企业官网建设流程全解析

开头

做调研类内容这几年，我最深的感受是：活儿不难，但特别杂。查资料、读报告、交叉验证、理逻辑、写摘要、列观点，每一步单独拿出来都不算复杂，可一旦要系统地产出一份像样的调研结果，就容易陷入“查了半天、写了一堆、回头一看全是碎片”的尴尬境地。尤其是面对一个陌生领域，时间紧、信息乱、术语生疏，连从哪儿下手都让人头大。

后来我用 AI 搭了一套固定的工作流，把它叫作“AI 调研队”。核心结构就是标题里那行字：一个主编、三个工种、两本手册。“主编”是负责派活、盯进度、收稿、做终审的总控角色；“三个工种”分别是调研员、分析师、撰稿人，对应信息搜集、结论提炼、内容成文三个环节；“两本手册”则是作业手册和质检手册，把流程中那些能标准化的判断标准、提问模板、查错清单全沉淀下来。

这套东西解决的最大问题，不是“让 AI 写得更好”，而是“让 AI 别跑偏”。我试过不少直接丢一个问题给大模型让它“写一份行业报告”的做法，结果通常是：开头像模像样，中间车轱辘话反复说，数据和结论来源不明，甚至还编出根本不存在的案例。有了主编约束角色、有手册约束动作、有质检卡住交付标准，AI 的产出就从一次性的“碰运气”，变成了一条可复现、可迭代的流水线。如果你也经常要做行业分析、竞品拆解、资料整理或带观点的内容产出，而且受够了“和 AI 对话全靠缘分”的体验，这篇文章值得你看完。

1. 为什么是“一个主编、三个工种、两本手册”

1.1 单次对话的 AI 是“能人”，但不是一个“能打的团队”

先说一个直觉上的问题：为什么不直接在对话窗口里让 AI 一步步做调研？它能联网搜索、能长文总结、能重新组织语言，单看能力每一项都够用。

问题出在“稳定性”。你让同一个模型既负责搜集资料，又负责判断信息可信度，最后还要写成漂亮的文章，它很容易在几个任务间“串味”。查资料时带上了撰写欲，总结时又忍不住自己发挥，最后输出的东西既不像调研记录，也不像分析报告，更像是一篇“看起来很有道理”的通稿。我在实际使用中踩过很多次这种坑，最后得出的结论是：人的团队怎么分工，AI 的流程最好也怎么分工。

于是有了“一个主编 + 三个工种”的基本盘。主编不直接干活，只做两件事：拆解任务、验收结果。三个工种各守一段：

• 调研员：只负责“找”和“存”，把原始信息、关键引文、数据出处列清楚，不掺观点。
• 分析师：只负责“判”和“提炼”，基于调研员的材料做交叉验证、归纳结论、指出矛盾，不负责写作。
• 撰稿人：只负责“写”，把分析师的结论和调研员的证据转成通顺、有结构的文章，不自作主张发明事实。

每个工种我都在独立的对话流里跑，用不同的系统提示词约束角色边界。这样最直接的好处是：一旦产出有问题，我能立刻定位是哪个环节出错，而不是对着整篇文章猜“这到底是哪一步编的”。

1.2 “两本手册”才是整套系统的灵魂

三个工种解决了“角色分工”的问题，但如果没有手册，每次跑一遍流程还是会依赖临场发挥——今天心情好多问两句，明天赶时间就少验证一步，质量照样不稳定。

手册的作用，是把“怎么做”和“怎么算合格”写成固定文档。我自己沉淀了两本：

• 作业手册：给前面三个工种看的。记录每个工种的标准动作、输入格式、输出模板、需要规避的常见问题。
• 质检手册：给主编（也就是你自己）看的。记录一份调研结果交付前必须检查哪些点、常见错误长什么样、发现错误后怎么回溯和修正。

说白了，AI 的部分是“手脚”，手册才是“规范和记忆”。一开始我也觉得写手册麻烦，但跑了几轮之后发现，手册的收益是复利式的——同一类型的调研项目，第二次跑几乎不用动脑，把模板往对话框里一贴，把新主题填进占位符，剩下的事情交给流程就好。

1.3 为什么是“三个工种”，不是“五个”或“一个”

有人会问，既然 AI 这么强，多设几个角色不是更好吗？比如再加一个“检索规划师”“数据可视化专员”“校对员”之类的。我的经验是：工种越少，边界越清晰；边界越清晰，越不容易乱。

三个工种刚好对应调研产出的三个核心问题：有哪些信息可用？这些信息说明了什么？如何把这些说明变成别人能看懂的内容？凡是超出这三件事的需求，本质上都可以塞进这三段流程里。比如需要配图，我就在撰稿人环节附带要求“提出图表建议，并标注数据来源”，不需要单独设一个图表岗位。需要更严谨的来源追溯，我就在调研员环节的作业手册里加严“每条结论必须附 URL 和原文引句”的要求，也不需要单独设岗。

岗位过多会让主编的验收成本急剧上升。你要审的内容变多了，每个角色之间还容易出现信息传递损耗。现实世界里三个人能高效协作的事，往往不需要十个人挤在一个群里。AI 团队也一样。

2. 三个工种的职责边界与提示词设计

2.1 调研员：只负责把“原料”搬回来，不许夹带私货

调研员这个角色的核心，是解决“AI 查资料时最容易自作主张”的问题。普通对话里你问“帮我查一下某行业的市场规模”，它很可能直接给你一段概括性文字，里面混着真实数据和模型猜测，你根本分不清哪句有出处、哪句是推断。我的做法是给调研员定三条铁律：

• 每条信息必须带来源和原文摘录，没有来源的信息一律不写进结果。
• 只做摘录和事实性描述，不输出“由此可见”“这说明”之类的判断句。
• 所有数据都标注时间点，防止把过时信息当成最新情况。

提示词的大致框架是这样的：

你是调研员。你的任务是围绕以下主题搜集事实性信息。 要求： 1. 使用可靠的公开信息源，优先选用正规媒体报道、统计机构发布、企业官方公告等。 2. 对每一条信息，提供：原文摘录、来源名称、来源链接、发布时间。 3. 只输出事实，不输出分析和建议。禁止出现“这表明”“这说明”等推断性表述。 4. 如果信息之间存在冲突，请如实并列呈现冲突双方的原始表述，不要自行调和。 调研主题：{待调研主题} 限定范围：{时间范围、地域范围、细分领域}

注意最后一条，让冲突信息“并列呈现”，这非常重要。AI 太倾向于把矛盾“圆”过去，一旦它开始自行调和，后面分析师就拿不到真实的争议点了。

我在实操中还会临时追加一个要求：“如果某个关键数据只找到一个来源，请明确标注‘单一来源’。”这让后面的分析师知道哪些结论站不稳，避免只看一份来源就拍板。

2.2 分析师：交叉验证、找矛盾、给结论，但不要“发明观点”

调研员交付的材料通常是一份很长的信息清单，甚至有点枯燥。分析师的活儿，是从这些材料里“压榨”出结论。

这个角色的提示词，重心要放在“论证规则”上。我踩过的坑是：如果不约束，AI 会非常顺滑地从有限信息推出宏大结论，比如看到两家公司发布了类似产品，就写“行业即将进入白热化竞争”。这不是分析，这是脑补。

我给分析师的要求是：

• 每一条核心结论，必须引用至少两个独立来源的交叉印证；如果只有单一来源，单独归入“待验证判断”清单。
• 区分“事实”“推断”“猜测”三个层级，在输出中明确标注。
• 如果材料之间存在矛盾，不能回避，必须指出矛盾点，并尝试解释背后可能的原因。
• 输出结构固定：核心结论、关键依据、待验证清单、信息缺口。

输出模板我通常这样写：

基于调研员提供的材料，产出分析结论。 结构要求： 一、核心结论（每条结论后跟【证据强度：强/中/弱】） 二、关键依据（列出支撑每条结论的信息来源） 三、信息冲突与未解问题（如实描述矛盾） 四、信息缺口（建议补充调研的方向） 每条结论都必须标注证据强度。禁止把推断写成事实。

“证据强度”这个标注是这套流程里最值钱的设计之一。它不追求所有话都说死，而是让你一眼看出哪些结论可以放心引用，哪些还得再求证。做过调研的人都知道，最难的不是找到信息，而是判断信息的可信层级。

2.3 撰稿人：为读者而写，但不是为“像人”而写

到了撰稿人这一步，输入的是分析师的结论和调研员的证据，输出的是面向特定读者的内容。这里最容易犯的错，是让 AI 放开手脚“自由创作”。一放开，漂亮话多得是，但信息密度断崖式下跌。

撰稿人的提示词设计有两个关注点：一是严格限定“信息边界”，二是明确“读者模型”。

信息边界的意思是：撰稿人只能基于分析师给的材料行文，任何超出材料的细节都不许添加。比如材料里没提具体数字，撰稿人就不能为了“显得专业”随手编一个占位数据。我在提示词里会写：

禁止新增输入材料之外的任何事实性信息。如需补充背景知识，必须用括号标注【待补充】，留给人工处理。

读者模型的意思是：你要告诉 AI 这篇文章是给谁看的。给管理层看的，要结论先行、数据密集；给行业新人看的，要先解释基础概念、多用类比；给同行看的，可以跳过入门常识，直接进细节。同一个调研结果，读者不同，写法完全是两套逻辑。

我常用的一段开头是这样：

你是撰稿人。读者画像：{目标读者描述} 写作要求： 1. 所有事实、数据、引述必须来自材料，不得新增。 2. 观点性内容必须对应分析师标注过证据强度的结论。 3. 结构清晰，小标题用平实的问题式表达，避免华而不实。 4. 遇到材料缺失，直接用【待补充】标出，不要假装有答案。 5. 写完正文后，单独附一页“内容来源清单”。

这套约束下来，写出来的稿子可能不是最“惊艳”的，但一定是最“稳”的——每句话都有出处，每处判断都有强度标注。对调研类内容来说，稳比惊艳重要得多。

3. 两本手册的具体内容和编写方法

3.1 作业手册：给 AI 的角色说明书和操作模板

作业手册是三个工种执行时的基准文档。它不是 AI 的提示词那么简单，而是把提示词、输入格式、输出格式、质量红线整合在一起的操作规范。

我习惯把作业手册拆成四个部分：

• 角色卡片：每个工种的身份定义、能力边界、禁止动作。
• 输入标准：每个工种接收什么格式的输入材料。比如分析师接收的是调研员产出的“带来源清单”，而不是原始对话记录。
• 输出模板：每个工种交付的固定格式。固定的好处是方便主编快速扫描，也方便下一个工种直接取用。
• 红线清单：列出绝对不能做的事。比如调研员不许无源输出，分析师不许把推断标成事实，撰稿人禁止新增数据。

举个例子，作业手册里调研员部分的红线清单长这样：

• 禁止回答“你觉得……吗”这类需要主观判断的问题。
• 禁止在未给出来源的情况下输出统计数据。
• 禁止把维基百科类的二手汇编当作一手来源。
• 禁止在每轮回复末尾添加“总的来说”这类总结性段落，调研员不需要总结。

这些红线看起来细碎，但每一条都是从实际翻车里提炼出来的。AI 和人类员工一样，不管控细节，它就会在细节上给你“惊喜”。

3.2 质检手册：主编用来验收，也用来追责

质检手册的定位和作业手册不同。它不是给 AI 看的，是给“主编”看的——也就是作为流程掌控者的你。

我最初犯的错，是写完作业手册就开始跑流程，结果每次都得从头到尾人工读一遍 AI 的产出，等于没有质检环节。后来我意识到，需要一套“扫描式”的检查动作，让验收变成一项能快速执行的任务。

质检手册我从三个层面设计：

• 硬伤检查：数据有没有来源？来源链接是不是真实存在？有没有明显的日期错位（比如 2023 年的调研引用了“明年”的预测）？有没有自造术语或自造机构名？
• 逻辑检查：标题和内容是否匹配？核心结论有没有对应依据？冲突信息是被处理了还是被忽略了？
• 风格检查：是不是每段都在讲信息，还是开始出现废话填充？有没有明显的“AI 味”段落（比如毫无信息量的过渡句）？

每个层面我都会列出具体的“检查动作”。比如硬伤检查这一节，我会写一条固定动作：“随机抽 3 个数据点，顺着来源链接点回去，确认原文真的包含该数据。”这一步极笨，但极有效。AI 生成内容最容易出的问题之一，就是来源链接和正文内容并不是真的对应——链接是真的，但里面没有那句话。

3.3 手册不是一次写成的，是“改”出来的

很多人在第一步就卡住：手册要写到多详细才算好？我的回答是：不要追求一版完美，你写不完的。手册应该是从第一轮实操中长出来的东西。

我的做法是：先写一个 70% 完整的初版——足够跑通一次完整流程就行。然后每跑完一个项目，把翻车点记录到手册里。比如某次调研员把单一来源的信息直接写成了行业共识，我就在作业手册的调研员红线清单里加了一条：“单一来源信息必须在末尾标注【单一来源】。”某次撰稿人把分析师标注为“弱证据”的推断写成了确定性结论，我就在质检手册的硬伤检查里加了一条：“抽查‘弱证据’结论是否被降级表述。”

手册在第 N 次迭代后，会变得极其贴合你的实际项目类型。到那时你会发现，新项目启动只需要填几个占位符，整套流程像流水线一样顺滑。手册不是为了好看，而是为了让你下一次少踩同一个坑。

4. 完整实操流程：从主编派单到三稿交付

4.1 主编拆任务：把模糊问题变成可执行指令

整套流程的第一步，是主编把原始需求拆成可以下发给调研员的指令。这一步最考验经验，因为用户给的原始问题往往模糊得很。

举个例子，某次我需要调研“某新兴消费品类的市场趋势”，客户原话就一句：“帮我看看这个行业现在什么情况，值不值得做。”这种话不能直接扔给 AI。我拆成了这样：

• 范围限定：近 3 年，中国境内，该品类线下线上渠道。
• 细分维度：市场规模与增速、主要参与者与竞争格局、消费者需求变化、供应链与技术变化、监管与政策风险。
• 交付形式：先出信息清单，再出分析结论，最后形成一篇约 3000 字的趋势简报。

拆分完，我先把“信息清单”任务发给调研员。需要提醒的是，这个环节不要一次把所有问题都塞进去。调研员一次处理的任务越少，输出越规整。如果调研主题很大，我会拆成多个子任务，分批跑。

4.2 调研员执行：信息清单是怎么“喂”出来的

调研员执行阶段的对话过程，不只是一次性发一个提示词然后等结果。我通常会先发角色定义和任务，等它产出第一批材料后，再做 2~3 轮追问。

比如第一次输出里，市场规模的数据只有单一来源，我会追问：“这个数据的其他来源在哪里？请至少再找两个独立来源进行印证。”如果某个子维度信息明显偏少，我会追加：“关于消费者需求变化，目前只有 2 条材料，请补充至少 5 条来自不同来源的信息。”

这个“追问-补充”的循环，是调研阶段质量高低的分水岭。不追问，调研员交付的永远是第一轮碰巧搜到的内容；追问几次，覆盖面会明显变完整。我一般控制在这个阶段做 2~3 轮，太多会拖慢节奏，太少则材料不够分析。

4.3 分析师加工：从材料到结论的“压力测试”

拿到调研员交付的信息清单后，我会把材料整理成分析师能直接读取的格式——不需要重写，但要确保信息完整，尤其是来源链接和冲突标注不要丢。

分析师的运行过程通常也分两轮。第一轮产出结论框架，第二轮我会挑几个“弱证据”结论要求它重新论证。这里有一个实用技巧：明确要求分析师写出“如果要反驳这个结论，最有力的依据是什么”。这个反向提问非常好用，能逼出很多藏在材料里的反例。

举例来说，某个结论写的是“该品类线上渠道增长迅速”，证据强度标注为“强”，但当我追问反例时，分析师找出一条材料：部分头部品牌的线上销售额增速已经连续两个季度放缓。这立刻让结论变得更立体——不是推翻，而是加了一个边界条件：“线上渠道整体增长，但头部品牌显疲态。”有了这样的细节，最终稿件的含金量完全不同。

4.4 撰稿人成稿：把结论翻译成人话

撰稿人阶段我通常会给两个输入：分析师的结论文档，以及目标读者画像。比如这次调研的读者是某公司内部决策层，画像写成：“对公司业务有基本了解，但对该新品类不熟悉，需要快速理解机会与风险，偏爱结论先行的表达方式。”

撰稿人输出初稿后，我的任务不是直接收下，而是先拿质检手册过一遍。这时候最怕的是“读起来很顺就放过了”。我一定提醒自己：即便文字流畅，也要抽样验证里面的数据、引述、逻辑是否对得上分析材料的原文。AI 写稿很容易“把话说圆”，偶尔会为了句式的顺畅微调信息表述，这种微调恰恰是调研内容的大忌。

初稿改完后，我会把“内容来源清单”单独抽出来检查一遍。有些数据在正文里看着很正常，但回到来源清单里会发现出处已经模糊，这种情况下宁可删掉也不要保留。

4.5 主编终审：交付前的最后一道闸门

终审这步很多人在家里自己做调研时容易跳过，但如果你把整套流程当成一个“团队”来运转，终审就是主编的职责所在。我的终审动作，就是照着质检手册逐项打勾：

• 先扫硬伤：抽查数据和来源，确认没有“幽灵引用”。
• 再查结构：第一段是否讲清楚了背景和结论，后续段落是否有内在递进，有没有只堆信息不讲逻辑的段落。
• 最后做减法：把那些虽然没错但完全没有信息增量的句子删掉。比如“值得关注的是”“总体来看”这类开头语，十句里有九句可以直接砍。

如果这一轮查出问题，我会回到具体环节去修，而不是直接在成稿上改。比如发现某段论述的证据不足，我要做的是退给分析师补充论证，而不是由撰稿人“润色”蒙混过关。这个“退到源头，不在末端打补丁”的原则，是保证最终交付质量的关键。

5. 常见问题与排查技巧实录

5.1 问题一：AI 编了一个不存在的案例或者数据

这是调研类场景最严重的问题，没有之一。AI 的信息幻觉不可能靠提示词完全消灭，但可以靠流程大幅压缩。

我的排查步骤：

• 第一步，看“来源清单”。凡是正文提到但清单里找不到来源的信息，一律标记为高风险。
• 第二步，顺着清单里的链接点回去，检查原文里是否真的存在对应表述。这一步我至少抽查三分之一。
• 第三步，如果发现一个编造数据，不要只改这一处，而是触发全局排查——把同类表述全部拎出来重新验证。因为 AI 的编造往往不是孤例，它可能在多个段落里用了同样的“假事实”。

经验之谈：越是看起来“完美契合主题”的具体案例，越要警惕。真实调研里，能精确对上你所有条件的案例是稀缺品，AI 却不觉得这有什么问题。

5.2 问题二：调研员找到了一堆资料，但质量良莠不齐

高频翻车现场是：调研员把个人博客、论坛帖子、不知名营销号的“行业趋势文”当成权威来源，直接写成“根据公开资料显示”。这种情况在提示词里约束“优先采用权威来源”还不够，必须交给质检端去堵。

我的一条线索规则是：如果来源是“某内容平台个人号”且文章语气带明显推广倾向，不管内容多吸引人，都不作为事实引用。如果某个观点只有这类来源支撑，就把它归入“待验证信息”，明确标注“信源权威性不足”。

在跑流程前，我会在作业手册里直接附上一个“低可信来源特征清单”：无作者信息、无发布时间、无引用来源、有推广链接、情绪化表达浓度过高。有了这份清单，调研员在处理时的警惕性会明显高很多。

5.3 问题三：三个工种之间信息传递失真

分工之后马上会碰到的新问题，就是信息在环节间传递时的损耗和变形。调研员交付的结论是“某数据 2024 年同比增长 15%”，分析师转述时可能写成“该数据保持两位数增长”，到撰稿人手里就成了“高速增长，势头强劲”。每一步看着都没错，组合起来信息准确度明显下降。

对策是在每个环节的输出格式里，用一句话明确“必填项”和“禁改项”。属于数据类的关键信息，要求原样引用并标注出处；属于评价类的概括，只允许出现在分析师的结论层，不允许出现在调研员的材料层或撰稿人的叙述层。简单说：事实和数据永远不允许“转述美化”，只能原文引用。

5.4 问题四：整体流程跑完了，但产出感觉“差一口气”

这种情况多半不是单点故障，而是质量问题被分摊到了多个环节。比如调研材料本来就不够扎实，分析师的结论自然单薄，撰稿人写得再顺也只是在补丁上绣花。

此时我会回头做一个“环节复盘”：把最终稿件、分析师结论、调研员清单三者铺开对比，看每一段的底层支撑长什么样。如果某一部分有明显的“多环节空洞”，下次执行时就需要在那个环节加深投入。复盘记录我会追加到两本手册里，形成下一轮的改进基线。

6. 一点补充：这套流程还能怎么扩展

6.1 从“一次调研”到“长期监测”

“AI 调研队”的这套结构和手册，并不只适用于一次性项目。我自己后来把它扩展成了长期的行业监测：每周跑一轮调研员的资料更新，每月追加一次分析师的重点变化梳理，季末再让撰稿人整合成一份阶段性简报。

全部流程不变，唯一的变化是“主编派单”的频率和内容做了调整。手册的价值在这里极为明显：不用每次重新解释流程，把“本次监测重点”填进模板，直接跑就行。

6.2 从“文字报告”到“多形态内容”

如果读者需要，撰稿人的模板我可以改造成多种形态：给客户看的正式 PPT 大纲、给团队内部用的决策摘要、给公众号发的通俗版解读、给行业群分享的干货帖。骨子里还是调研和分析的那套产物，只是“翻译”成了不同场景的表达方式。

我曾经尝试一次调研产出五个版本内容，总共耗时和单产出相比并没有增加太多——核心的调研和分析阶段完全复用，只有撰稿人环节需要根据读者画像多跑几轮。

我在实际使用这套 AI 调研队的过程中，最大的感触是：大家总觉得用 AI 做事的最优解是“找到更聪明的模型”，但现实里，流程设计和约束机制带来的稳定性提升，远比换模型明显得多。手册会越改越顺，工种边界会越跑越清晰，而那份“没那么聪明但每步都可靠”的产出，才是我真正愿意拿来交付的东西。如果你也准备搭一支自己的调研队，建议先从最小可行版本开始：一个主编——你自己，一个调研员，一本初版手册，跑完一个真实项目，再回头补另外两个工种。第一次跑完你再看到产出的那刻，会觉得之前的折腾全都值了。