
예시 2: 100가지 운동화 모델 비교
출력: 100개 제품에 대한 종합 시장 조사 테이블 재생: https://manus.im/share/3zvs5smekSmn4lS14n9QNg?replay=1 작동 이유:- 모든 제품에 대한 독립적인 심층 연구
- 대규모 구조화된 데이터 추출
- 자동 구성 및 정렬
- 100개 항목 전반에 걸쳐 품질 저하 없음
예시 3: AGI 타임라인 분석
출력: 데이터 시각화를 포함한 종합 분석 재생: https://manus.im/share/GajPnKzrpM4pEbpcrKDmx0?replay=1 작동 이유:- 수십 개의 출처에서 정보를 종합합니다
- 연구 결과의 시각적 표현을 만듭니다
- 패턴 및 이상치를 식별합니다
- 증거 기반 요약 제공
예시 4: 20개의 전기 조사
출력: 일관된 구조를 가진 20개의 종합 전기 재생: https://manus.im/share/ayLBetEJkfSIVuWKo2toPn?replay=1 작동 이유:- 각 전기는 철저하고 독립적으로 연구됩니다
- 모든 출력은 구조적으로 일관됩니다
- 모든 개인에 대한 다중 출처 심층 연구
- 지름길이나 일반적인 콘텐츠 생성이 없습니다
예시 5: LinkedIn 프로필 사진 일괄 편집
출력: 전문적으로 편집된 50개의 프로필 사진 재생: https://manus.im/share/5iT2464ldyvdf1FMxUOCsW?replay=1 작동 방식:- 일괄 이미지 처리를 위한 마이크로 SaaS 도구를 대체합니다
- 모든 이미지에 일관된 편집을 적용합니다
- 자동 다운로드 및 처리 파이프라인
- 대규모 전문 결과
예시 6: GitHub 프롬프트 라이브러리 추출
출력: 100개 이상의 프롬프트를 포함하는 구조화된 데이터베이스 재생: https://manus.ai/share/wxTg2q4hV6GN4YY4KnQeFx?replay=1 작동 방식:- 대규모로 정보를 추출하고 구조화합니다
- 자동 분류 및 태그 지정
- 검색 가능하고 체계적인 데이터베이스를 만듭니다
- 복잡한 웹 스크래핑 작업을 처리합니다
카테고리별 사용 사례
| 카테고리 | 예시 작업 |
|---|---|
| 시장 조사 | 100개 제품 비교, 경쟁사 가격 분석, 고객 리뷰 조사 |
| 학술 연구 | 50개 논문 검토, 연구 동향 분석, 방법론 비교 |
| 경쟁 인텔리전스 | 30개 경쟁사 분석, 기능 세트 분석, 가격 변동 추적 |
| 잠재 고객 발굴 | 200명의 잠재 고객 조사, 연락처 정보 찾기, 잠재 고객 검증 |
| 콘텐츠 제작 | 20개의 블로그 개요 생성, 50개의 소셜 게시물 생성, 30개의 제품 설명 작성 |
| 데이터 추출 | 100개 웹사이트 스크랩, 구조화된 데이터 추출, 데이터베이스 컴파일 |
| 크리에이티브 제작 | 20개 이미지 생성, 50개 사진 편집, 일관된 브랜드 자산 생성 |
| 투자 연구 | 40개 스타트업 분석, 30개 펀드 비교, 50개 포트폴리오 회사 연구 |
다른 도구보다 광범위 연구를 선택하는 이유
| 측면 | AI 챗봇 | Manus 광범위 연구 |
|---|---|---|
| 방법 | 단일 AI가 도움 | 병렬 다중 에이전트 오케스트레이션 |
| 속도 | 컨텍스트 포화까지 몇 시간 | 규모에 관계없이 몇 분 |
| 규모 | 8~10개 항목을 넘어서면 성능 저하 | 수백 개까지 원활하게 확장 |
| 품질 | 점진적 저하 | 어떤 규모에서도 일관된 품질 |
| 출력 | 세부 사항이 손실된 압축된 요약 | 전체 보고서 및 데이터 세트 |
광범위 연구 사용 시점
최적의 경우:- 경쟁 인텔리전스 (50개 이상의 경쟁사 분석)
- 시장 조사 (100개 이상의 제품 비교)
- 학술 연구 (30개 이상의 논문 검토)
- 잠재 고객 발굴 (200명 이상의 잠재 고객 조사)
- 콘텐츠 제작 (20개 이상의 유사 항목 생성)
- 데이터 추출 (100개 이상의 페이지 스크래핑 및 구조화)
- 일괄 처리 (50개 이상의 이미지/파일 편집)
- 단일 심층 분석 (일반 Agent 모드 사용)
- 순차적 종속성이 필요한 작업
- 실시간 대화형 연구
- 10개 미만의 항목이 있는 작업
더 나은 결과를 위한 팁
구조에 대해 명확하게 하세요:- ✅ “다음 열을 포함하는 테이블을 만드세요: 이름, 회사, 직함, 이메일, LinkedIn”
- ❌ “이 사람들을 조사하세요”
- ✅ “이 목록에 있는 100개 회사를 모두 분석하세요”
- ❌ “일부 회사를 분석하세요”
- ✅ “필터가 있는 정렬 가능한 스프레드시트로 정리하세요”
- ❌ “결과를 알려주세요”
- ✅ “가격, 기능, 리뷰, 사용 편의성을 기준으로 각 제품에 점수를 매기세요”
- ❌ “이 제품들을 비교하세요”
자주 묻는 질문
광범위 연구는 몇 개의 항목을 처리할 수 있나요?
광범위 연구는 몇 개의 항목을 처리할 수 있나요?
최대 250개 항목까지 테스트되었습니다. 이론적으로는 무제한이지만, 실제 제한은 작업 복잡성에 따라 달라집니다.
얼마나 걸리나요?
얼마나 걸리나요?
작업 복잡성 및 규모에 따라 다릅니다. 일반적으로 50~100개 항목의 경우 깊이에 관계없이 몇 분 정도 소요됩니다.
나중에 결과를 다듬을 수 있나요?
나중에 결과를 다듬을 수 있나요?
예. 수정 요청: “가격 책정 열 추가” 또는 “항목 20-30을 다시 심층 연구.”
연구가 아닌 작업에도 작동하나요?
연구가 아닌 작업에도 작동하나요?
예. 이미지 편집, 데이터 추출, 콘텐츠 생성 등 여러 독립적인 항목을 처리하는 모든 작업에서 작동합니다.