多源报告结构化分析 SOP

多源报告结构化分析 SOP 定位: 一套可复用的方法论,用于从 N 份异质来源报告中,系统性地提取、分析、对比某一维度的信息,并产出结构化的交叉分析文档。 抽象自: 2026-02-27「AI Coding 报告测量方法论分析」项目实践。该项目从 10 份 AI Coding 研效报告中分析了测量方法论,产出了 10 份 per-report 分析 + 1 份聚合对比分析。 适用工具: Claude Code + Agent Team(并行调度) 一、这套 SOP 解决什么问题 1.1 核心问题 当你面对 N 份关于同一主题的报告/论文/调研时,常见痛点: 痛点 表现 信息过载 每份报告几十页,10 份就是几百页,人工逐一精读不现实 结论冲突 不同报告对同一问题给出相反结论,不知道该信谁 比较困难 各报告结构不同、术语不同、测量口径不同,无法直接对比 深层原因不可见 表面结论容易获取,但「为什么得出这个结论」(方法论、样本、统计方法)藏在细节中 提炼效率低 手动整理笔记 → 对比 → 写报告,链路长、易遗漏 1.2 核心思路 不是「读 N 份报告然后写总结」,而是「用统一的分析框架逐一拆解,再系统性聚合」。 关键设计: 统一模板:所有报告用相同的 8 章结构分析,确保可比性 先拆后合:Phase 1 独立分析每份报告(并行),Phase 2 聚合交叉对比(串行) 报告特定问题:在统一模板之上,每份报告有定制的「重点追问」,抓住该报告独特的方法论特征 方法论聚焦:不只看「说了什么」,更看「怎么得出这个结论的」——后者才是判断可信度和可复用性的基础 1.3 产出价值 产出物 价值 N 份 per-report 结构化分析 每份报告的「方法论透视」,快速理解其证据基础和局限 1 份交叉对比分析 解释冲突结论的方法论根源,提取可复用的最佳实践 分析框架本身 团队建立自己的度量/评估体系的参考模板 二、适用场景 2.1 直接适用 场景 示例 行业报告对标 收集 N 份同主题行业报告,系统性提取和对比 技术选型调研 N 份技术方案/框架的评测报告,对比其评测方法论 竞品分析 N 份关于竞品的分析/报告,统一维度对比 学术文献综述 N 篇论文的研究方法和发现的系统性比较 度量体系设计 分析「别人怎么测量的」,为团队设计自己的度量方案 2.2 核心适用条件 N ≥ 3:少于 3 份来源时交叉对比价值有限,手动处理即可 异质来源:来源越多样(不同机构、不同方法),交叉分析越有价值 有对比需求:不只是「分别了解每份报告」,而是需要「跨报告比较」 有某个分析维度:需要一个明确的分析视角(如「测量方法论」「数据质量」「适用条件」) 2.3 不适用 仅 1-2 份报告:直接精读即可,不需要这套流程 来源高度同质(如同一机构的系列报告):交叉对比价值低 无明确分析维度:如果只是「帮我看看这几份报告」,先明确你想分析什么 三、前置准备 3.1 输入物清单 输入物 必需? 说明 N 份原始报告(或结构化摘要) 必需 可以是 PDF、网页、或已有的结构化分析文档(ver1/ver2) 分析维度定义 必需 明确「你想从什么角度分析这些报告」——如方法论、数据质量、适用场景等 来源索引 推荐 每份报告的元信息(发布机构、时间、可信度、偏见方向)。如果已有就复用,没有就在 Phase 1 中顺便产出 已有交叉分析(如有) 可选 如果之前已做过内容层面的分析,方法论分析可以解释其中的冲突 3.2 分析框架设计 这是整个 SOP 中最需要人工判断的环节。 在执行前,你需要定义: ...

二月 27, 2026 · 6 分钟 · 8763 字 · Miss-you
设计游戏的人,才不会被游戏玩

像玩游戏那样玩 AI

像玩游戏那样玩 AI 1/4 一个反直觉的问题 凌晨两点十七分,你对自己说「这是最后一条」。两点四十三分,你又说了一遍。 第二天早上,你下载了一个 AI 工具。用了五分钟,关掉了。图标沉到第三屏,再也没打开。 你对抖音没有学习意愿,但能刷三小时。你对 AI 充满学习意愿,但用不了十分钟。 我们通常会把它归结为:没时间、不够感兴趣、工具不顺手。 这些当然都可能成立。 但我后来发现,更常见的卡点是:短视频把「下一步」替你安排好了,而 AI 没有。你得自己把它放进流程里。 2/4 上瘾不是问题,问题是对什么上瘾 我们习惯把「上瘾」当贬义词。但仔细想想,上瘾的本质是什么? 做了一件事,得到奖励,想再做一次。 这套东西本身没好坏。它可以让你停不下来地刷视频,也可以让你停不下来地写代码、练琴、健身。 问题不在于你上瘾了,而在于谁在设计这个循环。 抖音的产品经理设计了一个算法,它比你更了解你。你以为在选择看什么,其实在被推着走。滑一下,奖励来了。再滑一下,又来了。继续不费力,停下才费力。 这就是被动上瘾。别人设计机制,你被卷入。 主动上瘾正好反过来。你自己设计机制,你选择卷入。 这里说的「上瘾」不是让你沉迷时间。而是让你不用靠意志力也能开始,但产出要能落到一个真实任务上。如果只是刷起来没有产出,那跟刷视频没区别。 你不是没有自制力。你只是一直在别人的游戏里玩。 2.5/4 一个容易混淆的地方 这里有个常见的误解:很多人觉得自己「用不起来 AI」是因为不够喜欢它。 但你对抖音也谈不上喜欢。你只是打开了手机,它就播了。 「喜欢」和「顺手」是两回事。 喜欢是情绪,会波动。今天喜欢,明天可能就腻了。 顺手是结构。它不依赖你当时的状态,只依赖「开始的摩擦有多低」和「反馈来得有多快」。 短视频强在这里:每一次滑动都是一个「可关闭的最小单元」。做完就结束,没有压力,随时可以再来一次。 而「学 AI」听起来像一个无限任务,给人压力。但「用 AI 改一句话」是一个可关闭的任务,做完就结束。 AI 用不起来,很多时候不是「不有趣」,而是「开始太像一件需要决心的事」。 3/4 两条规则,不是十条清单 有个叫福格的行为学家说过:行为 = 动机 + 能力 + 提示。 动机会波动,能力也确实会成为门槛,尤其是不知道怎么问、怎么用结果的时候。 但最容易被忽视、也最容易立刻改的,往往是「提示」:你有没有给 AI 安排一个默认出场的时刻。 没有这个时刻,AI 就永远停留在「我应该用」的层面。 所以我试下来,真正有用的就两条规则: 规则 1:默认出场时刻 找一个你每天都会做的事,把 AI 绑上去。 比如:打开文档 → 先让 AI 改第一段。不是因为你需要 AI 改,而是让「打开文档」自动触发「用 AI」。 ...

十二月 29, 2025 · 1 分钟 · 2135 字 · Miss-you