当 DeepResearch 返回的报告范围太广或太窄时，要优化查询，首先分析初始结果以确定特异性或相关性方面的差距。如果报告范围太广，添加限制条件或关键词来缩小范围。例如，如果搜索“医疗保健中的机器学习”返回的结果过于笼统，则将查询优化为“使用 MRI 数据集进行早期癌症检测的机器学习 2020-2023”。这通过定义应用（癌症检测）、数据类型（MRI）和时间范围来增加特异性。类似地，使用技术过滤器，如编程语言（例如，“基于 Python”）、框架（例如，“TensorFlow”）或领域特定术语（例如，“HIPAA 合规性”），以排除不相关的结果。如果报告缺乏深度，则通过平台过滤器优先选择同行评审的来源或预印本。
如果报告范围太窄，则通过删除过于限制性的术语或扩展关键词来放宽查询范围。例如，搜索“Python Flask REST API 身份验证 JWT 2023”可能会排除像 OAuth 或 SAML 这样的相关方法。将其简化为“web API 身份验证方法 2023”，并包含同义词（例如，“基于令牌的”、“基于会话的”）以捕获更广泛的技术。使用通配符（例如，“cloud*”以包含“AWS”、“Azure”）或层级术语（例如，“神经网络”而非“transformers”）。如果主题具有时效性，删除日期过滤器以包含基础研究。例如，“优化 SQL 查询”可以从关于索引策略的较早但被广泛引用的论文中受益。
最后，逐步迭代。从基础查询开始，查看第一页结果，并根据差距调整关键词或过滤器。例如，如果搜索“区块链可扩展性”返回的是理论论文但缺乏实现细节，则添加“layer-2 解决方案”或“以太坊中的分片”。使用 DeepResearch 的高级功能，如关键词高亮或相关搜索建议来识别模式。记录成功的优化（例如，“添加‘实时’使 IoT 传感器结果提高了 40%”），以建立可重用的策略。这种方法平衡了精度和灵活性，确保工具适应问题，而不是强迫问题适应工具。