Claude 深度研究指南:斯坦福验证的多视角提问法(附 4 个提示词)

2092 字
10 分钟
Claude 深度研究指南:斯坦福验证的多视角提问法(附 4 个提示词)

你问 Claude 一个问题。它给了你一个看起来不错的答案。

但你看完总觉得少了点什么。说不上来。好像都说了,又好像什么都没说透。

这不是 Claude 的问题。是一个提示词本身就只能给你主流观点——最主流的框架,最安全的说法,最不可能出错的共识。

真正有价值的东西不在这套答案里。

斯坦福把这事写成了一篇论文#

2024 年,斯坦福 OVAL 实验室在 NAACL 2024 上发表了一篇论文,提出了 STORM 这个研究系统。全称很长,你只需要记住一件事:

它在同行评审测试里,产出的文章条理性比次优方法高出 25%,覆盖广度高出 10%。

怎么做到的?多视角提问。

STORM 的做法是让五个截然不同的视角同时审视同一个主题:

视角关注什么
实践者 (Practitioner)每天跟这件事打交道,知道什么实际管用
怀疑者 (Skeptic)认为这个领域可能走错了方向
经济学视角 (Economist)盯着钱流,暴露利益动机
历史视角 (Historian)见过类似模式反复上演
学者 (Academic)真正读过原始论文

实践者看到学者忽略的东西。怀疑者挑战实践者的假设。经济学视角暴露学者视而不见的利益结构。历史视角提供其他所有人都看不到的模式。

五个视角,「视角」本身就是信息。你从哪个角度看,决定了你能看到什么。

这就是整个突破的核心。

论文是开源的(github.com/stanford-oval/storm,MIT 许可),在线工具免费(storm.genie.stanford.edu)。但重点不是去跑那个系统——重点是这背后的思维方式,你可以用四个提示词在 Claude 里直接复现。

四步走,每一步做什么#

第一步:多视角扫描#

给 Claude 同一个主题,让它分别从上面五个视角回答。

实践者怎么说?怀疑者怎么说?盯着钱的人怎么说?看过历史重复的人怎么说?真正读过论文的人怎么说?

你得到的不是五个答案——是五种盲区,一齐亮了。

第二步:矛盾地图#

五个视角说出来的东西不会完全一致。让 Claude 找出它们在哪儿打架。

冲突发生的地方,藏着真正的理解。

两条简单的判断规则:

  • 所有视角一致 → 这件事大概率站得住
  • 某个话题没人提 → 你刚刚发现了整个领域的空白

大多数人会跳过这一步。而正是这一步,把表面理解跟真正的专业认知区分开了。

第三步:综合简报#

让 Claude 基于前两步,整合出一份研究简报——覆盖所有角度,标注矛盾点,排可信度,最后落在具体行动上。

这是一个博士生花 48 小时手工阅读才能拿到的成果。

第四步:同行评审#

让 Claude 给自己的作业打分。

强论据在哪儿?弱论据在哪儿?有什么偏见?漏了什么角度?

这一步是 STORM 方法的关键补偿——斯坦福团队自己承认,系统不会自我批判。来源偏差和事实错配会悄悄渗入。第四步强制 LLM 审视自己的输出。

真正学术界的同行评审要几个月。

直接实操:四个提示词,直接复制#

上面是每一步在做什么。下面是可直接用的提示词全文。将 [YOUR TOPIC] 替换为你的研究主题,按顺序逐一粘贴到 Claude。

Prompt 1:多视角扫描#

我需要研究:[YOUR TOPIC]
模拟 5 种不同专家视角对这个主题的看法:
1. THE PRACTITIONER(实践者):每天实际操作这个领域的人。
- 他们知道哪些学术界通常忽略的现实情况?
- 哪些实用细节被忽略了?
2. THE ACADEMIC(学者):多年研究这个领域的人。
- 同行评审证据实际说了什么?
- 证据在哪里与流行观点矛盾?
3. THE SKEPTIC(怀疑者):认为主流观点有问题的人。
- 最有力的反驳是什么?
- 支持者通常忽略了哪些证据?
4. THE ECONOMIST(经济学家):追踪金钱流动的人。
- 谁从当前叙事中获利?
- 哪些财务激励塑造了研究和观点?
5. THE HISTORIAN(历史学家):见过类似模式的人。
- 存在哪些历史平行案例?
- 从那些案例的结果中我们能学到什么?
对于每个视角,请提供:
- 核心立场(2 句话以内)
- 支持其观点的最强证据
- 他们会告诉我、而其他视角不会提到的独特洞见

Prompt 2:矛盾地图#

(在 Prompt 1 的输出后直接使用)

基于上面 5 种专家视角,制作一份矛盾映射:
1. 哪些地方两个或多个视角直接相互矛盾?列出具体分歧点和原因。
2. 哪些地方多个视角达成共识?这些共识的可靠性如何?
3. 哪些重要方面完全没有被任何视角触及?(研究空白)
4. 整体来看,这个主题最被低估或高估的风险/机会是什么?
用清晰的结构化格式输出,便于阅读。

Prompt 3:综合简报#

(在 Prompt 2 之后使用)

现在,将 5 种视角和矛盾映射中的所有信息综合成一份研究简报。
输出结构:
1. 主题概述(1-2 段)
2. 关键发现(列出 5-7 条最重要的洞见)
3. 主要矛盾与分歧(简要说明)
4. 可靠性排序(哪些部分证据最强,哪些最弱)
5. 行动建议(具体、可执行的下一步或决策建议)
6. 未被充分回答的问题(未来可深入的方向)
保持客观、平衡,并突出跨视角的洞察。

Prompt 4:同行评审#

(在 Prompt 3 之后使用)

现在对上面的研究简报进行同行评审:
1. 置信度评分:为每个关键发现打 1-10 分,并说明理由。
2. 潜在偏差或盲点(模型可能引入的、或视角覆盖不足的)。
3. 事实可能错误或需要验证的地方。
4. 缺失的重要角度或反驳观点。
5. 整体强度评估:这份简报在哪些方面最强?最弱?
6. 改进建议:如何让它更可靠或更全面?
诚实且批判性地输出。

能用在哪儿#

七个场景,分三组——看你属于哪类读者。

如果你在写东西:

  • 写文章或报告之前。跑一遍四个提示词。你覆盖的角度别人压根想不到。
  • 做演示之前。你的幻灯片会在观众提出反对之前就回答掉他们的顾虑。

如果你在做决策:

  • 重大商业决策之前。实践者告诉你什么在现实中管用,怀疑者告诉你哪里会崩,经济学视角告诉你谁在获利。
  • 投资之前。五个视角天然覆盖看多 / 看空 / 历史类比 / 利益格局 / 学术证据。矛盾地图帮你找到真正的风险藏在哪儿。
  • 谈判之前。用五个视角拆解对手——他们的激励结构、弱点、历史行为模式。你带着结构性优势走进谈判桌。

如果你在学习:

  • 面试之前。实践者视角给你业内话术,怀疑者视角给你能问倒面试官的犀利问题。
  • 学新技能之前。实践者告诉你先学什么,学者给你理论基础,怀疑者告诉你什么被吹过头了。跳过噪音,直取核心。

写在最后#

STORM 不是完美的。斯坦福自己的论文也写了:系统不会自我批判。

这就是为什么第四步必须存在——它不是锦上添花,是补丁。

另一个实话:这篇论文 2024 年就发了。代码开源,工具免费,方法就是四个提示词。真正在用的人没几个。方法在那里。四个提示词,按顺序粘贴到 Claude。


本文方法来源:Stanford OVAL Lab, NAACL 2024. 开源仓库 github.com/stanford-oval/storm

支持与分享

如果这篇文章对你有帮助,欢迎分享给更多人或赞助支持!

赞助
Claude 深度研究指南:斯坦福验证的多视角提问法(附 4 个提示词)
https://blog.moewah.com/posts/claude-deep-research-storm-method/
作者
MoeWah
发布于
2026-06-19
许可协议
CC BY-NC-SA 4.0
相关文章 智能推荐
1
Claude Code 的 CLAUDE.md 怎么写?这 12 条规则,管住 AI Agent 的静默失败
AI实验室 12 条 CLAUDE.md 规则完整指南,涵盖代码生成和 Agent 模式两个阶段。每条规则附带英文原文、中文解释和真实翻车场景。文末提供完整模板可直接复制。
2
Goal 是目的地,Loop 是导航:AI 真正变聪明的核心秘密
AI实验室 一文讲透 AI Agent 的两大核心概念:Goal(目标)与 Loop(循环)。从基础定义到 8 种主流 Loop 类型详解,再到可直接复用的提示词模板,帮你从被动提问者升级为 AI 指挥官。
3
DeepSeek-V4-Flash 看不了图片?用 pi-image-bridge 给它装一双眼睛
AI实验室 DeepSeek-V4-Flash-0731 任务通过率高、价格便宜,但模型没有视觉能力。装 pi 扩展 pi-image-bridge,配置视觉模型当副驾,截图报错、设计稿、表格都能看懂。安装一条命令,配置两个字段即可。
4
AI-First 团队的架构方法论:从 Harness Engineering 到自愈系统
AI实验室 当 AI 成为主要代码生产者时,工程团队的首要工作不再是写代码,而是搭建让 Agent 高效工作的基础设施。从 Monorepo 统一到自愈 pipeline,拆解 AI-First 架构的完整方法论。
5
有了 tmux 还需要 herdr 吗?一个给 AI Agent 用的「终端管家」
AI实验室 herdr 是一个终端原生的 Agent 多路复用器,专为同时运行多个 AI Agent 的开发者设计。它解决了 Agent 管理混乱、会话丢失、远程协作等痛点,不替换终端、不依赖 Electron。本文从实际使用体验出发,带你了解它的核心功能和上手方法。
随机文章 随机推荐

评论区

Profile Image of the Author

关于作者

MoeWah

我是 MoeWah,喵斯基部落的作者。一个折腾自托管、群晖 NAS、虚拟化运维与 SEO/GEO 实践的独立博主,10 年以上的企业站运维与SEO优化经验,文章来自真实部署与踩坑记录。为自己记录,为同路人分享。
专题
分类
站点统计
文章
205
分类
9
标签
449
总字数
413,918
运行时长
0 天
最后活动
0 天前

目录