你一定用過 Claude 或 ChatGPT 查資料：丟一句「跟我介紹一下 X」，等它吐一段話，看完、關掉分頁。問題是——你拿到的，永遠只是「大多數人的看法」，最表面的那一層。每天實際在做這件事的實務者看到什麼？認為整個領域都錯了的懷疑者在擔心什麼？追著錢跑的經濟學家看到誰在獲利？這些你都沒問到。
2024 年，史丹佛大學丟出了一個叫 STORM 的研究系統，在同儕審查的測試裡，它寫出來的文章「有條理」的比例比基準方法高出一大截。它開源、免費，而且——這才是重點——你不需要真的去用那套軟體，光是把它「多視角提問」的思路搬進 Claude，用 4 個複製貼上的提示詞，就能讓一次普通的查資料，變成一份多角度、附可信度、還會自我審稿的研究簡報。
這篇就是要教你怎麼做。不寫一行你看不懂的程式碼，專為完全沒有技術背景的讀者寫，只用最白話的方式，帶你從零搞懂這套 Claude 深度研究法，並且當場就能套用在你手上最需要研究的那個題目。本文無業配內容。
先說結論：一個問題，要問五種人
🎯 一句話結論：真正的研究不是「問一個問題」，而是「同一個主題，問五種不同的專家」。把它記成一條公式——深度研究 ＝ 五種專家視角 → 找出彼此的衝突 → 綜合成簡報 → 自我審稿。Claude 深度研究的祕訣，就是把這四步拆成 4 個提示詞，一個接一個貼進去。
下面我們先花兩分鐘搞懂 STORM 到底是什麼、為什麼「問一次」永遠不夠，再給你可以直接複製的 4 個提示詞、一個 5 分鐘工作流，以及 7 個今天就能用的場景。趕時間的話，直接跳到〈把 STORM 搬進 Claude〉那段複製提示詞也行。
STORM 是什麼？史丹佛拿來寫維基百科的研究系統
STORM 是 Synthesis of Topic Outlines through Retrieval and Multi-perspective Question Asking 的縮寫——直翻是「透過檢索與多視角提問來合成主題大綱」。它由史丹佛大學的 OVAL 實驗室（Open Virtual Assistant Lab）開發，論文〈Assisting in Writing Wikipedia-like Articles From Scratch with Large Language Models〉發表在 2024 年的頂級自然語言處理會議 NAACL 上。
它在做的事，其實就是模仿一個認真的人「動筆寫一篇維基百科條目之前」會做的功課，分成幾個動作：
- 找出不同視角：先針對一個主題，挖出好幾種不同立場、不同關注點的角度。
- 多視角提問＋檢索：讓「帶著不同視角的提問者」對著一位「主題專家」輪流發問，而專家的回答都建立在可信的網路來源上。
- 整理成大綱：把問到的資訊整理成一份有結構的大綱。
- 寫成有引用的文章：最後根據大綱，寫出一篇附上來源的完整文章。
你可以直接到 storm.genie.stanford.edu 試用官方版本——免費，但需要先登入（用一個 Google 帳號就能登入，不需要史丹佛的身分）。完整程式碼則開源在 GitHub（stanford-oval/storm），採 MIT 授權，已經累積了數萬顆星星，你想自己架在電腦上跑也可以。它還有一個進階版叫 Co-STORM（協作式 STORM），能跟你一邊對話一邊研究。
但這篇文章真正的重點是：這些你通通都不需要。史丹佛這套方法的精華，是一種「思考的方式」，而這個方式你完全可以在 Claude 的對話框裡，用 4 個複製貼上的提示詞重現。接下來就是這件事。
為什麼「問一次」永遠不夠？多視角的威力
當你問 Claude「跟我介紹一下 X」，你得到的是最主流的框架、最常見的說法、最表面的那一層。你拿不到的，是那些「只有特定角色才看得到」的東西：每天在第一線做這件事的人、認為整個領域都搞錯方向的懷疑者、追著金流跑的經濟學家、看過歷史重演好幾次的歷史學家、真的讀過研究數據的學者。
這五種人看的是同一件事，卻會看到完全不同的東西。這正是一個博士生在做研究時做的事：他們不會只問一個問題，他們會問五個。下面這張圖，就是這套方法的心臟。
這不是空談。STORM 的論文做了人工評測：跟一個「先列大綱、再用檢索補資料」的基準方法相比，STORM 寫出來的文章被評為「有條理」的比例，足足多了 25 個百分點；涵蓋面（廣度）也多了大約 10%。換句話說，多視角提問抓得到的盲點，單一提問的研究永遠看不到——而這整套，才是真正讓 Claude 深度研究升級的關鍵。
把 STORM 搬進 Claude：4 個提示詞的完整流程
重頭戲來了。下面是 4 個提示詞，一個接一個貼進同一個 Claude 對話裡（順序很重要，後面的提示詞會用到前面的結果）。你只需要把第一個提示詞裡的主題換成自己的，剩下三個直接複製貼上即可。
提示詞 1：多視角掃描（整套方法的心臟）
把下面這段貼進 Claude，只改第一行的主題。建議先在輸入框把「網路搜尋」打開，這樣它引用的是真實、最新的來源，而不是只靠記憶。
我想深入研究這個主題：【在這裡填入你的主題】
請用五種完全不同的專家視角，各自獨立分析這個主題，
每個視角都要講出「只有這個角色才看得到」的重點：
1. 實務者：每天實際在做這件事的人，最在意什麼？
哪些是課本不會教、做過才知道的細節？
2. 懷疑者：這個領域哪裡可能是錯的、被高估的？最強的反方論點是什麼？
3. 經濟學家：錢從哪裡來、流向誰？誰因此獲利、誰被犧牲？背後的誘因結構長怎樣？
4. 歷史學家：過去有沒有類似的模式或案例？這次哪裡一樣、哪裡不一樣？
5. 學者：研究與數據怎麼說？哪些有同儕審查過的證據，哪些只是推測？
每個視角請分開寫，至少 3 點，並標註你引用的資訊來源。回來的會是五種對同一主題截然不同的解讀：實務者看到學者忽略的細節，懷疑者戳破實務者的盲信，經濟學家揭開學者不談的誘因，歷史學家補上經濟學家看不到的長期模式。這 60 秒的工作，抓得到單一提問一輩子都找不到的東西。
提示詞 2：衝突地圖（真正的理解，住在這裡）
接著讓 Claude 找出這五種視角「在哪裡打架」。大部分人都會跳過這一步——而這一步，正是把「表面理解」和「真懂」分開的關鍵。
根據你上面五個視角的分析，現在請幫我畫一張「衝突地圖」：
1. 這五種視角在哪些地方意見一致？（同時被多個視角支持的，通常比較可信）
2. 哪些地方彼此矛盾、互相打架？請具體指出是誰跟誰衝突、為什麼。
3. 有沒有哪個重要面向，是五個視角全都沒談到的？
（這往往就是整個領域的盲點，或是機會所在）
真正的理解，住在這些衝突裡。請先不要急著調和它們，先把分歧攤開來。記住兩個判斷原則：五個視角都同意的，通常就是真的；而五個視角全都沒提到的，你很可能剛好找到了整個領域的破口。
提示詞 3：綜合簡報（一份沒有任何單一專家寫得出來的東西）
現在把所有東西收攏成一份「給忙人看的研究簡報」。
現在請把以上所有內容，整合成一份「研究簡報」，
給一個沒時間讀完全部資料、但需要做決定的人看。請包含：
1. 三句話總結：這個主題最重要的事。
2. 已經有共識、可以放心採用的結論。
3. 還在爭論、需要自己判斷的灰色地帶（附上各方理由）。
4. 每一項結論的「可信度」標註：高 / 中 / 低，並說明為什麼。
5. 如果現在就要行動，你建議的下一步是什麼？你會拿到一份沒有任何單一專家寫得出來的簡報：它涵蓋了每個角度、點名了所有矛盾、替每個結論標了可信度，最後落在一個具體的下一步。
提示詞 4：自我審稿（揪出 AI 研究最常見的兩個毛病）
這一步很多人不知道。STORM 的研究者在論文裡自己點名了這類 AI 長文研究的兩個老毛病：來源偏誤的轉移（某幾個來源講得很大聲，AI 就把它們的立場當成事實），以及把不相關的事實硬湊在一起。所以我們要加最後一道防線——讓 Claude 回頭批判它自己。
最後，請你切換成一個嚴格的審稿人，回頭批判你自己剛剛寫的這份研究：
1. 哪些是「強主張」（證據充分）？哪些是「弱主張」（其實只是推測或單一來源）？
2. 你的資料來源有沒有偏誤？會不會因為某幾個來源講得很大聲，
就把它們的觀點當成了事實？
3. 有沒有哪個角度、哪個反方證據，你其實漏掉或淡化了？
4. 如果要再做一輪研究，最該補的是哪一塊？
請誠實，把你自己的弱點講出來。回來的是一份對自己研究的誠實體檢：哪些強、哪些弱、哪裡有偏誤、漏了什麼。真人做同儕審查要花好幾天，你用 60 秒就跑完一輪。
5 分鐘工作流：照著做就對了
把四個提示詞串起來，整套流程大概像這樣：
- 第 1 分鐘：貼提示詞 1 → 你有了五種專家視角。
- 第 2–3 分鐘：貼提示詞 2 → 你有了一張衝突地圖。
- 第 3–4 分鐘：貼提示詞 3 → 你有了一份研究簡報。
- 第 5 分鐘：貼提示詞 4 → 你知道哪些可信、哪些不可信。
提醒一句良心話：網路上把這套方法包裝成「5 分鐘得到博士等級的研究」，這個說法不要照字面信。它確實能在幾分鐘內，給你一份比大多數人都更有結構、更全面的研究草稿，省下大量時間；但它不等於一個真的讀完所有論文、跑完所有實驗的博士。把它當成一個「替你把功課做到八成」的超強助理——剩下兩成的判斷和複核，還是你的事。
開始之前：先把 Claude 深度研究的設定調對
同樣的提示詞，設定對不對，效果差很多。以下設定截至 2026 年 6 月，實際功能與方案請以 Claude 官網為準：
- 選對模型：這種「跨五個視角綜合 + 自我批判」是吃腦力的工作，建議切到最聰明的版本——截至 2026 年 6 月是 Claude Opus 4.8（更高階還有 Claude Fable 5）。在對話框上方就能切換模型。
- 打開「網路搜尋」：在輸入框的工具選單把它開啟，Claude 才能引用真實、最新的來源，而不是只憑記憶回答。多數需在付費方案下使用。
- 善用「研究 / Research」功能：Claude 本身也內建一個會自動跑多步驟、跨多個來源、附引用的「研究」模式。它和我們手動跑的 STORM 是兩條路，可以互補——自動模式快，手動 STORM 更能掌控視角。
- 存成 Projects：把這 4 個提示詞存進一個 Project 的「自訂指令」，之後每開一個新對話都自動帶入，不用每次重貼。
- 開啟延伸思考：在做綜合那一步打開思考模式，Claude 會想得更深、更周全。
7 個今天就能用的場景
這套方法不是只能拿來寫學術報告。任何「你需要快速、全面搞懂一件事」的場合都適用：
- 動筆寫任何文章或報告前：先跑四個提示詞，你的文章會涵蓋別人沒想到的角度。
- 做重大商業決策前：實務者告訴你現實中行不行得通，懷疑者告訴你哪裡會出包，經濟學家告訴你誰會獲利。
- 面試前：5 分鐘從五個角度研究一家公司——實務者視角給你內行術語，懷疑者視角給你犀利的提問。
- 投資前：多頭論點、空頭論點、歷史對照、誘因地圖、學術證據，一次到位；衝突地圖會告訴你真正的風險藏在哪。
- 學一項新技能前：實務者告訴你先學什麼，學者給你理論，懷疑者告訴你哪些是被過度炒作的，幫你跳過雜訊。
- 談判前：從五個視角研究對手，理解他們的誘因、弱點、過去的行為模式。
- 任何簡報前：在你的主題上跑一輪 STORM，你的投影片會在觀眾提問之前，就先回答了那些反對意見。
新手最常踩的 5 個坑
- 四個提示詞分開開新對話：四步要在同一個對話裡依序貼，後面才接得到前面的結果。開新分頁就斷了。
- 沒開網路搜尋，卻問即時資訊：問股價、最新政策、版本差異這類會隨時間變的東西，沒開搜尋就等於讓它憑記憶瞎掰。一定要開，並要它附來源。
- 跳過第 2 步（衝突地圖）：直接從五視角跳到綜合，你會得到一鍋和稀泥的「平均意見」，失去最有價值的分歧。
- 把第 4 步的自我審稿當裝飾：它是用來抓「來源偏誤」和「過度連結」的，這是 AI 研究最會犯的錯——別跳過。
- 拿到結果就照單全收：AI 會給錯資訊。簡報裡標「高可信度」的，也請點開來源自己核對；要做決定的，務必人工複核。
常見問題 FAQ
Q1：我一定要會寫程式、要裝 GitHub 才能用 STORM 嗎？
不用。本文教的就是「不裝任何東西」的版本——你只要會複製貼上 4 個提示詞到 Claude 對話框。官方那套軟體是給工程師玩的，一般人完全用不到。
Q2：免費版的 Claude 可以跑嗎？
可以，但有差。四個提示詞免費版都能貼、都能跑；只是「網路搜尋」「研究」這類功能多半要付費方案（截至 2026 年 6 月，以官網為準）。沒開搜尋時它只能靠記憶回答，引用會比較弱、也可能過時。
Q3：史丹佛的 STORM 官網要付費嗎？
不用付費，但需要登入——用一個免費的 Google 帳號就能登入使用，不需要任何史丹佛身分。網路上「免註冊就能用」的說法是錯的。
Q4：真的 5 分鐘就能有「博士等級」的研究嗎？
不要照字面信。它能在幾分鐘內給你一份多視角、有結構、標了可信度的草稿，省下你好幾小時的閱讀；但它不等於真正讀完所有資料的博士，重要結論一定要人工複核。
Q5：這套方法只能用在學術主題嗎？
不是。投資、求職、談判、簡報、學新技能都能用（見上面〈7 個場景〉）。只要是「需要全面搞懂一件事」，就適用。
Q6：用 ChatGPT 或 Gemini 可以嗎？
可以。這是一套「思考方法」，不是 Claude 的專利。本文用 Claude 示範，是因為它在長文綜合、跨來源整理上表現很穩，而且 Projects 讓你能把這套流程存起來重複用。
Q7：五個視角一定要是這五種嗎？
不一定。可以依主題替換——研究法規就換成「監管者」，做產品就換成「使用者」，醫療主題就換成「臨床醫師」。重點是角度要夠不一樣，能彼此打架。
Q8：AI 會不會給我錯的資訊？
會，而且一定會。這也是為什麼有第 4 個「自我審稿」提示詞，並且要你開網路搜尋去核對來源。把 AI 當成超強的研究助理，不是不會出錯的權威；重要決策請務必由人類複核。
Claude 深度研究：給新手的 3 個重點
- 記住那條公式：深度研究 ＝ 五種視角 → 找衝突 → 綜合 → 自我審稿。會了這四步，你已經贏過大多數只會「問一句、看一段」的人。
- 價值在衝突與審稿，不在第一步：第一步五個視角誰都會問；真正拉開差距的，是第 2 步把分歧攤開、第 4 步逼 AI 認錯。
- 永遠開搜尋、永遠複核：附來源、自己點開看、重要的事人工確認。AI 幫你把功課做到八成，最後兩成是你的判斷。
📚 延伸閱讀
- Claude 怎麼省 token？10 招實戰技巧——跑這麼多輪研究會燒掉不少額度，先學會怎麼省著用。
- Claude vs Claude Code vs Cowork 差在哪——先搞懂 Claude 有哪些版本、哪個最適合拿來做研究。
- Claude Opus 4.8 完整解析——本文推薦的研究主力模型，它強在哪、怎麼用。
- AI Agent Harness 是什麼——想知道 Claude 背後「會自己跑多步驟」的原理，從這篇開始。
- Claude Code vs Codex 客觀比較——如果你想把研究流程進一步自動化。
- 更多教學都在 AI 教學專區；想更系統地學，可以看我們的 線上課程。
結語
史丹佛在 2024 年就把這套方法公開了：論文同儕審查過、程式碼開源、線上工具免費、方法只有四個提示詞——然後幾乎沒人在用。我們正處在一個大概 18 個月的窗口：懂得「用 AI 認真做研究」的人，會把只會「看 Google 第一條結果」的人遠遠甩開。不是因為他們更聰明，而是因為他們在跑五個視角、一張衝突地圖、一份綜合、一次自我審稿，而別人還在讀第一段。
挑一個你現在最需要搞懂的主題，打開 Claude，貼上提示詞 1。五分鐘後，你會比那些花了好幾天讀資料的人，懂得更多、也更有條理。方法在上面，史丹佛已經幫你證明過了，剩下的就看你貼不貼。
免責聲明
本文為教學與資訊分享，撰於 2026 年 6 月 27 日，不構成任何投資、法律或專業建議。文中關於 Claude 的模型版本、功能與方案資訊截至 2026 年 6 月，可能隨時間變動，請以 Claude（Anthropic）官方說明為準。AI 具有輸出錯誤資訊的可能，重要決策請由人類複核。
主要參考來源：STORM 論文〈Assisting in Writing Wikipedia-like Articles From Scratch with Large Language Models〉（arXiv:2402.14207，NAACL 2024，Stanford OVAL Lab）、官方程式碼庫 github.com/stanford-oval/storm、線上工具 storm.genie.stanford.edu，以及 Claude（Anthropic）官方說明文件。本文無業配內容。