1. 为什么要搭一支 AI 调研队先说结论这套结构解决的是我用 AI 做调研时最头疼的三个问题——单次对话质量不稳定、信息广度靠运气、结果没法直接复用。过去我做调研习惯把需求一股脑塞给同一个 AI 对话框帮我调研一下智慧农业的现状、趋势、产业链最好有数据最后出一份报告。结果通常是这样开头看着像回事中段开始车轱辘话数据要么编造要么过期结尾来一段综上所述智慧农业前景广阔。你倒是挑不出大毛病但整份东西根本没法进项目文档。后来我把思路换了与其靠一个全能的 AI不如搭一支分工明确的调研队。一个主编人统筹三个工种情报采集、数据分析、内容编辑由 AI 分别担任两本手册调研规范手册、内容产出手册定义它们各自的工作边界。听起来复杂实际跑下来产出质量比单打独斗高了两个档位而且每份结果都能反哺下一次调研。这不是什么高深的大模型调优纯粹是流程设计加上一点提示词工程。你要做的是给 AI 定清楚角色、给任务、给验收标准最后人来做主编。下面我把这套东西从头拆一遍包括每本手册的具体内容、三个工种的分工逻辑以及我在实操里踩过的一堆坑。哪怕你从来没搞过提示词工程照着搭也能跑起来。2. 三个工种怎么分工为什么是这三个2.1 情报采集只负责找得到不负责看得懂情报采集这个工种在调研队里的定位是素材搬运工。它的活儿就是根据主编给的关键词清单把能找到的公开信息、数据、观点、案例全部捞出来整理成带来源标注的素材包。我给这个角色写的角色设定是这样的你是一名情报采集专员你的任务是围绕主题从各渠道收集相关信息。要求信息来源尽可能多样每条信息必须标注来源、时间、数据口径不做主观评价不自行断言不确定的信息单独标注待核实。关键点在于禁止它评价和总结。人一旦让 AI 去总结它就会把自己脑补出来的东西混进去但只让它采集和罗列这种幻觉风险就小很多。实测下来同样一篇关于某个细分市场的调研采集岗位输出的素材量大约是草稿模式的 2~3 倍因为不用花精力组织逻辑、遣词造句算力全花在找上。采集产出的格式也很固定编号、来源、发布时间、原始内容摘录、它自己的备注比如存疑点、关联线索。这个格式我写进手册里AI 每次照做不像自由对话那样每次格式都不重样。2.2 数据分析把素材变成结论但不能超纲数据分析这个岗位干的活儿就是出结论市场格局、发展趋势、核心矛盾、机会点。它拿到采集阶段的素材包做交叉验证然后把结论写清楚。但它有一个铁律我写死在手册里任何结论必须有对应素材支撑素材不支撑的结论不允许写。如果素材有矛盾把矛盾本身写出来不能自己二选一。这个岗位的本质工作是把我们从这些材料说了什么过渡到这些材料能说明什么。它的角色设定是你是一名市场分析师负责基于素材包提炼洞察。要求结论需对应素材编号证据不足标注证据不足量化判断需检查数据口径严禁无依据的推断。为什么三个工种里必须有这个因为采集的角色铁了心不评价如果没人做分析你只能拿到一堆原材料还得自己逐条看。让 AI 先分析一遍你复核的工作量会小很多。但复核依然必须做因为分析岗位是三个工种里幻觉率最高的一个它太容易顺着你的话头编出漂亮结论了。后面我在常见问题里会详细展开这个坑。2.3 内容编辑负责产出能直接用的交付物内容编辑拿到的是数据分析的结果它的任务是按照主编的要求产出最终交付物——可能是报告、文章、汇报PPT大纲、决策建议清单什么形式都行。这个岗位的角色设定是你是一名内容编辑负责将分析结果转写为交付文档。要求严格遵循内容产出手册不新增观点、不修改结论语言风格按目标读者调整结构和格式按既定模板执行。三个岗位里这是最接近面向读者的一环。所以它的自由度是最低的数据分析说市场增速在放缓证据等级高编辑就绝对不能写成市场增长乏力前景堪忧。结论的措辞可以优化方向不可以动。2.4 工种拆分带来哪些实实在在的好处三个工种的设计不是拍脑袋。我尝试过两两组合——采集分析一体、分析编辑一体都试过最后还是老老实实分开了单一角色容易精神分裂。你给它叠太多职责它在不同任务之间切换时风格会忽左忽右经常出现前半段在罗列素材、后半段突然开始长篇议论的情况。拆开后每次只干一件事输出稳定性明显提升。质量可控性高。每个环节有明确验收标准出了问题知道该找谁环节改不用整篇推倒重来。可复用性强。这次调研的主题和上次完全不同但三个工种的结构不用动只要换手册里的行业词和交付模板就行。突发工作流很舒服。比如主编拿到分析结果觉得角度不对只需要重新给数据分析下发任务不用从头开始说背景。每个工种都保留了完整的上下文独立重跑成本很低。3. 两本手册怎么写才能让 AI 不跑偏3.1 调研规范手册这本管的是怎么干活第一本手册管的是工作流程我起名叫《调研规范手册》。它的内容分四块第一块是角色与协作关系。写清楚三个工种各干什么、输出物传给谁、谁的指令优先。比如采集输出给分析、分析输出给编辑编辑直接对主编负责。任何工种不得跨级传递未完成品。第二块是信息来源规范。要求优先采用一手来源和权威渠道信息二手信息须标注原出处社交媒体信息只作为趋势线索使用不作为数据结论支撑来源冲突时如实记录并标注信息冲突不得自行取舍。第三块是数据使用规范。核心就三条数据必须标注时间口径跨年份对比须注明统计方式变更风险样本数据必须区分大小写这一点我后面细说。这三条是防幻觉最有效的护栏。第四块是工作流说明。写清楚每轮任务启动时三个工种读取什么输入、产出什么格式、提交给谁校验。这本手册不需要很长几百字就够但必须每次开工前都发给对应角色的 AI 作为上下文。有人觉得我已经在角色设定里写过这些要求了但你实操会发现对话一长角色设定里的话 AI 就忘了。手册的作用就是反复提醒。3.2 内容产出手册这本管的是交付成什么样第二本手册管的是产出质量叫《内容产出手册》。这本是给内容编辑用的偶尔也给数据分析用比如要求分析的结论格式。它明确写死这些内容结构要求引言怎么写、章节怎么排、结论放哪、语言要求面向决策者时结论前置、面向大众时案例前置、禁止绝对化用语如一定必然、格式要求标题层级、表格样式、引用标注方式、禁忌列表不得使用空洞形容词、不得堆砌无出处数字、不得重复论点。举个例子手册里有一条结论句式模板——根据[素材编号][主题]在[时间范围]呈现[趋势方向]依据是[具体指标][数值]从[X]变化至[Y]样本或来源为[来源名称]。这个模板移植自传统媒体的信息写作法写出来的句子虽然不够惊艳但信息密度和安全系数都拉满了很适合 AI 生成内容。3.3 手册的迭代逻辑每次调研都是一次修订机会两本手册不是一次成型。我每次调研结束都会把这次跑下来的意外情况补进去。比如有一轮调研中采集岗位拿到大量短视频内容当时手册里没有对视频类内容的处理规范导致素材质量混乱。事后我就补了一条短视频平台内容仅可作为话题热度佐证不作为统计依据引用时标注平台、账号、发布时间。同理如果这轮调研中内容编辑生成的报告被人反馈结论太碎、没有重点下一版手册就会增加一条每个章节必须有 1 句核心观点放在章节开头第一段。就这样一点点加手册会越来越贴合你的实际业务。注意手册不是越厚越好。我发现超过 1500 字之后AI 对手册后面的内容遵从不明显了。所以手册要精简必要的话分拆成总册专项附件。总册写通用规范专项附件写本次项目的定制要求开工时两个一起喂给对应角色。4. 一个主编人的岗位才是这套系统的核心4.1 主编的职责清单三个工种可以由三个独立的 AI 会话分别承担也可以在一个会话里用角色切换依次完成形式不影响本质。真正决定产出质量的是主编——也就是你自己——有没有把三件事做好定义需求、把关质量、迭代流程。定义需求不是把主题丢出去而是想清楚三个问题这次调研的用途是什么决策支持、内容创作、知识扫盲目标读者是谁决定了内容产出手册里语言风格怎么选决策点和关键问题是什么决定数据分析该往哪个方向深挖。4.2 主编的六大实操清单我把主编的日常工作定成六件事拆解主题把一个宽泛主题拆成主问题、分问题、须收集的素材类型三者列表。发布任务把需求翻译成三个工种各自的任务指令。查看流程产出检查素材完整性、结论与素材对应关系、交付物格式。反向提问看完产出后主动问几个 AI 没想到的问题逼出更深层的分析。修订手册把问题反馈转化成手册修订条目下一次就少踩坑。知识沉淀保存调研过程中优质来源、关键数据、热门角度形成自己的素材库。4.3 主编最容易犯的两个错我见过不少朋友照着类似方案搭调研队效果不好大部分问题出在主编环节甩手掌柜式的启动只给 AI 一个主题然后就等结果。AI 能跑但跑出来的东西永远是大路货——什么领域都沾一点、哪个都不深入。拿 AI 当搜索引擎问一两个问题拿一段回答就完事那不需要这套体系。这套体系真正的价值在于把你的思考过程也拆开了你定了方向AI 负责执行你负责验收验收中发现的问题又反哺到下一次执行里。这样每一轮调研都是在为下一轮训练一套为你定制的外脑系统。5. 完整实操流程从选题到交付物的全链路5.1 准备阶段写一份调研任务书正式开工前先花 20 分钟写一份调研任务书。这是整个流程里性价比最高的动作模板如下调研主题XX领域/XX问题 调研目的用于决策 / 用于内容 / 用于扫盲 目标读者管理层 / 一线执行 / 大众读者 核心问题3~5个必须回答的问题 关键限定时间范围、地域范围、数据口径 交付物形式报告 / 框架 / 清单 / PPT大纲5.2 执行阶段三轮对话三个角色第一轮给情报采集发任务书调研规范手册。让它按主题和核心问题产出素材包。我会额外叮嘱如果某类素材本身稀缺请明确标注该领域公开信息稀缺不要用低质量来源凑数。这一步很关键因为素材稀缺本身也是调研结论的一部分。第二轮把素材包丢给数据分析。让它按照核心问题逐一给出结论每条结论必须带素材编号。如果它写的结论素材支撑不了或者两个结论互相矛盾直接打回重写。我一般会给它两次修订机会两次之后还不行说明素材包本身有问题回到采集环节去补素材。第三轮把分析结果交给内容编辑。同时附上内容产出手册中的交付模板。它按模板产出最终文档。产完之后我会只做一件事——检查有没有它自己加戏的地方。比如没有素材支撑却写得斩钉截铁的句子一律删掉。5.3 验收阶段主编的三遍检查法第一遍查漏核心问题清单上的问题交付稿是否每个都正面回答了。第二遍查错数据类表述是否有来源、时间、口径结论是否存在超纲推断交叉逻辑是否成立。第三遍看顺语言、行文、格式是否符合内容产出手册的标准目标读者是否愿意读完。三遍下来一份可交付的调研报告基本就成型了。时间花费大概是准备 20 分钟AI 跑三轮大约 20 到 40 分钟取决于主题复杂度主编审校半小时到一个小时。全套下来比传统人肉搜索手动整理至少省三分之二时间质量下限却高出不少。6. 常见问题与排查技巧实录6.1 满口正确的废话怎么办症状AI 的分析结论全是市场发展迅速用户需求多样化这类不痛不痒的话。原因数据分析受训于海量通用文本没有针对你的具体主题做压力测试只要不逼它用数据和来源支撑它的默认策略就是安全地泛泛而谈。对策在分析任务的指令里加一句话当你不能给出具体数据、案例或逻辑时只能写信息不足不得使用泛指形容词。这一句话立竿见影它会宁可承认自己不知道也不编废话了。6.2 信息互相矛盾怎么处理症状两个来源给出相反结论AI 选择其中一个看起来更合理的。原因分析角色默认遵循追求一致的训练倾向遇到矛盾会强行调和或偏好其一。对策在调研规范手册里写明当信息冲突时如实列出双方观点与其来源标注冲突点不得自行裁决如需主观判断必须明确标注依据主编判断。这样就把矛盾暴露出来由你决定怎么处理。6.3 上下文太长之后 AI 开始失忆症状对话超过一定长度后后面出现的角色要求、格式要求它开始不遵守。尤其是长对话中切换角色时A 角色的设定跑到 B 角色身上。原因大模型上下文窗口有限且对中间位置的注意力较弱。对策这实际也是我坚持三个工种分开会话的原因。每个会话只负责一个工种上下文短、角色设定不容易丢。如果你习惯用一个会话跑全程记得在每个任务开头重新粘贴对应角色的设定和手册不要指望它记住开头的角色预设。6.4 经常出来的数据明显是编的如何自检症状AI 引用的数据来源真实但数据本身不真实甚至来源、作者都对但年份对不上。原因大模型记忆污染——它确实见过相关表述但它会无意识地改写细节它的输出机制本身就不保证逐字准确。对策在调研规范手册里加一条所有引用数据必须提供可核验路径来源名称具体页面描述然后抽 20% 的关键数据人工核验。实测下来只要它知道你可能会去核验编造数据的概率就会明显下降。学术上这叫可验证性威慑技术上你把这句话写清楚它就收敛很多。6.5 AI 调研团队与人工团队有什么本质区别四问表对比维度AI 调研队传统人工调研启动成本低只需任务书和手册高需要人员、排期、协同信息广度高可快速覆盖大量文本取决于人力投入通常有限深度判断弱依赖主编定义问题框架强经验丰富的分析师能发现盲区交付稳定性高格式规则一旦固定每次一致取决于个体发挥浮动大学习迭代手册修订后即时生效需要组织级知识管理结论很简单AI 调研队不是替代人工而是把需要大量翻阅资料的脏活累活接过去把人的精力真正留在思考框架和判断上。本质上我搭这支调研队的过程就是把怎么做一个负责任的研究助理标准化然后交给 AI 执行。我个人最大的体会这套系统拼的不是 AI 的能力而是主编的提问能力和验收标准。AI 在你定义的问题框架里跑得又快又规矩但它不会自己定义问题——那是你的活。把这两件事分清AI 调研队才能真的打胜仗。最后再分享一个细节那两本手册我打印出来贴在工位上。每次开工前读一遍比在电脑里翻十遍都有用。