AI调研团队化打法：主编搭配三工种与两本手册，告别低效搜索

带过 AI 团队的人都明白，最尴尬的时刻不是模型答错，而是你压根不知道怎么给模型下任务。我自己折腾了大半年，从拿一个对话窗口当百科全书用，到后来形成了一套固定的协作打法：一个主编、三个工种、两本手册。这套东西的核心思路很简单——把 AI 调研当成一支小型内容团队来管，而不是当成一个超级搜索框。今天就把这套打法完整拆开讲，从岗位设计、手册搭建到实际跑通一次调研，全部分享出来。

先说结论：这套方法解决的是 AI 调研里最普遍的三个痛点——问题问得散、信息验得粗、成稿改得累。它的基本盘是四个人工角色（一个主编加上三个各司其职的 AI 工种），外加两份可复用的工作规范文档。适合经常要做行业分析、竞品拆解、用户调研、资料综述，但又不打算投入重人力搭数据管线的朋友。你不需要会写代码，只需要愿意把任务拆细、把要求写明白。

1. 整体设计思路：怎么把调研从“单人搜索”变成“小团队作战”

1.1 单兵作战模式的三个死穴

很多人一开始都会觉得，AI 调研不就是“打开对话框、输入问题、等结果”吗？我最初也是这么想的，结果连续踩了三个大坑。

第一个是问题发散。比如我想了解某个垂直行业的增长瓶颈，一上来就问“你怎么看这个行业”，AI 确实会像模像样地给出一千字分析，但仔细看就会发现全是正确的废话——没有数据、没有来源、没有对比，也没有任何可执行的信息。原因不难理解：问题太宽泛，等于把定义权完全交给了模型，它只能给你一个平均化的、四平八稳的回答。

第二个是信息失真。AI 模型不是数据库，它擅长的是语言组织而不是事实检索。当它一本正经地告诉你“据某机构统计，市场规模达到多少亿”时，你根本分不清这个数字是真实引用还是合理想象。我早年吃过这个亏，把模型生成的市场份额数据直接写进报告，后来核对一圈发现那个机构根本不存在。

第三个是成稿返工。就算你运气好，调研结果的质量还不错，真正把它整理成一篇能看的东西又得花半天时间。因为你之前问问题的思路是散点式的，没有统一的框架，素材自然也是碎片化的。素材不结构化，写作就只能靠硬拼，改稿改到怀疑人生。

1.2 团队化改造的核心：角色分离、流程固化、标准前置

那怎么解决？我的思路是别把 AI 当成一个人，而是把它当成好几个人分工合作。一个人干三个人的活容易乱，但三个人各干各的就不乱了。这套调研队模型的核心就是角色分离——采集归采集、访谈归访谈、写作归写作，每件事都用不同的提示词策略和不同的评价标准去驱动同一个模型。

角色分离的前提是流程固化。每次调研都走同一条流水线：主编拆任务、采集员找素材、访谈员做深挖、成稿员写文章、主编审稿验收。这一步不要嫌麻烦，固化流程最大的价值不是让你每次少动脑子，而是让质量问题暴露在可以定位、可以修的地方。比如最后报告里某个数据站不住，你可以顺势追溯是采集环节漏了源，还是访谈环节没有追问——问题定位到流程环节，就好解决了。

最后是标准前置。不是写完稿子才想“什么算好文章”，而是在开工之前就把好文章的标准写进手册里。AI 系统最吃指令，指令越清晰，产出就越稳。你提前规定了信息密度、行文语气、结构模板，模型就不会天马行空。

这套三角色模型有个特别妙的地方：它不动用额外的工具链。不需要搭知识库、不用写代码、不用接 API，只要在同一款 AI 产品里建三个不同的会话（或者用上下文区分角色），人肉切换工种就行。对绝大多数内容工作者来说，这就是成本最低、上手最快的 AI 调研方案。

框架整理出来之后是四层结构：

下面每个角色展开说说怎么设计、怎么用、会遇到什么问题。

2. 主编的调度法则：先弄清“要什么”再开工

2.1 主编的核心职责不是写稿，而是拆任务

很多朋友学了这个模型后最慌的就是“我要当主编？我行吗？”这里纠正一个误区：主编在这里不是行政职位，而是任务分解者。你的工作不是比 AI 更懂专业知识，而是比 AI 更清楚“一份合格调研长什么样”。

开工之前，主编必须先完成一个动作：把模糊的调研意向拆成具体的、可执行的子任务。比如“我想研究一下本地的面包店生意怎么做”这种想法，直接丢给采集员，你大概率会收到一堆关于面包行业宏观趋势的空泛报告。但如果你拆成“过去两年本地新开面包店的数量和存活周期”“做得好的三家店在产品结构上有什么共性”“外卖平台上的烘焙类目近一年有哪些变化”，调研方向瞬间就具体了。

具体的拆法我建议走三步：

1. 划边界：明确时间范围（近一年还是近三年）、地域范围（本地还是全国）、行业范围（细分到哪个品类）。
2. 找角度：从用户视角、竞争视角、供应链视角各提一组问题，宁可多不能少，后面可以让采集员去筛。
3. 定深度：明确是浅层速览（500字简报）还是深度研究（5000字报告），这直接决定后面访谈员的追问层数。

这三步做完，你会得到一份“调研指令包”。这份指令包是后面所有工种的输入，所以越具体越好。我习惯写成清单体，比如：调研主题是什么、核心问题是什么、已有信息是什么、缺失信息是什么、哪些风险要规避。主编在拆分时也要同步想好验收标准，别等到交付物摆在面前才说“感觉差点意思”。

2.2 主编怎么验收 AI 的产出

验收这个环节，很多任务做得糙就是因为主编只验收最终成稿，不验收中间产物。我的经验是：每次交接都要验一次。

采集员交来的素材清单，你要看它是否覆盖了全部子问题、信源是否足够多元（不能全是自媒体文章，要有行业报告、官方数据、一手采访）。访谈员交来的访谈纪要，你要看追问链条是否完整，关键数据是否有第二信源佐证。只有在每个环节都做一次“判断题”，最后成稿的质量才会稳定。

这里还要提醒一个容易翻车的点：主编是唯一需要“真的懂行”的人。三个 AI 工种再强，它们也只是语料库的复读机加组合器。真正判断一个信息合不合理、一个口径准不准确、一个结论能不能用，还是得靠你的行业常识。不要因为用了 AI 就把自己变成纯转发工具，该把关的地方一步都不能省。

2.3 什么时候该“人工介入”

比较有意思的是，主编还决定了 AI 的“自由度”。比如某些开放式探索型任务，我会有意告诉访谈员“你可以自主决定追问方向”；但如果是数据核对型任务，我就会跟采集员强调“不要自由发挥，缺失数据标注待核”。

在实操中我总结出一个简单标准：任务风险越高，越要收紧自由度。给内部晨会做个行业动态速览，放养没问题；给投资决策做依据或给论文做文献支撑，必须每一步都加上严格限制词和验证要求。这个分寸感，主编多干几轮自然就有数了。

3. 三个工种的岗位说明书：采集、访谈、成稿

3.1 信息采集员：先铺开搜，再收敛筛

采集员这个工种，很多人理解成“让 AI 去搜索”，这没错，但缺少方法。我给采集员定下的工作流程是四步：搜索、初筛、溯源、归类。

搜索阶段，要求采集员围绕主编给的每个子任务各提供 5 到 8 个信息点，不能只给一个孤立的结论，得把相关的背景、数据、观点都捞出来。初筛阶段，要求它能区分“事实描述”和“观点评论”，前者可以直接采集，后者要保留人物身份。溯源阶段最关键，我得逼它给出来源，这一步很多朋友会跳过去，觉得麻烦。但请相信我，AI 编造信源这件事比你想象得频繁，哪怕它现在已经开始接搜索能力了，依旧会有链接拼错、数据对不上的情况。最后归类阶段，要求采集员按主题分门别类输出，每一条信息都挂着来源链接和采集日期。

给采集员的提示词框架大概是这样的：

你是一名信息采集员，任务是围绕以下调研子问题搜集资料：【粘贴子问题】 要求： 1. 每组问题至少找出 5 个相关信息点，覆盖背景、数据、案例、不同观点。 2. 每个信息点必须标注来源标题、来源链接、发布日期。 3. 区分事实与观点：事实直接列出，观点注明是谁说的。 4. 找不到明确来源的信息单列一行并标注“待核实”。 5. 输出格式为分组清单，每组成员之间有简要归纳。

这里特别强调“待核实”这个机制。AI 的自我认知通常有偏差，让它判断“我是否找到真实来源”不太可靠，但“是否没有来源”这个判断相对可靠。只要交代清楚，它列出的“待核实项”基本准确，然后主编把这些项分配给人工核验，效率和准确率都能兼顾。

3.2 访谈员：用追问链代替一次提问

如果说采集员干的是“横向铺开”的活儿，那访谈员做的就是“纵向深挖”。很多人觉得调教 AI 就是“多问几遍”，其实不是多问几遍的问题，而是要设计好追问链条。

举个例子，你要调研某个产品的用户满意度。第一层问答只能拿到“满意度还行”这种模糊表述。合格的访谈员会立刻追问：“你刚才说的‘还行’具体指什么维度？是等待时间、服务质量、还是最终效果？”“用的是哪些数据来支撑这个判断？”“这些数据样本有多大、覆盖了哪些人群？”“数据口径是否包含近期变化？”——层层递进，把一个模糊结论深挖成一组可验证的链条。

访谈员的提示词我会让它带这几个关键词：存疑、反例、量化、信源。

你是一名深度调研访谈员，擅长从回答中继续追问。下面是一些初步访谈记录，请逐条发起追问： 1. 对每个核心结论，追问它的数据依据是什么，样本范围是什么。 2. 主动要求补充反例或不同意见，不要默认一面之词。 3. 每个概念尽量追问出可量化的衡量方式。 4. 如有矛盾之处，明确指出并尝试给出合理解释。 请输出为“追问清单 + 回答摘要”的结构。

这个工种用得好，你的调研资料就会从“一堆答案”升级成“结构化证据”。它的价值特别体现在交叉验证环节——当采集员拿到的两篇资料互相矛盾时，不要自己去猜，而是把矛盾丢给访谈员，让它以第三方口吻设计一组验证性问题，再去问另外的 AI 会话或资料库。我实际跑下来，这招对识别过时信息很管用。

3.3 成稿员：不原创，只重写

成稿员这个角色定位要有清晰的边界——它不是原创者，而是材料的重组者。很多 AI 写作翻车的案例，都是因为直接让 AI 凭感觉“写一篇文章”，而去年的这套模型里，成稿员的工作前提是素材已经全部到位、结构已经确定，它只做内容填充和语言打磨。

给成稿员的指示里，我建议明确三件事。第一是文章结构：按手册规定的模板来，引言给背景和核心问题，正文按主题分层展开，结尾给结论和行动建议，这个结构要先定死。第二是素材来源接口：告诉它每一段必须基于哪几条采集记录来写，严禁凭空补充数据。第三是语气与用词边界：这是靠写作手册去约束的，下一节会详细说。

成稿员提示词的骨架：

你是一名资深撰稿人，请基于以下素材整理成文。 素材：【粘贴采集结果和访谈纪要】 要求： 1. 严格依据素材写作，不得新增未出现在素材中的事实或数据。 2. 结构必须采用：背景铺垫→分主题论述→结论建议。 3. 语言风格参考【这里粘贴写作手册里的风格段落】。 4. 段落之间注意逻辑过渡，但不要使用废话连接词。 5. 交付格式：Markdown 文档。

写好之后，主编会把成稿发回给访谈员做一轮“事实核查”，再回到主编手里终审。这一来一回，文章质量就会比单线生成高出一个档次。

4. 两本手册怎么建：一本管信息、一本管表达

4.1 调研手册：把“怎么找”和“信什么”固定下来

第一本手册是《调研执行手册》，服务对象是采集员和访谈员。它的核心内容不是调研方法论，而是你基于自身行业、话题偏好总结出来的信息标准。

手册里要写清这几类内容：

• 信源分级清单：哪些平台的信息可以直接信（比如官方统计口径、学术数据库、一手财报），哪些只能参考（垂直媒体、行业自媒体），哪些绝对不能用（无实名来源的内容农场）。
• 数据验收线：什么类型的数字必须双源核对，什么类型的趋势判断至少要三篇独立来源支撑。
• 术语表与口径池：把行业里的关键指标、模糊概念统一好定义，避免不同工种之间理解偏差。
• 禁忌提示：你知道某些方向是坑的，直接写进去，省得每次反复驰警告。比如有些数据总是只更新到某一年，那就在手册里写明“引用时注意时效，不得使用过于久远的数据源”。

写这本手册的时候别追求一步到位。我第一版也就十页左右，后来每一次调研踩了坑就回去补一条，慢慢变成一个越来越贴合自己需求的口粮手册。这比一上来就搞个几十页的空洞理论强得多。

4.2 写作手册：把“看得懂”和“愿意读”拿捏住

第二本手册是《写作规范手册》，服务对象是成稿员。很多人对 AI 写作的不满在于“一眼就能看出是 AI”，其实这不是 AI 的问题，是你没给它你的语言习惯。写作手册就是干这个的。

里面至少包含几个模块：用词倾向、句式建议、结构模板、禁用词清单。用词倾向可以写“多使用具体动词和名词，少用形容词和程度副词”，比如不说“显著提升”，要说“从 50% 提升到 68%”。句式建议可以写“每段话最多两个长句，其余必须是短句”，这样成稿读起来会更脆生。禁用词清单要列出你最讨厌的 AI 腔词汇，比如“值得注意的是”“总而言之”“随着时代的发展”，每个词后面标注替换方式。

写这个手册有个效果特别好的技巧：用你自己过去写的、比较满意的文章作为风格锚点。截一段三五百字的代表性内容，贴进手册里作为“范文示例”，AI 对示例的学习效果远比文字描述好。

两本手册的关系可以这样理解：调研手册管“说什么”，写作手册管“怎么说”。前者保证内容可信，后者保证内容可读。有些人用这套方法后跟我说没效果，一问才知道只有一本调研手册，成稿环节还是全凭运气——两本必须同时上，缺一环节质量就混乱。

5. 实操案例：跑通一场完整的 AI 调研

5.1 立项与任务拆解

理论说了这么多，拿一个我最近做的模拟项目X来复盘——一次对本地独立咖啡店外卖运营情况的调研。刚开始需求也很模糊，“看看咖啡外卖还有没有机会”。听着像随口聊天，但如果直接拿去问 AI，它会给你一篇“中国咖啡市场发展前景分析”的八股文。

作为主编，我先做拆解。把这个大话题拆成四个子任务：

1. 本地咖啡外卖的近一年市场表现（规模、增速、头部品牌动作）。
2. 独立咖啡店做外卖的常见痛点和成本结构。
3. 三家典型独立咖啡店的外卖运营策略对比。
4. 外卖平台上消费者对独立咖啡店的评价关键词与不满点。

拆完写进调研指令包，每个子任务后面挂一两句背景说明，比如“为什么关心这个方向——是为了判断独立小店还能不能入场”。

5.2 三工种接力执行过程

第一阶段：主编把指令包发给采集员，限定两轮输出。第一轮是初步素材，每个子任务给我 5 个信息点；第二轮是基于我反馈的筛选结果做精准补充。

这一轮实际遇到什么情况呢？子任务一里，采集员给了几个看起来很有说服力的市场规模数据，但我注意到来源都是同一家媒体平台。按照调研手册的规则，“同一源不算独立验证”，我直接要求它在另外的平台上找交叉数据。这就体现出流程化的好处——我不用去想“怎么问才能避免这个问题”，只需要照手册规则执行验收标准。

第二阶段：把采集结果的骨架部分交给访谈员。重点挖掘子任务三里那个成本结构的细节。访谈员问出了几个我之前没意识到的问题：比如外卖专用包装成本在单品毛利里的占比、平台活动补贴的“倍率”怎么叠加、雨天订单的配送时长波动区间。这些信息后来成了报告里最有价值的部分——它不是公开资料的复读，而是逻辑延伸和重组的产物。

第三阶段：成稿员把素材和访谈纪要整理成一篇 4000 字左右的调研简报。过程中出现了两次语言风格偏移——一次是用了“赋能”这种词，被我标进禁用词清单；另一次是段落过渡用了“然而，我们不禁要问”这种做作表达。我在写作手册上补了一条例：“禁止空泛过渡句，段落之间直接用语义衔接。”

5.3 从调研到决策的衔接

最后一环容易被忽略——调研报告写出来后，主编要做什么？我的做法是让成稿员在报告末尾生成一段“可执行线索”，把报告中的发现转成几条具备潜在行动方向的目标条目。比如“本地咖啡外卖市场头部集中度高，独立小店的机会在差异化产品而非价格竞争”“雨天配送体验是差评高发点，可以考虑专送团队合作”等。

这些线索虽然还不到最终决策的层面，但它能极大降低读报告的人提取建议的成本。你注意到没有，整个过程中真人投入最多的地方不是写，而是判断——拆任务时判断什么值得调研，验收时判断什么能采信，最后判断什么线索有行动价值。AI 负责把信息变成材料，人负责把材料变成判断。

6. 常见问题与排查技巧实录

6.1 幻觉与信息失真的兜底方案

聊到 AI 调研，回避不了幻觉这个问题。我自己的策略从来不是“防止幻觉”——这是模型层面的课题，我在应用层面能做的只有“验证”。验证成本控制在三步以内：核心数据双源核对、关键引述回到原文、高风险结论人工复核。

真正有实操价值的心法是：在提示词层面给幻觉留出出口。不要只要求它“必须正确”，还要允许它说“不知道”。我常年在所有工种的提示词末尾加一句：

如果某个问题没有找到可核实的答案，请明确回复“以下内容为推断，未经核实”，而不是强行给出结论。

就因为这句看似多余的话，实际筛查效率提升了非常多。模型一旦被允许“承认缺失”，它就不必硬着头皮编造，整体的胡说八道率会下降一个量级。

6.2 角色漂移问题：AI 会慢慢不像原来那个工种

套用过这套方法的朋友还会遇到一个怪现象：用久了之后，采集员开始越权做判断，成稿员总想自己加数据。这本质上是上下文污染导致的角色漂移。解决思路有两个：第一，每个工种保持独立会话，不混在一个对话里。采集员如果看到后面访谈员的追问记录，很容易被带偏思路。第二，每次开工前重置角色设定，哪怕用的是同一个会话，也要先把岗位提示词重新粘贴一遍，别嫌麻烦，会发现每次重置后输出的质量稳定性会显著提升。

6.3 让这套系统越用越顺的迭代方法

最后聊聊迭代这个事。这套调研队的搭建不是一锤子买卖，它最值钱的是那两本手册，而手册的成长性才是长期价值的核心。

我会在每次调研结束后留出二十分钟，做一轮“复盘四问”：

1. 这次接待的素材里有哪类信源特别难找？要不要在手册里增加专门的搜索渠道提示？
2. 访谈员有没有问出特别漂亮的问题？把这个问题模板存下来，回填进手册的追问库。
3. 成稿员产出的片段里有没有哪段质量特别高，可以直接当范文？替换掉手册里的旧示例。
4. 有没有一类任务特别容易触发幻觉？在命令包里加一行标准防护指令。

这套复盘机制跑三个月下来，手册会从一份通用模板变成你个人的、带私密经验的工作秘籍。到这一步，哪怕你换一款 AI 工具，迁移这套打法也只是粘贴复习的力气。在我看过的所有 AI 工作流经验里，收效最稳定、成本最低的就是这种“重流程、轻依赖”的组织方式，不捆绑某个特定产品，也不被某一次模型升级绑架。这也是我至今不愿意换掉它的原因——AI 会变，打法不会过期。

最后分享一个个人习惯：我会把主编的“终审意见”单独存成一个文档，连着几次调研下来就会发现，自己在意的重点其实相对集中，而这些判断偏好恰好就可以沉淀成下一版手册的更新输入。这套方法从 0 到 1 搭起来，大概只需要一周内两三次完整跑通，后面就是滚雪球一样的增益。如果你还在拿 AI 当高级搜索框用，不妨试一次角色化的编排，感受会完全不一样。