什麼是廣泛研究？
廣泛研究 是 Manus 處理涉及處理許多類似項目的任務的方法—例如分析 100 個產品、研究 50 家公司或生成 20 篇內容。廣泛研究 沒有使用單個 AI Agent 按順序處理項目，而是部署了數百個並行工作的獨立 Agent。 每個 Agent 都會收到自己專用的上下文，並獨立處理一個項目。這種架構解決了上下文視窗限制問題，該限制會導致傳統 AI 系統隨著項目數量的增加而品質下降。上下文視窗問題
傳統的 AI 系統，包括大多數聊天機器人，都在固定的上下文視窗下運行—這是它們可以一次主動處理的資訊量的限制。當要求按順序分析許多項目時：- 項目 1-5：提供完整上下文的詳細、徹底分析
- 項目 10-20：隨著上下文被填滿，描述變得更短
- 項目 30+：隨著早期上下文被壓縮或丟失，出現通用摘要和錯誤增加
廣泛研究 的工作原理
廣泛研究 採用了一種根本不同的架構： 1. 任務分解：主 Agent 分析您的請求並將其分解為獨立的子任務（例如，「研究公司 #1」、「研究公司 #2」等） 2. 並行 Agent 部署：每個子任務都分配給一個具有全新上下文視窗的專用 Agent 3. 獨立處理：Agent 同時工作，每個都進行徹底的研究，而無需爭奪上下文空間 4. 結果合成：主 Agent 收集所有已完成的子任務，並將其組裝成您請求的格式（表格、報告、資料集等） 結果：項目 #250 獲得了與項目 #1 相同的分析深度，因為每個項目都有自己的專用 Agent 和完整上下文視窗。快速入門
簡單請求
詳細請求
創意請求
真實範例
範例 1：研究 250 位 AI 研究人員
輸出：包含 250 個詳細配置檔案的完整資料庫 重播: https://manus.im/share/IXdMjxObbFKbIjUUkBk4EH?replay=1 為何有效：- 沒有其他 AI 工具可以處理如此大規模的任務
- 每位研究員都能獲得獨立、徹底的研究結果
- 自動生成表格並填充所有欄位
- 從第 1 位到第 250 位研究員，品質始終如一
範例 2：比較 100 款運動鞋模型
輸出：包含 100 種產品的綜合市場研究表格 重播: https://manus.im/share/3zvs5smekSmn4lS14n9QNg?replay=1 為何有效：- 獨立深入研究每款產品
- 大規模結構化資料提取
- 自動組織和排序
- 100 個項目之間沒有品質下降
範例 3：分析 AGI 時間線
輸出：包含資料視覺化的綜合分析 重播: https://manus.im/share/GajPnKzrpM4pEbpcrKDmx0?replay=1 為何有效：- 綜合來自數十個來源的資訊
- 建立研究結果的視覺化表示
- 識別模式和異常值
- 提供基於證據的摘要
範例 4：研究 20 份傳記
輸出：20 份結構一致的綜合傳記 重播: https://manus.im/share/ayLBetEJkfSIVuWKo2toPn?replay=1 為何有效：- 每份傳記都經過徹底、獨立的研究
- 所有資料結構一致
- 對每個人進行多源深入研究
- 沒有走捷徑或生成通用內容
範例 5：批量編輯 LinkedIn 個人資料照片
輸出：50 張經過專業編輯的個人資料圖片 重播: https://manus.im/share/5iT2464ldyvdf1FMxUOCsW?replay=1 工作原理：- 取代了用於批量圖像處理的微型 SaaS 工具
- 對所有圖像應用一致的編輯
- 自動化的下載和處理流程
- 規模化的專業結果
範例 6：提取 GitHub 提示詞 (Prompt) 庫
輸出：包含 100+ 個提示詞 (Prompt) 的結構化資料庫 重播: https://manus.ai/share/wxTg2q4hV6GN4YY4KnQeFx?replay=1 工作原理：- 規模化地提取和結構化資訊
- 自動分類和標記
- 建立可搜尋、有組織的資料庫
- 處理複雜的網路爬取任務
按類別劃分的用例
| 類別 | 範例任務 |
|---|---|
| 市場研究 | 比較 100 種產品，分析競爭對手定價，調查客戶評論 |
| 學術研究 | 綜述 50 篇論文，分析研究趨勢，比較方法論 |
| 競爭情報 | 分析 30 個競爭對手，分析功能集，追蹤價格變化 |
| 潛在客戶開發 | 研究 200 個潛在客戶，尋找聯繫資訊，篩選潛在客戶 |
| 內容創作 | 生成 20 篇部落格大綱，建立 50 個社群貼文，撰寫 30 個產品描述 |
| 資料提取 | 抓取 100 個網站，提取結構化資料，編譯資料庫 |
| 創意製作 | 生成 20 張圖片，編輯 50 張照片，建立一致的品牌資產 |
| 投資研究 | 分析 40 家新創公司，比較 30 支基金，研究 50 家投資組合公司 |
為什麼選擇廣泛研究 (Wide Research) 而不是其他工具
| 方面 | AI 聊天機器人 | Manus 廣泛研究 (Wide Research) |
|---|---|---|
| 方法 | 單個 AI 幫助你 | 並行多 Agent 編排 |
| 速度 | 數小時達到上下文飽和 | 無論規模大小，只需數分鐘 |
| 規模 | 超過 8-10 個項目後性能下降 | 無縫擴展到數百個 |
| 品質 | 漸進式下降 | 任何規模下品質一致 |
| 輸出 | 細節遺失的壓縮摘要 | 完整的報告和資料集 |
何時使用廣泛研究 (Wide Research)
最適合：- 競爭情報（分析 50+ 個競爭對手）
- 市場研究（比較 100+ 種產品）
- 學術研究（綜述 30+ 篇論文）
- 潛在客戶開發（研究 200+ 個潛在客戶）
- 內容建立（生成 20+ 個相似項目）
- 資料提取（抓取並結構化 100+ 個頁面）
- 批量處理（編輯 50+ 個圖像/檔案）
- 單次深度分析（使用常規 Agent 模式）
- 需要順序依賴的任務
- 即時互動式研究
- 項目少於 10 個的任務
獲得更好結果的提示
明確結構：- ✅ 「建立包含以下欄位的表格：姓名、公司、職稱、電子郵件、LinkedIn」
- ❌ 「研究這些人」
- ✅ 「分析此列表中的所有 100 家公司」
- ❌ 「分析一些公司」
- ✅ 「整理成帶有過濾器的可排序電子表格」
- ❌ 「給我結果」
- ✅ 「根據以下方面對每個產品進行評分：價格、特徵、評論、可用性」
- ❌ 「比較這些產品」
常見問題
廣泛研究 可以處理多少項目？
廣泛研究 可以處理多少項目？
已測試最多 250 個項目。理論上無限制，但實際限制取決於任務複雜性。
需要多長時間？
需要多長時間？
取決於任務複雜性和規模。通常 50-100 個項目只需幾分鐘，無論深度如何。
之後可以優化結果嗎？
之後可以優化結果嗎？
是的。請求修改：「新增定價欄位」或「重新深入研究項目 20-30」。
它適用於非研究任務嗎？
它適用於非研究任務嗎？
是的。任何涉及處理多個獨立項目的任務：圖像編輯、資料提取、內容生成等。