一句话定义
研究型工作流是把一次调研拆成搜索、筛选、精读、判断、成文几个独立步骤，并在每一步明确 AI 与人的分工。
它要解决的核心问题是：AI 让产出变便宜了，但让可信度也变便宜了。 流程的作用是把这两件事重新分开。
为什么重要
直接用「帮我调研一下 X，写份报告」几乎必然得到一篇看起来完整、引用可疑、结论含糊的文档。原因不是模型不行，而是任务把「找证据」和「下结论」混在了一步里。
拆开之后，价值立刻出现：搜索阶段 AI 拓宽覆盖面，精读阶段 AI 做结构化提取，判断阶段由人负责，成文阶段再交回 AI。
一条可用的流水线
- 定义问题：写出你真正要回答的一句话。写不出来就先别开始。
- 广度搜索：让 AI 列出 8–12 个可能相关的方向、关键词、反面观点。不要让它给结论。
- 定向深挖：逐个方向找一手来源——论文、官方文档、财报、原始数据，而不是二手转述。
- 结构化提取：对每份来源，让 AI 输出固定的字段：主张、证据类型、样本量、局限、与我的问题有何关系。
- 交叉验证：寻找互相矛盾的来源，重点读矛盾点。一致的部分通常不重要。
- 人工判断：这一步不能外包。哪些证据可信、结论能推到多远，是你的责任。
- 成文与溯源：要求每个论断后面标注来源。做不到的论断，删掉或降级为「推测」。
关键纪律
- 要求引用，并且真的去点开链接。 链接存在不代表内容支持该论断。
- 区分一手与二手。 让 AI 明确标出每条信息的来源层级。
- 记录被排除的选项。 你否定了什么、为什么否定，比最终结论更有复用价值。
- 先写结论，再写论证。 反过来写会走很多弯路。
常见误解
- 「AI 能替我做研究」：它擅长扩大搜索面和做结构化整理，不擅长判断证据权重。
- 「有引用就等于可靠」：模型可以生成看似合理但不存在的引用。这是最常见的失败模式。
- 「搜索一次就够了」：真正的信息往往在第三、四轮追问之后才出现。
延伸阅读
- Knowledge Management：让每次调研沉淀成资产
- Evals：如何衡量这套流程有没有变好