這篇文章蠻有意思的，其實可以看作是一個實測心得，作者把 GPT-5 Thinking 當成自己的 Research Goblin，丟什麼問題都會去幫忙查，他舉了很多例子，像是在 Heathrow 機場想知道以前的彈跳手扶梯什麼時候被換掉，結果 GPT-5 幫他縮小到 2014–2018 年間，還挖到舊新聞；在英國火車上隨手拍一張奇怪屋頂的建築(下圖)，也被正確認出是 The Blade；甚至問到 Starbucks 英國分店有沒有 cake pops，它還去找營養過敏原 PDF，證明確實有上市，只是不一定每家都有賣。

有些案例更誇張，像是在 Exeter Quay 吃飯，發現餐廳好像是挖在紅砂岩的洞裡，他一問，GPT-5 就一路查到 1820–1830 年代的建造背景，還主動說可以找歷史名錄的座標來對照地圖，最後甚至幫他擬好一封信，建議去問檔案館拿圖，我個人滿驚訝的。

滿有有趣的是，GPT 不只是單純回覆，如果去看文章內 GPT 的思考方式，他會是一路推理、反覆搜尋、再去驗證，這和很多人討論的 RAG 技術差不多，只是 GPT-5 在這邊表現出比較自然的「搜 → 想 → 再搜 → 再想」的能力，作者有提到他會看 GPT 的思考過程來判斷答案可信不可信，這算是一種使用技巧。

他說自己幾乎不用 OpenAI 的 Deep Research 了，因為 GPT-5 Thinking + search 已經夠快、夠好，對他來說，這就是 LLM 工具呼叫和推理整合最好案例，如果懂的怎麼互動，會是很好的幫手