这个标题我第一眼看到就觉得挺有意思。一个主编、三个工种、两本手册听起来像一家小型内容公司的配置但它实际上讲的是怎么用 AI 搭一支调研队伍。我试着按这套思路搭过一轮发现它比单纯让一个 AI 助手写三十轮对话要可靠得多。原因也不复杂——它把“请帮我调研一下”这种模糊指令拆成了有角色、有流程、有验收标准的团队协作。这套体系适合谁呢经常做竞品分析、行业研究、内容选题、资料整理的人以及刚接触 AI 工作流、想知道怎么把提示词工程落到真实场景里的人。披萨只是个比喻饼底是流程馅料是不同工种主编负责把控烤箱的火候。下面我把自己搭建这套“AI 调研队”的全过程拆开讲包括角色怎么定义、手册怎么写、实际跑一轮要花多少轮对话以及那些不踩一次根本意识不到的坑。1. 为什么是“一个主编、三个工种、两本手册”很多人上手 AI 调研时习惯做法是打开一个对话框输入“帮我调研一下某某行业输出一份报告”。然后呢得到的答案往往结构松散、数据过期、结论模棱两可让你忍不住怀疑它到底有没有认真读题。问题不在 AI 能力而在任务边界。调研这件事本身包含大量相互冲突的子任务既要广泛收集信息又要深度推理验证还要用清晰的表达组织成文。如果让同一个模型在同一个上下文里同时做这三件事它会不停在“找资料”“想逻辑”“写句子”之间来回横跳最后的输出必然是三不像。所以我把团队拆成了主编加三个工种的模式本质上是给 AI 做了一次“任务降维”。1.1 一个主编给 AI 团队装上质量控制中枢主编不是第四个工种它是一个横跨所有环节的统筹角色。在我这套设计里主编负责四件事接单、拆题、派活、验收。接单指主编从用户那边拿到原始需求拆题指把大的调研目标拆成可执行的子问题派活指把子问题分派给合适的工种验收指审核每个阶段的产出是否达标不达标就打回重做。这就好比真实内容团队里主编不用自己写完全部稿件但他决定哪篇稿能发、哪篇需要返工。关键细节在于主编必须把用户的原始需求原封不动地保存在对话开头每次审核都对照原始需求而不是凭自己的理解“自由发挥”。我见过太多 AI 生成的调研报告跑偏就是因为中间某个环节把用户核心诉求理解窄了后面全在围绕错误方向输出。有主编这个角色盯着等于在流程里加了一道“防止目标漂移”的保险。1.2 三个工种任务越专输出越稳三个工种我设定为检索员、分析师、写稿人。这不是随便分的而是调研工作的三个核心环节采集信息、加工信息、表达信息。检索员负责信息收集更看重广度和来源标注。它的输出是“资料包”不需要评价只需要整理。分析师负责把资料消化成洞察更看重推理和交叉验证它输出的是一份“分析笔记”包括结论、证据链和风险点。写稿人负责把分析笔记变成用户能直接读的报告更看重结构、可读性和篇幅控制它输出的才是最终成品。为什么不让一个 AI 全程搞定我用一个生活化的对比解释你去餐厅吃饭如果一个人既当采购又当主厨还当前台收银大概率上菜慢且质量不稳。分工之后每个人只做自己最擅长的事出错率自然降低。AI 也是一样模型在专职任务上的表现明显好过它“全知全能”时的表现。工种核心职责输入输出常见失败模式检索员收集、整理、标注来源主编拆好的问题清单结构化资料包编造信息来源、检索面过窄分析师验证、推理、归纳检索员资料包分析笔记脱离证据强行下结论写稿人组织、润色、控制篇幅分析师笔记可直接交付的报告堆砌辞藻、忽略用户原始要求1.3 两本手册AI 没有记忆手册就是组织记忆两本手册一本叫《流程手册》一本叫《提示词手册》。为什么需要它们因为 AI 没有跨会话记忆。你昨天让这个模型扮演过检索员今天它不会记得。就算在同一个会话里翻到第 20 轮时它也可能把最早的角色设定忘得干干净净。《流程手册》解决的是“团队怎么干活”的问题也就是标准作业流程。它把调研分成接单、拆解、检索、分析、成稿、终审六个阶段每个阶段写清楚谁负责、输入是什么、输出是什么、验收标准是什么。这相当于给团队立了规矩。《提示词手册》解决的是“具体怎么说话”的问题里面有每个角色的完整 System Prompt、常用提问模板、报告格式样例相当于岗位说明书加工具包。我把这两本手册放在一个共享文档里每次跑完一个调研任务就回去修订一次。哪一步导致返工就改手册哪句提示词模型没理会就换一种写法。这个习惯坚持下去手册会变成你个人的“AI 团队资产”越用越顺手。2. 实操搭建从空文档到一支能跑的调研队搭建的第一步不是写提示词而是先写流程手册。流程定了角色和提示词才有依据。如果你反着来先写一堆提示词再去排流程很容易发现角色之间的交接非常混乱——比如检索员不知道把结果交给谁分析师不知道按什么格式给写稿人主编也不知道在哪个节点介入审核。2.1 先写《流程手册》把调研拆成标准动作我在《流程手册》里定的调研流程是这样的。第一阶段任务接收与拆解主编负责。把用户的一句话需求拆成 3 到 5 个子问题并确定报告大纲。第二阶段信息检索检索员负责。按问题清单逐项收集资料每个事实附上来源和时间标注。第三阶段交叉验证与分析分析师负责。检查资料之间的逻辑一致性标记矛盾点提炼核心结论。第四阶段成稿与精简写稿人负责。按照用户要求的格式和篇幅产出报告确保每部分对应一个子问题。第五阶段主编终审与交付主编负责。对照原始需求逐项检查不合格则返工。手册里每一项都写“输出格式”因为格式即边界。检索员如果自由发挥写出评论文章分析师就不好接。分析师如果输出整篇报告风格的内容写稿人反而要花大量时间删改。所以我在手册里做了强制约定检索员只能输出带编号的资料条目分析师只能输出要点式笔记写稿人才是唯一的“长文出口”。提示手册不要写成论文。AI 在长上下文里对长篇大论本能的“选择性遗忘”条目越短越容易被模型执行。我现在的流程手册总共不到两页纸每一条都是一句话能说清的标准。2.2 主编与三个工种的 System Prompt 设计有了流程手册接下来是每个角色的 System Prompt。我把它们写进《提示词手册》里使用时直接复制。先说最关键的主编。你是一个 AI 调研团队的主编。你的职责是统筹一个调研项目而不是亲自完成调研。你必须完成以下工作 1. 接收用户需求后先拆解为 3 到 5 个核心子问题制定报告大纲。 2. 将子问题分派给检索员、分析师、写稿人执行。 3. 在每一步接收结果时进行审核判断是否符合质量标准。如果不符合明确说明问题并指示返工。 4. 审核时严格对照用户原始需求不得偏离。 5. 最终交付前检查报告是否覆盖全部子问题、结论是否有证据支撑、内容是否达到用户要求的篇幅和格式。 约束 - 不要在审核时自己重写全部内容你的任务是决策和分派。 - 不确定的信息必须在交付说明中标注不得掩盖。 - 如果用户没有说清楚先追问再开始工作。这个提示词的要点在于“你的职责是统筹而不是亲自完成”。很多 AI 角色扮演失败是因为系统提示词写了“你是主编”它就开始帮用户完成所有调研工作——因为模型不知道主编该做什么。明确写出“不做什么”非常重要。三个工种的提示词核心结构一样差异在职责描述。检索员的提示词核心段你是 AI 调研团队的检索员。你的工作是按主编给定的问题清单收集与整理信息。 要求 1. 输出每条信息时必须附上来源类型和大致时间。来源类型标注为官方公开资料、行业报告观点、媒体信息、常识共识、推断。 2. 如果你不能联网检索必须明确说明“基于内部知识整理”不得伪装成实时检索结果。 3. 如果某个问题检索不到足够信息直接写“未找到充分资料”不要用推测填补。 4. 输出格式编号列表每条包括信息要点、来源类型、时间标签。分析师的提示词核心段你是 AI 调研团队的分析师。你收到的是检索员的资料包。你的任务是分析这些资料而不是重新收集信息。 要求 1. 检查资料之间的逻辑矛盾标记不一致的地方。 2. 提炼三条以内的核心结论每条结论必须指出对应的资料依据。 3. 指出尚不清楚的空白领域以及可能存在的风险因素。 4. 输出格式分析笔记包含核心结论、证据链、矛盾点、空白领域四部分。写稿人的提示词核心段你是 AI 调研团队的写稿人。你收到的是分析师的分析笔记。你的任务是把笔记改写成可交付的报告不要新增事实不要替分析师下结论。 要求 1. 严格按照用户指定的报告结构和篇幅组织内容。 2. 保留分析师标注的不确定点和风险提示不得为了让报告“好看”而删掉。 3. 用自然、清晰的语言写作避免空话和套话。 4. 输出整篇报告并在末尾附一段“给主编的说明”列出你在写作中发现的逻辑缺口。这三个角色最重要的设计是“信息单向流动”检索员→分析师→写稿人。写稿人不接触原始资料分析师不直接写报告检索员不做分析判断。信息流一旦交叉角色边界就垮了。2.3 《提示词手册》怎么组织模板复制即用《提示词手册》不是给 AI 看的是给你用的。我在里面放了这样几类内容每个角色的完整 System Prompt 版本随用随复制。用户向主编提需求的提问模板。检索结果模板、分析笔记模板、报告结构模板。主编终审检查清单。用户提问模板我一般写成这样我要一份关于【领域/产品】的调研报告。 重点关注【竞争格局】/【用户画像】/【市场规模】/【渠道特征】/【入场建议】。 篇幅要求【800字摘要版】或【3000字详细版】。 其他要求【最好有对比表格】/【需要列出风险提示】。这样写的好处是主编可以很顺利地把需求拆成子问题。如果用户需求本身很模糊主编在提示词约束下会先追问而不是瞎猜。追问这个行为特别重要因为调研一开始方向错了后面所有环节都在浪费时间。3. 实战推演一句需求如何变成一份可用报告光说设计会显得很空我实际跑一遍给读者看。这里用“某初创团队想调研智能水杯品类、评估是否值得进入”作为案例正好适合演示完整流程。3.1 主编接单与任务拆解用户向主编发来需求要一份关于智能水杯品类的调研报告重点关注竞争格局和渠道特征字数 2000 字左右希望有风险提示。主编的第一轮输出是一个拆解计划市场规模与增长趋势品类目前体量多大增速如何。竞争格局头部品牌有哪些各自定位是什么优劣势如何。用户画像与核心诉求谁在买、为什么买、有哪些未满足需求。渠道特征线上和线下渠道的销售占比、进入门槛。风险提示技术成熟度、价格竞争、消费者教育成本。这个拆解顺序是有讲究的先讲品类体量再看竞争然后看用户接着看渠道最后给风险。任何一个靠谱的调研报告都应该从宏观到微观从事实到判断。主编拆完题之后会把第 1、3 题分给检索员第 2、4 题分给检索员然后让分析师基于结果做整体分析最后让写稿人按这个大纲成文。这里不一定是精确到每个子题各做一遍而是让检索员一次拿回“全套资料包”效率更高。3.2 检索、分析、成稿的协作链检索员按主编要求输出了类似这样的资料条目1. 智能水杯近三年的整体市场规模约 XX 亿元年增速约 XX%来源类型行业报告观点时间近两年。数值由AI按常识估测仅作演示 2. 头部品牌包括 A 品牌、B 品牌、C 品牌其中 A 主打保温与水质监测B 主打时尚设计与 IP 联名。来源类型媒体信息时间近一年。 3. 用户主要集中在 25-35 岁城市人群最关注的功能是“提醒喝水”和“水质检测”来源类型常识共识。 4. 线上渠道销售占比约七成线下以品牌体验店为主来源类型行业报告观点。 5. 未找到关于线下商超渠道渗透率的充分资料请主编决定是否补充检索。这个输出看起来朴素但非常关键——它把信息、来源、时间全部标出来让下一环节的分析师能判断哪些可靠、哪些是推断。很多 AI 调研翻车就是因为把“推断”和“事实”混在一起输出最后读者拿着推断当结论。分析师拿到资料包后输出分析笔记核心结论一智能水杯品类处于增长期但市场集中度不高新品牌存在入场窗口。 证据整体规模较高增速头部品牌份额分散。 核心结论二用户购买动机偏向健康管理而非单纯饮水工具功能差异化是突破口。 证据用户画像显示高关注“水质检测”功能。 矛盾点渠道数据中“线上占比高”与“品牌体验店兴起”存在张力需要判断线上线下哪边是未来主战场。 空白领域售后维修和耗材更换的利润模型未见数据。 风险提示产品同质化明显价格敏感度可能较高。这些结论都贴着证据走没有大而空的废话。写稿人拿到分析笔记后按用户要求的 2000 字篇幅、包含对比表格和风险提示产出了报告初稿。初稿在结构与表达上基本合格但这里我要特别说一句写稿人的真正价值不只是“写得好”而是能发现笔记之间的逻辑缺口。它在“给主编的说明”里指出整个调研缺少对目标用户付费意愿的数据支撑建议补一轮检索。3.3 主编终审、返修与交付主编拿到初稿后没有直接放行。它对照最初的用户需求做了一次逐项检查然后发现两个问题一是用户明确要“重点关注渠道特征”但报告里渠道部分只有不到三百字说服力不足二是检索员此前标注过线下商超数据缺失这部分在报告里被写稿人用模糊的表述掩盖了。于是主编做了两件事把报告退回写稿人要求扩充渠道部分同时指示检索员补一轮针对线下渠道的信息检索哪怕找不到也要在报告中如实写明“当前缺少公开数据”而不是用“线下渠道正在变革”这种话糊弄过去。补检索之后报告最终达成用户要求约 2100 字包含一个品牌对比表格、一个渠道占比列表、三条风险提示。主编交付时还会附一句话“本报告基于公开信息和常识整理未覆盖线下渠道的详细渗透数据如需更深入调研可再做定向研究。”注意这份“说明不完美”的话恰恰是 AI 调研报告和普通 AI 聊天回答拉开差距的地方。真实的调研永远有边界有边界才可信。4. 从实战里踩出来的坑和对应的排查方法前面讲的是设计这里讲点实在的——我实际使用这套流程时遇到的四类高频问题。每一类都有现象、原因和对策读者可以直接拿去对照自己的项目排查。4.1 角色串味三个工种互相抢话最常见的问题是角色串味。分析师突然开始“写报告”写稿人说两句就开始“收集信息”甚至主编自己下场把所有工作干了。这背后通常是两个原因一是 System Prompt 写得不够“硬”只说了“你是分析师”没写“你禁止写报告”二是对话轮次太多模型在长上下文中渐渐遗忘了初始角色设定。我的对策是在每一轮关键指令前都加一句角色声明。比如你现在是分析师只输出分析笔记不要写完整报告。报告留给写稿人。这句话成本极低但能有效把模型拉回角色轨道。另一个更稳妥的做法是每个角色单独开一个新会话互不共享上下文。检索员的会话只保留检索任务分析师的会话只收到资料包这样串味的概率会大幅降低。4.2 AI“一本正经地编”虚假信息怎么防AI 模型在不确定时会“一本正经地编”这是它训练方式决定的——它天生倾向生成连贯文本而不是承认自己不知道。调研场景下这个问题是致命的。我的解法一是在提示词里强制要求“证据等级标注”把每条信息分成“已知共识”“行业报告观点”“媒体信息”“推断”四类。读者看到“推断”标签自然会带一份警惕。解法二是让分析师专职做交叉验证专门检查资料是否自相矛盾。如果检索员说某品牌市场份额第一分析师发现另一份资料说另一品牌份额更高这个矛盾会被标记出来而不是蒙混过关。解法三是给模型留一扇“说不知道”的门。很多模型默认不愿承认知识盲区因为训练数据里“我不知道”这种表达很少被鼓励。所以我在提示词里会加一句“找不到就是找不到写‘未找到充分资料’不算失败这本身就是负责任的调研结果。”4.3 上下文窗口不够用中间压缩层不可省跑调研任务上下文一定会膨胀。检索员丢回来二十条资料分析师要读写稿人也要参考如果全堆在同一会话里长上下文会让模型注意力涣散忘记最早的调研目标。我的做法是设置“中间压缩层”检索员先把自己的发现压缩成一个事实清单每条不超过一句话分析师只基于事实清单工作而不是把原始资料全文重读一遍。相当于公司里每个部门都先出 daily report高层只看报告不翻原始流水。另一个技巧是在对话进行到一半时让主编主动输出一次“当前目标确认”。具体操作是指示主编说“请根据用户原始需求检查你当前的理解是否偏移”引导模型重新聚焦。4.4 手册失效弱指令模型不吃“参考《手册》”这一套有时候我在对话开头贴了整本《提示词手册》也跟模型说了“请参考手册”但它的输出完全无视手册。这不是手册写得不好而是指令被淹没在超长文本里了。模型对超长上下文的注意力分布并不均匀开头和结尾的内容更容易被记住中间内容很容易被忽略。所以我现在把最重要的约束放在 System Prompt 的首行和末行手册正文只保留被高频引用的条目并坚持“一条一意”的写法。还有一个技巧用“标记法”帮助模型定位。比如在手册里每个角色的部分都用【检索员专属】这样的明确标签开头指令中再引用一次标签模型能更快找到对应内容。这听起来很玄学但实测下来确实比平铺直叙的提示词更有效。这套“一个主编、三个工种、两本手册”的体系我现在跑任何调研项目都会用甚至扩大到写复盘、做方案这类任务。每次跑完整流程我都会回到两本手册里修订哪句提示词导致返工就换表述哪个环节信息传递断了就补交接标准。几个月下来手册从一个粗略框架变成了越用越顺手的团队资产。最后分享一个小经验首次搭这套东西时别直接拿重要项目做实验。随便找一个自己不熟悉的领域比如某种小众运动项目、某个冷门工具软件跑一轮全流程用最小的代价暴露流程里的断点。把问题修完再上真实项目你会明显感觉到这套流程有多“稳”。