很多人怕写研报，是因为把它当成「从空白页写起」的作文。其实研报的本质是一套信息工程：先确定要回答什么，再去找证据，把证据压缩成要点，把要点拼成逻辑骨架，最后才是成稿。AI 最擅长的是中间三段——检索、消化、初稿，而真正决定研报质量的「定方向」和「做判断」，必须由人来做。

把这套流程拆成固定步骤后，一件原本要熬一整天的事，可以压缩到半小时。我们拿一个真实场景举例：周一上午老板在群里丢来一句「你抽空看看 AI 对连锁餐饮的影响，给我份东西」。大多数人会卡在第一步——打开空白文档，盯着光标半小时，然后去搜一堆文章，越看越乱，下午才勉强拼出三段。而用了下面这套 SOP 的人，会在午饭前交出一页带结论的初稿。

差别不在写得多快，在于有没有一套固定的脚手架。有人会问，为什么是六步而不是三步？因为三步会逼着 AI 一口气把「找材料、理结构、下判断」全包了，而这三件事恰恰是研报里最不能偷工的地方。六步的拆法，是把最容易出错的环节单独拎出来、单独把关：检索和消化分开，是为了不让 AI 一边找一边编；结构和成稿分开，是为了不让结论被初稿带偏；复核单独成步，是为了在发出前最后拦一道。下面这套流程经过反复实测，可以直接照抄。

6 步 SOP 工作流图，水平六节点带箭头：①明确目标 ②AI检索 ③AI消化 ④结构化 ⑤成稿 ⑥复核，节点内文字居中，主色 emerald #059669，底部标注「人定方向 · AI 干苦力」

研报写不下去，八成是一开始问题就没钉死。别急着让 AI 干活，先拿一张纸写下三件事：

一个好用的自检句：「如果只能给读者一句话，我希望他记住什么？」这句话想不清，后面全白搭。这一步建议纯人工，不超过 10 分钟，但它决定了整份研报的边界。很多人把时间花在后面找材料上，其实最该花的十分钟在最前面。

回到餐饮例子：别写「AI 对连锁餐饮的影响」，改成「连锁餐饮里，前厅、后厨、供应链三个环节，哪一处先用 AI 投入产出比最高」。问题一钉死，检索范围立刻缩小一半。

问题钉死后，才轮到 AI。不要直接问「帮我写一份研报」，那样只会得到一堆正确的废话。正确做法是把检索拆成「结构化的情报请求」：

关键原则：AI 负责找线索，人负责定口径。你给它维度，它给你线索池；交叉验证的活，永远留给人。这一步常见的错误是把 AI 当搜索引擎直接要结论，结果拿到一堆无出处的数据。记住，检索阶段只要线索，不要答案。

仍以餐饮为例：让 AI 列出「近一年餐饮 AI 应用的公开案例」清单，它给出十几条线索，你再挑三家头部连锁去重点查证。这比直接问「餐饮 AI 现状」靠谱得多。

检索回来的材料往往是几十页 PDF、十几篇网页。人工通读太慢，这时候让 AI 当「消化器」：

这一步省下的时间最多。原本两小时的材料通读，压到十分钟就能拿到一份「带出处要点表」。注意：此时拿到的仍是半成品，不是结论。AI 会把重要的和不重要的混在一起输出，你要做的是在下一步挑出真正支撑你论点的那几条。

一个小技巧：投喂时顺手说「如果有数据矛盾或来源存疑，请单独列出」，AI 往往会主动标出可疑处，省去你后面返工。

要点有了，下一步是把它们拼成逻辑骨架。别在空白页上想结构，直接套一个通用骨架：

让 AI 把上一步的要点「填」进这个骨架，而不是让它重新发明结构。你会发现，一旦骨架固定，写作就从「创造」变成了「归类」，速度和质量一起上来。这也是为什么我们说研报是脚手架——先把架子搭好，砖就好砌了。

骨架不是死的。如果读者只关心「该不该投」，就把结论段提前、现状压缩；如果读者是执行层，就加一个「落地三步走」。结构要顺着读者的问题走，不要顺着你的材料走。

骨架填完，让 AI 产出初稿，但你只改两样东西：判断和语气。

初稿到定稿，人工真正要写的往往只有结论段和每段开头的那句「所以呢」。其余交给 AI。这样你花在「写」上的时间最少，花在「想」上的时间最多——这才是研报该有的成本结构。

回到餐饮例子：AI 可能会说「后厨数字化收益最高」，但结合你掌握的人工成本和门店分布，你会改成「前厅点单与会员运营先用 AI，回报最快、阻力最小」。这个修正，就是研报值钱的地方。工具写不出你这家公司的具体情况。

AI 会编。发布前过三道筛：

三步下来，幻觉基本清干净。整份研报的可信度，就立在这三步上，而不是立在 AI 有多能写。哪怕前面再快，复核这五分钟不能省——发出一份带编造数据的研报，比晚交半天更糟。

为了让你立刻能抄，这里用「社区生鲜在下沉市场的机会」做一遍压缩演示：

全程约十五分钟，产出一页带判断的初稿。这就是 SOP 的力量：不靠灵感，靠流程。

不同环节该用不同工具，别指望一个模型包打天下。下面这张矩阵是实测下来最顺手的分工：

工具分工矩阵对比卡，关键文字节点：检索→Perplexity/通义；消化→Claude/ChatGPT；成稿→Notion AI/混元；复核→通义听悟/人工；右上角标注「国内可用 / 需网络」两栏，主色 emerald #059669

记住一条：工具服务于你的工作流，不是反过来。已经在飞书就上智能伙伴，已经在 Notion 就上 AI，别为工具改流程。多开一个工具，就多一份切换注意力的成本。

这四条里，最隐蔽的是第三条。AI 越能写，人越容易把判断也交出去。一份研报如果连结论都是 AI 替你想的，那它对你毫无价值——你只是转发了一台机器的平均意见。

把上面六步摊到时间轴上，半小时是这样花的：

省下的不是「写」的时间，是「找材料、通读、理结构」的时间。这部分最耗神，也最适合交给 AI。把最贵的脑力和最机械的活分开，本身就是一种效率。

第一次跑通后，别把这套 SOP 丢进收藏夹吃灰。把它存成母版：一份写好的提问清单、一个固定的骨架模板、一组你验证过的工具组合。下次再接到类似需求，直接复制母版、替换主题，前十分钟的钉问题环节会变成「改三个词」，整体还能再快五分钟。效率的复利，来自把一次成功的流程变成可复制的资产，而不是每次都从空白页重新开始。

研报难的从来不是写，而是把混乱的信息理顺成别人能用的判断。把流程拆成「人定方向、AI 干苦力」六步，普通人也能在半小时内产出一份能用的初稿。真正值钱的，始终是你在步骤一钉下的那个问题，和步骤五拍板的那个判断。

方法比清单更耐用。今天这套 SOP 用得上，半年后工具换了，它依然成立——因为变的只是工具，不变的是「先问清楚、再找证据、最后下判断」这件事本身。与其收藏一百份提示词，不如先把这六步变成你的肌肉记忆。下次老板再丢来一句「看看某某行业」，你该想的不是「从哪写起」，而是「先花十分钟把问题钉死」。

我是 {{作者名}}，专注分享普通人用得上的 AI 商业玩法与实战路径。

既然看到这里了，如果觉得有用，随手点个赞、在看、转发三连吧。

THANKS FOR READING