大概5天前，ChatGPT「悄悄」上線了一個新功能，就是Deep Research功能可以直連Github倉庫。

這個功能剛推出時，第一反應(yīng)是給程序員用的，但是最近使用后才發(fā)現(xiàn)這個功能非常強大——應(yīng)用場景遠(yuǎn)比想象的更加廣闊。

不僅僅是審查代碼，或者生成報告，能夠連接Github的ChatGPT在重度使用后，效果還是超乎想象的——幾乎可以進行任何方向的深度研究。

只要是Github開源的公開倉庫，都可以通過：「項目官方倉庫——Fork倉庫到個人賬號——ChatGPT——Github連接器——深度研究——選擇個人倉庫——完成報告」的鏈條來快速輸出專業(yè)級別的研究報告！

先簡單介紹下，這次連接Github后，ChatGPT具備了自動讀取、解析并總結(jié)整個GitHub倉庫的能力。

過去想要發(fā)掘和研究一個開源項目，通常需要好幾天的時間來閱讀源碼，但是現(xiàn)在有了ChatGPT+Github這個連接器，效率得到了指數(shù)級的提升。

如果說過去在Github挖寶是拿著鐵鍬，這下直接開上挖掘機了！

比如我讓ChatGPT來分析我倉庫中的一個，第一步還是常規(guī)的Deep Research步驟，先確定研究內(nèi)容，然后任務(wù)啟動。

ChatGPT會對整個倉庫代碼的功能架構(gòu)、核心模塊、技術(shù)棧以及維護狀態(tài)等進行全面分析。

在進行了一段時間的研究后，就可以輸出一份非常專業(yè)，并且?guī)缀鯖]有幻覺的研究報告。

這份報告，幾乎已經(jīng)完成了對一個項目能做所有的研究和分析。

這份報告主要包含六個主要部分：1.技術(shù)架構(gòu) 2.核心模塊分析 3.代碼質(zhì)量評估 4.文檔情況 5.倉庫活躍度與維護狀態(tài) 6.項目的適用性

那既然能研究一個倉庫，那是不是能研究其他倉庫？而Github的倉庫不一定非得是代碼，是可以上傳任何的文件的。

等會，既然ChatGPT可以提供強大的深度研究能力，而Github連接器又限定了研究的范圍，這兩個能力加起來不就是相當(dāng)于一個面向特定領(lǐng)域的非常專業(yè)的研究員嗎！

以前沒有這個功能的時候，ChatGPT主要依靠聯(lián)網(wǎng)來進行深度研究，雖然能夠獲取的信息多了，但是「幻覺」的概率也會同步增大。

但是如果通過在Github來限定「研究范圍」，那ChatGPT給出的「深度研究」報告是不是會更專業(yè)？

而限定范圍很容易做到，只要將倉庫內(nèi)容換成你想要的資料就好了，這也相當(dāng)于是一個專門的RAG+MCP功能啊。

說干就干，下面就用Github上開源倉庫代碼來試試效果。

整個活：套娃式研究DeepSeek

這次想讓ChatGPT出一份關(guān)于DeepSeek-R1的專業(yè)分析報告，正好DeepSeek-V3就在Github已經(jīng)開源了。

只需要在深度研究下面選擇連接Github，并選擇對應(yīng)的倉庫即可。

這里為了方便操作，我是先把DeepSeek-R1 fork到了我自己的倉庫中，因為ChatGPT和Github的連接器需要索引找到倉庫，所以重新復(fù)制一份到個人倉庫會加快索引的速度。

所以流程就是：

DeepSeek-R1官方倉庫——DeepSeek-R1 Fork倉庫——ChatGPT——Github連接器——選擇深度研究——選擇Github倉庫為DeepSeek-R1 Fork倉庫。

然后就可以倒杯咖啡，看著ChatGPT工作了，只需10分鐘！

當(dāng)ChatGPT開始深度研究后，他的界面如下圖所示，右側(cè)標(biāo)識了活動過程和調(diào)用的研究信息資源。

可以看到在這個任務(wù)中，ChatGPT只使用了Github倉庫限定的文件內(nèi)容。

等待十幾分鐘到二十分鐘左右，ChatGPT就在幕后認(rèn)真的處理和思考這些信息。

你可以看到這個報告真的非常的長，非常的詳細(xì)，每個部分都能溯源到原始文件的位置。

感興趣的可以通過這個鏈接來查看：https://chatgpt.com/share/682571fe-52c8-8013-a8f1-c85562ec1850

簡單介紹下生成報告的質(zhì)量，報告一開始講的是R1的模型架構(gòu)，然后是R1的數(shù)據(jù)訓(xùn)練流程，接著講了訓(xùn)練機制和推理和部署，最后還對模型的創(chuàng)新點做了闡述。

可以說是一份非常完善的模型研究報告，并且使用的DeepSeek-R1的官方倉庫，甚至結(jié)尾還有DeepSeek-R1的模塊源碼解釋。

可以說是非常的詳細(xì)了。

使用ChatGPT+Github這種深度研究的另一種好處就是，出了研究報告后，可以直接在ChatGPT中直接提問來進行進一步的研究。

整個流程順滑無比。

使用「索引技巧」來加快倉庫被發(fā)現(xiàn)的進度

需要注意的一點是，目前ChatGPT+Github連接器在索引倉庫時，并沒有那么快。

比如這里剛開始我就一直搜索不到，不斷重啟連接器也無法找到倉庫，不論是自己的還是其他Public公開的倉庫。

后來在OpenAI的官方文檔中才找到說明。OpenAI提到了Github的倉庫需要手動激活后才能加到索引列表，才能被連接器找到。

ChatGPT也針對這個問題給出了解決方案，那就是將倉庫在Github的搜索框中搜一下，或者上傳一個新的更新。

不一定是代碼

實際上，ChatGPT的這個功能其實非常強大，上面主要使用的是訪問Github倉庫來進行深度研究的功能。

那么引申一下，就可以將一些特定的內(nèi)容，比如PDF、Word等上傳到新建的倉庫中，然后使用這個流程來進行研究。

這樣就把研究資料限定在固定的范圍內(nèi)，同時還能利用Github連接器本身對各種文件的編排能力，畢竟在分析一個項目倉庫時，Github本身也是會區(qū)分不同的文件類型。

這就是一個相當(dāng)完美的RAG+MCP組合，不僅能使用ChatGPT強大的模型能力，還可以使用Github構(gòu)建倉庫的能力，簡直完美。

最關(guān)鍵的是，這個功能只要是開通了Plus的用戶即可使用，從這一點上來說，ChatGPT Plus這次終于值回了20美元的票價。

這種將ChatGPT和GitHub深度連接、相互強化的新玩法，其實就是開啟了一種全新的研究模式。

不管你是想要快速上手一個陌生的開源項目，還是精準(zhǔn)分析特定領(lǐng)域的內(nèi)容，都能用上這個組合。

更關(guān)鍵的是，這種玩法甚至能夠擴展到各種類型的研究資料中去，實現(xiàn)了真正的RAG+MCP組合——專業(yè)又高效。