分享一个DeepResearch + Claude workflow快速学习新领域的方法

公众号名称：AI编程实验室

作者名称：鲁工

发布时间：2026-06-23 11:37

大家好，我是鲁工。

我最近一直在拿Claude Code、ChatGPT和Codex在做医学领域的Vibe Researching的相关工作。每天不可避免的要学习新知识，或者切入新的研究领域、细分方向。

记得几年前的时候，我经常跟组员说，在真正上手实践项目之前，快速切入一个新的研究领域的最好的方法，就是收集这个领域近3-5年的论文，做一次总揽全局的paper review。

当然不是说要写篇综述出来，我们在业界的，写论文肯定不是目的。但通过多源论文检索、精泛读结合、总结归纳，最后出一份调研报告或者PPT，本身也是一个科研训练以及学习的过程。上述方法也适用于在读阶段的研究生。

但上述流程通常比较费时，少则一周，多则半月，在企业环境下，时间成本是比较奢侈的。

但有了AI以后，上述流程可以缩短到1-2个小时以内。我过去一年多，日常特别喜欢用ChatGPT和Gemini跑某个特定研究方向的DeepResearch（深度研究）。但最近Gemini降智严重，所以日常只用ChatGPT了。并且，ChatGPT DeepResearch的交付质量越来越高，我个人觉得，完全可超过一个博士生水平。一方面是GPT-5.5基座模型越来越强，另一方面，DeepResearch本身作为一个持续演进的Agent，与模型能力是同向进化的。

关于DeepResearch的详细介绍，我去年写过，可参考：

自从有了Deep Research，我成了文献综述/技术调研爱好者

今天我想分享一个我最近一直在用的，一个基于DeepResearch快速学习新知识切入新领域的小方法，这个方法也方便开启Claude Code新项目时，作为研究报告提供上下文。

具体来说也非常简单。

针对你想要研究的领域，先用ChatGPT跑一轮DeepResearch，输出一份研究报告。比如我最近需要研究MICCAI 2026 Challenge的一个关于基于血管特异性的颅内动脉瘤检测的项目（TopAneu 2026），那么我可以先让ChatGPT DeepResearch开跑一波：

拿到ChatGPT的调研报告之后，启一个新的Claude Code会话，切到ultracode effort模式，跑一个更全面、交叉验证更强的Dynamic workflow式的Claude deep-research。这里面有两种方式：

直接/deep-research启动workflow任务
切ultracode模式后，让Claude自己设计深度研究的workflow

启动Dynamic workflow前，最好能把能用的上下文都提供给Claude。比如我的这个颅内动脉瘤检测项目，我把下面材料或者要求都给了Claude：

ChatGPT DeepResearch的PDF报告
MICCAI Challenge关于TopAneu的37页的赛事说明PDF
我本地关于CTA/MRA动脉瘤的Zotero文献数据库（通过zotero MCP访问）
要求其主动检索近五年arxiv/pubmed上关于动脉瘤检测的文献
TopAneu赛事数据集（已提前下载到本地）

然后启动/deep-research workflow，最终出来的研究报告，既可以当作颅内动脉瘤影像AI应用的学习指南、也可以当作TopAneu比赛本身的指导文件，可以用来作为后续Claude Code auto-research带打比赛的计划文件。

我这个项目，最终的交付报告，质量之高，交叉验证之严谨，实在让我惊叹。我断断续续花了两天时间才完整读完整个文档。

有了这个文档，我只花了两天时间（分割模型训练比较费时），就让Claude Code把TopAneu这个比赛的baseline跑出来了。后续基于每一轮的试验结果和这个指导文件，让Claude Code自己往前推进就好。

这个是一种本身非常简单、但大家日常可能会忽视的方法。这其中有两个要点需要注意：第一个是投喂的文献一定要真实，本地的zotero文献一般没问题，都是手动下载的闭源文献，但arxiv这块的开源文献最好做一下check（虽然workflow的verify流程也会check），可以设定最终入围指导文献的方法学论文条件为发表在顶刊或者一区期刊上。第二个是Claude Dynamic workflow非常费token，请结合个人订阅，谨慎使用。

如果觉得有用，点个赞或者在看，也方便更多朋友看到。

感谢您阅读我的文章。我是鲁工，九年AI算法老兵，AI全栈开发者，深耕AI编程赛道与AI科研赛道。

>/ 作者：鲁工

内容效果不满意？点此反馈