取代我的分析师的那套研究工作流

在与新客户的第一次对话之前,有一种”准备”看起来像在工作,其实不是。你打开十五个标签页,读公司的”关于我们”页面,刷一遍 LinkedIn 动态和几篇分析师笔记。三个小时后,你对这家公司有了一种模糊的印象,却没有任何真正的观点。我这样做了好多年,因为它感觉很尽职,也因为另一种选择——带着一个尖锐、可能出错的观点走进会议室——感觉比带着一个安全、容易被忘掉的观点更冒险。

我花了太长时间才注意到这个显而易见的事实:客户在第一次会议上真正花钱买的,是一个资深人士的观点。一种对他们处境的解读,尖锐到即便说错了也很有意思。标签页产生不了这个,综合思考才行。阅读只是入场费,而这恰恰是机器现在真正擅长的部分。

所以,当我围绕 AI 重建这套工作流时,目标从来不是”读得更快”。而是把低价值的收集环节压缩到几乎为零,把省下来的时间花在机器做不到的那件事上——决定这一切意味着什么。以下是完整的管道,以及后来因为出问题而被我删掉的那两个部分。

它的形状

三个阶段:**收集、压缩、拷问。**前两个是自动化的。第三个是手动的、永久性的,也是这套工作流存在的全部理由。如果你从这篇文章只带走一件事,那就是第二阶段和第三阶段之间的那条边界——大多数人对 AI 研究的误解正是发生在那里。

第一阶段——收集

我在 Obsidian 里为每个新客户保留一份统一的笔记模板。一旦有名字进来,我就把这家公司的公开材料放进一个结构化的收录表:最新年报的相关章节、近期媒体报道、两三篇能建立背景的行业文章,以及客户或同事已经发给我的任何东西。纯文本,一份笔记,放在我自己掌控的 vault 里。

这里的重点绝不是数量,恰恰相反。我要组装的是一份小而干净、经过刻意筛选的输入,好让下一阶段有优质的素材可用。在这一步花五分钟做人工筛选,对最终输出的贡献远超任何数量的自动化收集——这个说法我后面还会回来讲,因为我是付出了昂贵的代价才学到的。

为什么用 Obsidian,而不是聊天窗口——聊天记录会消失在一段你再也不会去读的滚动条里。而 Markdown vault 会不断累积复利。我写的每一份客户笔记都保持可搜索,所以六个月后当同一个行业再次出现时,那份综合分析早已经在那里等着。这套工作流的设计目的是留下一份资产,而不只是产出一个答案然后蒸发掉。资产与答案之间的区别,就是”使用 AI”和”用它来建造东西”之间的区别。

第二阶段——压缩

这是大家都以为是整个工作流的阶段。实际上它是最不重要的一环。我把收集来的材料交给 Claude,给出一个单一而具体的指令:不要总结,要对比。

我不想要”这家公司是做什么的”。这个我自己能读。我想要的是”一个称职的外部人士在头十分钟内就会注意到的这门生意里的三个张力”。总结让人舒服却没用——它给你的只是一段你自己也能写出来的话。张力才是会议真正发生的地方,因为张力是客户已经感觉到、却还没解决的东西。

能可靠产出这个结果的指令:

You are briefing a senior consultant before a first meeting.
Do NOT summarise. Identify the 3 strategic tensions visible in
this material. For each: state the tension, cite the evidence,
and name the question it raises that management probably avoids.

“总结这个”和”找出张力”之间的区别,就是研究工具和思考伙伴之间的区别。前者给你一段维基百科式的文字。后者给你一些可以在会议室里说的东西——更重要的是,一些可以拿来争论的东西,而这正是第三阶段。

第三阶段——拷问

现在我要和它争论。我拿模型找出来的三个张力,逐一手写反驳:这是真的,还是只是把显而易见的解读包装了一下?要满足什么条件,这个才会是错的?这几个当中,哪一个真的会改变我要给出的建议?

这一阶段不是自动化的,也永远不会是。它就是这套流程的重点。机器提出候选想法的速度比我快得多——不管我用什么词来形容,这确实是我时间的真实节省。但它对哪些是真的没有任何利害关系。我有。客户花钱买的是我对”哪个张力才重要”的判断,而不是模型列出三个张力的能力。这种分工——机器提议,人类决定——就是我整个工作方式的哲学,浓缩成了一套工作流。

机器擅长快速给出”这里有十件事”。你被雇来做的是”这里是唯一重要的那一件”。永远不要把后半部分自动化。

等我走进会议室的时候,我已经有了一个清晰的观点、两个我判断为真实的张力,还有一个我有意识地舍弃掉的张力——而我能解释为什么舍弃它,这往往是我整场会议里说的最有说服力的一句话。

我扔掉的那两个步骤

这套工作流已经是第四个版本了。早先有两个步骤看起来很聪明,演示效果也很好,却悄悄地让输出变差了。两者都值得说一说,因为错误比成功更有教育意义。

**自动化网页抓取。**第二版有一个步骤,会自动抓取一家公司所有的公开信息——新闻、社交媒体、媒体报道,全都要。它感觉很强大,看起来也很厉害。实际上它把低质量的噪音灌进了压缩阶段:回收利用的营销文案、近乎重复的新闻稿、SEO 垃圾内容。返回的张力变得更平淡、更泛泛而谈,因为模型现在是在一堆推广性文字上做平均,而不是在几份优质来源上做推理。手动筛选五分钟的输入,每一次都胜过自动收集垃圾。我删掉了那个抓取器。教训是:在一套 AI 工作流里,输入质量决定了输出的天花板,而自动化通常会降低这个天花板。

**“置信度分数”。**第三版让模型对每个张力给自己的确定性打分,一到十分。它看起来很严谨——数字总是显得很严谨。但它其实是表演。这些分数是随意的,没有任何可衡量的依据,最糟糕的是我发现自己开始相信它们——把一个模型基本上是编出来的 7 分当真,而不是自己形成判断。任何把判断外包给一个从未被真正测量过的数字的做法,都要砍掉。这不是这套工作流特有的问题;这是我现在到处都在应用的一条规则。

这两次失败都有同一个根源:任何 AI 工作流里的诱惑,都是把思考这一步自动化,因为思考是看起来最厉害的那部分。但思考恰恰是你被雇来做的事。把收集自动化。把压缩自动化。然后,拼了命也要守住判断。

你真正需要什么来运行这套流程

几乎什么都不需要,这正是重点。一个 Markdown 笔记应用(我用 Obsidian)、一个够格的 AI 模型,再加一份可复用的模板。没有抓取器,没有打分体系,没有十四件套工具栈。我用的工具在有联盟计划的地方都会附上链接,而且我只列出自己实际在用的东西——见下方的披露说明。

如果你想要这篇文章里的完整收录模板和整个提示词链——结构化的 Obsidian 笔记、对比提示词,以及我在第三阶段用的拷问清单——我已经把它打包好了:

**→ Prospect Intake + Tension Brief 模板——$29。**放进你的 vault,四十分钟内跑完你的下一个客户。(尚未开售,会先发给邮件订阅名单;在下方注册。)

**披露:**本站部分链接是联盟链接——如果你通过它们购买,我可能会赚取佣金,你不需要额外付费。我只推荐自己实际在用的工具,如果试过某样东西没能通过考验,我也会告诉你。这就是这里的全部承诺。

这就是这套工作流。四十分钟,最后得到一个真实的观点,vault 里还多一份能让下一次更快的笔记。标题里说的那位分析师从来都不是一个真人——那是我自己半天时间,花在一件其实不是思考的事情上。这就是我现在用这半天时间做的事。

工作流系列下一篇 → 从会议记录到交付简报的管道。