用 AI 辅助行业研究的工作流

最后更新：2026-04-22

摘要

行业研究是 AI 能帮到最多的场景之一——但也是最容易被 AI 带偏的场景（模型爱编数字、编人物、编事件）。本文给出一套分工式工作流：哪类任务交给哪个 AI，哪类任务必须手动，以及几个具体 prompt 模板和反幻觉校验流程。

一条铁律：AI 不碰"数字、人名、时间"

永远不要相信 AI 直接生成的： - 具体数字（营收、估值、融资、市占率、员工数） - 具体人名（"XX 是 YY 公司 CTO"） - 具体时间（"2024 年 3 月 XX 发布了 YY"） - 具体 URL

这些必须从原始出处复制粘贴（财报 PDF、官方新闻稿、官网 About 页）。AI 用来组织信息，不用来提供信息。

工具分工

能力	首选工具	次选	不用于
宽泛主题综述（"XX 行业是干什么的"）	Claude / GPT-5	Gemini	具体数字
网络检索（实时事件、最新新闻）	Perplexity / ChatGPT Search	Grok	长文合成
深度研究（5-10 分钟自动跑）	OpenAI Deep Research / Gemini Deep Research	Perplexity Deep Research	不核查就引用
多文档综合（你扔 20 份 PDF 给它读）	Claude Projects / NotebookLM	ChatGPT Projects	生成新事实
长文撰写与校对	Claude (Opus / Sonnet 4.6+)	GPT-5	—
论文/学术综述	NotebookLM + Perplexity Academic	Elicit / Consensus	—
结构化表格提取	Claude + artifacts	ChatGPT Canvas	—
中文一线信息	Kimi 探索版 / 豆包	DeepSeek	海外最新
专利检索	Google Patents Advanced	—	AI 总结（必须读原文）

典型工作流

A. 写一家公司的调研文章

graph TD
    A[1. Perplexity: 找最新新闻<br/>搜 '公司名 2026 financials funding news'] --> B[2. 下载官方资料<br/>财报 / 招股书 / About 页 / 技术博客]
    B --> C[3. 扔进 Claude Project<br/>建一个以公司命名的 Project]
    C --> D[4. 让 Claude 按模板生成骨架<br/>引用来源必须带页码/URL]
    D --> E[5. 人工校对每个数字]
    E --> F[6. 用 Perplexity 交叉验证<br/>'verify: X 公司 2025 收入是 Y'？]
    F --> G[7. 用 Claude 做语言润色<br/>强调区分事实与观点]

Claude Project 配置建议： - Project Name = 公司名（如 "Anthropic Research"） - System Prompt =

你是一名行业研究分析师。在回答关于 [公司名] 的问题时：
- 每条事实性陈述都必须在回答末尾标注来源（必须是我提供的文件）
- 不要从你的训练数据生成具体的财务数字或日期
- 如果文件里没有，直接说"文件中没有提到"
- 用中文回答

- 文件：财报 PDF、招股书、官方技术博客 markdown、创始人访谈 transcript

B. 写一篇行业研究文章

graph TD
    A[1. Gemini/OpenAI Deep Research 跑一次<br/>深度 report 作为第一轮素材] --> B[2. 人工审核 Deep Research 的引用<br/>挑出可信源进入下一轮]
    B --> C[3. NotebookLM 加载精选源<br/>5-15 份 PDF/网页]
    C --> D[4. 用 NotebookLM 做交叉问答<br/>'这几个文件对 X 观点是否一致']
    D --> E[5. Claude 组装骨架]
    E --> F[6. SemiAnalysis / Epoch / AI Index 查硬数据]
    F --> G[7. 人工成文 + 交叉验证]

Deep Research 工具横评（当前）：

工具	长处	短处
OpenAI Deep Research	覆盖广、引用多、报告结构好	经常引学术论文中立场明显的片段，需人工筛
Gemini Deep Research	速度快、免费额度多、Google 原生搜索权重高	中文源明显少
Perplexity Deep Research	写作风格好，引用 UI 好	深度不如前两者
Grok DeepSearch	实时 X/Twitter 整合独一份	除 X 外的源质量一般

我的选法：海外公司/技术话题 → OpenAI Deep Research；中文市场话题 → Perplexity + Kimi 探索版 + 券商研报；快速验证某件事 → Perplexity 普通模式。

C. 写一篇产品调研文章

graph TD
    A[1. 亲自上手 2-4 小时] --> B[2. 记录体验要点<br/>直接写给 Claude 整理]
    B --> C[3. 爬官方 Changelog / 文档<br/>用 Firecrawl 或手动下载]
    C --> D[4. 拉 HN/Reddit 社区评论<br/>Claude 做情感聚类]
    D --> E[5. 对比表由 Claude 生成<br/>逐行核对真实性]

关键点：产品调研必须亲自用过。没用过就写"以下基于公开材料"，不要冒充实操。

Prompt 模板库

模板 1：公司骨架填充

根据我上传的 [公司名] 材料（财报 / 招股书 / 官方技术博客 / 访谈），按以下结构输出初稿：

1. 公司速览（创立时间、创始人、员工规模、最新估值——每个数字必须引用文件页码）
2. 历史沿革（只列 5 个关键转折点，每个要有：时间、事件、影响）
3. 业务与产品（按收入贡献从大到小排序，标注来源）
4. 技术路线（核心模型/技术差异化，必须有原文引用）
5. 商业模式（定价、客户集中度、收入结构）
6. 竞争与壁垒（3 个直接对标 + 护城河清单）
7. 关键风险（监管、技术、商业、人才，各 1 条）
8. 信息源清单

约束：
- 每条事实必须带来源（文件名#页码 或 URL）
- 文件里没有的事实，写"[待查证]"
- 我的观点单独放在最后一段，标注"观点"

模板 2：行业格局 mapping

主题：[行业名] 的竞争格局

我上传了以下材料：
- Stanford AI Index 2026
- State of AI 2025
- 2-3 份券商深度研报
- 3-5 家头部公司最新财报

请按以下结构输出（每条引用来源）：

1. 行业定义与相邻领域的边界
2. 价值链图（上游/中游/下游，每一环主要玩家 + 估算毛利）
3. 市场规模（2023-2025 实际 + 2026-2028 预测，标明每个数字来源）
4. 头部玩家（按收入 / 估值 / 月活 各排一次）
5. 近 12 个月关键变化（产品发布、融资、并购、监管）
6. 未来 12-24 个月关键变量

输出用 Markdown 表格，不要用散文。

模板 3：产品横评

输入：[产品 A] vs [产品 B] vs [产品 C]

每个产品我上传了：官网产品页 HTML、Changelog、3 条 HN 热帖、1 个 YouTube 深度评测 transcript。

请按以下结构对比：

1. 定位一句话（每个产品）
2. 能力覆盖矩阵（功能维度 × 3 个产品的 ✅/❌）
3. 定价对比表
4. 典型用户评价（引用原文）
5. 我的倾向（如果我是 [某种用户]）

约束：只引用我提供的材料，不要使用你训练数据中的产品知识。

反幻觉校验流程

写完一篇文章，在发布前过这个清单：

• [ ] 所有数字都能回查到原始 PDF / 网页的具体行
• [ ] 所有人名 title 都查过官方 LinkedIn 或公司官网
• [ ] 所有时间（发布日期、融资日期）都从公告 / 新闻稿确认
• [ ] 所有 URL 都实际点一遍，确认不是 AI 编的
• [ ] 文中标明"观点"的段落清晰区分于事实陈述
• [ ] 至少两处独立来源相互印证关键结论
• [ ] 无 markdown 格式错误、无繁简混杂

快速检查技巧： - 把成文扔给 Claude：以下文章中有哪些可能是幻觉的事实？列出需要我去核实的 10 个点。 - 扔给 Perplexity：verify: [关键事实] - 扔给 Kimi / DeepSeek 做中文源交叉：对中国公司尤其重要

工作流中的工具调用频率（按我个人使用）

频率	工具
每天	Perplexity、Claude Desktop（Projects）
每周 2-3 次	NotebookLM、OpenAI Deep Research
每月	Gemini Deep Research、Kimi 探索版、Grok DeepSearch
按需	Elicit、Consensus（学术专用）

常见踩坑

1. 直接让 AI "写一篇 Anthropic 的调研文章"——100% 会编数字。要先给素材再让它写。
2. 迷信 Deep Research 的引用——引用存在不代表引用支持你要说的观点。要点开每条引用读。
3. 用 AI 翻译英文报告——Claude/GPT 翻译质量高，但专业术语（特别是金融、法律）偶尔会错。
4. 用 AI 直接做市场规模测算——AI 不会做自下而上建模，它只会复述别处看到的数。
5. 同一问题只问一个 AI——多问几个交叉比对成本不高，但能显著降低被单一模型偏见带偏。

延伸阅读

• 一手信息源清单
• 常用行业数据源
• 如何做一次公司调研