企业官网建设流程全解析

过去一年里，我反复折腾过“一个人干完市场调研、竞品分析、行业简报”这类活。前几次靠硬肝还能撑住，等到任务量上来，我发现一个非常尴尬的事实：我拿着大模型，问一轮、抄一轮、改一轮，时间花了不少，产出的调研报告却总差口气——要么信息太散，要么观点不够锋利，要么格式五花八门。

后来我换了个思路，不再把大模型当成一个“超大号问答框”，而是把它当成一支可以随时拉起来的调研队伍来搭。这支队伍只有一个主编，也就是我自己；下面分三个工种，分别负责采集、分析和成稿；再配上两本手册，一本管流程标准，一本管质量底线。这么一搭，AI调研队就成型了。文章里我会把这套框架怎么定的、每个岗位干什么活、手册里到底写什么、实战怎么跑通，以及我踩过的坑，一次性讲清楚。

1. 为什么非要搞“一个主编、三个工种”：单打独斗的调研方式已经到瓶颈了

先说一个很多人没意识到的问题：大模型再聪明，它也是在一个对话上下文里工作的。你让它既当情报员，又当分析师，又当撰稿人，它很容易陷入角色混乱。前一句还在给你罗列数据，后一句就开始下结论；你让它“深入一点”，它就在同一个方向上反复绕圈，给不出新的角度。这不是模型能力不够，而是你把多项认知任务硬塞给了一个线程。

1.1 单模型连续追问的典型失效场景

举个例子。我要调研“某本地生活服务品牌在二线城市的扩张策略”，我一开始对着一个大模型连续追问：

• 第一轮：这个品牌的扩张策略主要是什么？
• 第二轮：它的选址逻辑有什么特点？
• 第三轮：对比一下其他品牌的策略。
• 第四轮：帮我整理成报告。

你会发现，第四轮的输出和前几轮的内容高度重叠，甚至第三轮里提到的对比信息会在第四轮被悄悄丢掉。为什么？因为大模型在长对话里的注意力是衰减的，越靠前的内容，在后续生成时权重越低。如果你的调研需要从几十份资料里提炼观点，这种单线程对话基本撑不住。

1.2 角色拆分的底层逻辑：让每个模型做它最擅长的事

我的解法很简单：把任务拆开。拆完你会发现，每一块子任务对模型的要求完全不一样。

采集工种最怕“瞎编”，所以要用提问框架逼它给出出处和可核验的信息；分析工种最怕“表面”，所以要用对照表逼它做交叉比较；成稿工种最怕“啰嗦”，所以要用结构和字数约束逼它精炼。这三件事对上下文的要求、对指令风格的要求、对输出格式的要求都不一样，硬塞进同一个对话里，等于让一个人同时干三个岗位，最后必然互相干扰。

我把这套结构称为“主编-工种-手册”三层模型。主编负责定方向、派活、验收；三个工种各管一段流程；两本手册保证任何一次执行都不走样。下面我把每一层具体怎么设计讲清楚。

2. 三个工种的职责边界与协作协议：情报员、分析师、主笔各管一段

三个工种不是拍脑袋定的，它们对应的是调研流程里三个必然存在且互相不可替代的环节：先把信息找回来，再把信息想明白，最后把想法写清楚。

2.1 情报员：只做采集和筛选，不做判断

情报员的核心任务是把“有关的信息”搬回来。我给它定的输出格式是“信息卡片”，每条卡片包含：事实陈述、来源或出处、时间属性、可信度标记，以及一句话的价值备注。比如：

【信息卡片】 事实：某品牌在2024年关闭了3家一线城市门店，同时在2个新一线城市新开5家门店。 来源：该品牌官方公告，2024年12月。 可信度：高（官方渠道） 价值备注：可作为“收缩一线、下沉新一线”论点的直接证据。

为什么情报员不能做判断？因为一旦它开始判断，就会把“它以为的事实”和“它推断的观点”混在一起，后续分析工种就会拿到污染过的原料。我在指令里明确加了一条：情报员只回答“是什么、哪来的、什么时候的事”，不回答“怎么看、说明了什么”。

2.2 分析师：专攻交叉比对和逻辑串联，不做文字润色

分析师拿到情报员的信息卡片后，任务是找出卡片之间的矛盾、缺口和规律。它会围绕主编给定的分析框架（比如市场进入路径、成本结构、用户画像）把信息重新组合成一套判断，而不是简单复述事实。

分析师的输出格式是“分析备忘录”，里面必须有三个部分：

【核心结论】不超过3条，每条一句话，直接给出判断。 【证据链】每个结论至少挂2条信息卡片编号，说明这个判断是靠哪些事实撑起来的。 【存疑清单】哪些信息互相矛盾、哪些关键数据缺失，必须列出来。

这条存疑清单非常重要。很多时候调研结论不落地，不是因为信息不够，而是因为分析工种把缺失数据自动脑补了。我见过太多AI写出来的报告，数据缺口全靠“大概率”“通常来说”填平。有了存疑清单，主编就能决定是补采还是直接承认缺口，而不是假装问题不存在。

2.3 主笔：只做结构化表达，不新增观点

主笔的任务最容易被误解成“把字写好”。其实主笔的真正价值是“把结构搭对”。同样的素材，按照“问题-现状-归因-对策”排列和按照“时间线-动作-效果”排列，读起来完全不一样。主编在派单时，会先给定文章骨架，主笔的工作就是把分析师的判断填充进去，再统一语言风格。

我给主笔的指令里有一句固定的话：

你无权新增任何事实观点。你只能组织已有素材，调整顺序、合并重复、优化措辞。如果发现素材不足，标记【素材缺失】并停笔，等待主编补充。

这句话听起来很死板，但恰恰治好了大模型一个顽固毛病：语感太顺，顺到敢编。你让它润色一段分析，它常常顺手帮你“补一句更完整的表达”，这一补，事实就变味了。

2.4 三工种协作的交接协议

三个工种之间不是靠人肉复制粘贴来协作的，而是靠一套固定交接协议。我在每次调研开始前，会先建好一套共享文档目录，里面分三个区：原始卡片区、分析备忘录区、成稿区。每个工种只从自己的上游拿材料，只把结果放到自己的下游位置，不跨级沟通。

这么做的最大好处是，任何一个环节出问题，都能顺着交接记录查到源头。比如成稿里出现了一个错误数据，我可以直接通过主笔引用的分析备忘录编号，一路追溯到情报员的某张信息卡片，看它的来源和可信度标记，从而知道是采集阶段就错了，还是分析阶段误读了。

3. 两本手册怎么落地：一套管流程SOP，一管控质检底线

“两本手册”是我这套结构的核心引擎。一开始我也觉得写手册很麻烦，但实际用下来，手册省下来的返工时间远超编写成本。

3.1 第一本手册：调研流程SOP

这本手册解决的是“每一步怎么做、做到什么程度算完”。它里面包含：

• 选题拆解模板：把一个大问题拆成三到五个子问题，每个子问题对应一个调研方向。
• 采集任务书模板：每次派活给情报员时，需要写清楚采集范围、时间边界、输出格式、需要几张卡片。
• 分析任务书模板：指定分析框架、要求结论数量、明确证据链格式。
• 成稿任务书模板：规定文章骨架、段落结构、字数范围、语言风格。

我不需要每次调研重新设计流程，只需要按模板填不同的内容和参数。比如选题拆解模板长这样：

主问题：某品牌为什么选择在2025年收缩一线城市？ 子问题1：该品牌一线门店的租金、人力、客流数据发生了什么变化？ 子问题2：该品牌在同一时期新进入城市的选择逻辑是什么？ 子问题3：一线收缩是否伴随线上渠道或新业务线的替代？ 每个子问题需给出可验证的信息目标，不能是开放式闲聊。

有了这个模板，哪怕我面对一个完全陌生的行业，也能快速开始，而不是坐在那里对着空白文档发呆。

3.2 第二本手册：质检手册

质检手册解决的是“什么算合格、什么算出事”。它包含两类内容：硬性指标和软性指标。

硬性指标包括：

• 每条事实是否有来源标记和可信度等级；
• 分析结论是否至少挂两条相互独立的证据；
• 成稿是否出现未经标注的主观臆断；
• 数据是否在时间维度上保持一致（不会出现2024年的报告引用了2025年的数据这种低级错误）。

软性指标包括：

• 结论是否直接回应用户最初的问题；
• 结构是否让读者在30秒内抓住核心判断；
• 是否存在“无效废话段落”（比如为了凑字数写的背景介绍）。

我每次完成调研后，都会打开质检手册逐条打勾。打勾不是形式主义，而是逼自己把“可能没问题”变成“确认没问题”。尤其是硬性指标里的来源标记，它直接决定了报告能不能给别人看、能不能经受追问。

3.3 手册的版本迭代方式

手册不是写出来就固定了。我每做完一轮调研，都会在末尾记两条：一条是“本轮流程里最慢的环节”，一条是“本轮质量里最弱的指标”。攒上三轮之后，集中修改一次手册。

比如第一版SOP里没有“补采申请”这个步骤，导致分析师卡在证据链不完整时只能硬写；后来我加了补采申请流程，分析师遇到证据不足时可以直接发起补采，主编审批后再次派单给情报员。这个修改很小，但让整个队伍的运转流畅度提高了不少。

4. 实战推演：用一支AI调研队跑完一次完整的竞品调研

框架讲再多，不如直接走一遍。我用一个虚拟案例来演示：某团队想做本地生活服务类的创业项目，需要调研某个竞品在相似市场的运营动作。整个调研计划用时半天，产出是一份3000字左右的分析简报。

4.1 立题与派单：主编先干的三件事

主编开工第一件事，不是找模型，而是先把问题写清楚。我把它定义为“主问题”：

竞品在过去12个月里，在同类市场上的核心运营动作是什么？哪些动作是有效的？

围绕主问题，我拆出四个子问题：

1. 竞品在目标市场投放了哪些核心产品功能或营销活动？
2. 这些动作在什么时间点集中出现？
3. 出现前后，用户侧和收入侧有哪些可观测的变化？
4. 竞争对手有没有跟进或反向调整？

然后我把这四个子问题分别做成采集任务书，派给情报员。每个任务书里都注明了时间范围是“2024年1月到2024年12月”，输出格式是信息卡片，卡片数量上限是15张。

4.2 采集与筛选：情报员如何避免“信息垃圾”

情报员回来后，我发现一个问题：它给出的信息卡片数量很多，但质量参差不齐。有的卡片写的是行业宏观趋势，和竞品动作关系不大；有的卡片来源是自媒体分析，可信度偏低。这时候就轮到质检手册上场了。

我按质检标准筛掉了三类卡片：与四个子问题无关的宏观内容、没有明确时间标记的模糊描述、来源明显偏媒体的个人评价。筛选后真正有用的卡片大概有二十几张，分别挂在四个子问题下面。

这个过程中最花时间的不是“筛”，而是“追”。大模型给出的来源经常是模糊的，比如“据媒体报道”或者“有业内人士指出”，这种来源不可核验，我全部打回要求重报。宁可少一张卡片，也不要一张无法验证的卡片。

4.3 交叉分析与证据链：从事实到判断

四组信息卡片整理完，我被一个现象卡住了：竞品在2024年下半年集中上线了好几个新功能，但用户增长数据并没有明显变化。这个矛盾如果不处理，报告就会写出“做了很多事但都没用”这样粗糙的结论。

分析师在备忘录里给出的处理方式是：区分“功能上线”和“市场结果”之间存在滞后性。它举了一个时间线对比，显示功能A在7月上线，真正对用户活跃度产生可见影响是在10月之后。那么这个判断的支撑证据是什么？分析师挂了两张卡片：一张记录功能A的上线公告时间，另一张记录该产品在应用商店评论里出现大量相关反馈的时间。

这里有一个实操细节：分析师判断滞后性的时候，用了“可能”这个词。我在质检时专门问了它一句：“你怎么区分滞后性和相关性？”分析师反手列了一个排除逻辑——功能B同期也在更新，但评论里完全没有提及，说明A的影响确实可以单独识别。这个逻辑链足够硬，我才批准把它写进结论。

4.4 成稿与质检：主笔最后的把关

主笔拿到分析备忘录后，按照我给的简报骨架开始成稿。骨架是这样的：

一、核心判断（3条以内） 二、竞品做了什么（按时间排列） 三、哪些动作被市场验证有效 四、尚未验证但值得关注的信号

主笔在第一版里犯了两个毛病：一是把分析师备忘录里的存疑清单直接复制进正文，读起来很突兀；二是为了语言流畅，自己加了一句“这表明竞品正在加速布局”。前者是格式问题，后者是观点越界——备忘录里没有这个判断。

我让主笔把“存疑清单”单独放到文末附录区，把“这表明”那句删掉，改成引用分析师的原话“竞品在该周期的动作密度高于行业平均水平”。这一版就干净多了。

最终这篇简报从立项到成稿，一共花了大概四个小时，其中一半时间花在情报员的来回打回和补采上。如果是我自己手动复制粘贴整理资料，同样的调研至少需要一整天，而且我不敢保证结论能像这样被一层层证据逼出来。

5. 搭建这套调研队常见的坑：角色串味、信源模糊、质检流于形式

任何方法论只有落到真实执行里，才会暴露问题。我把自己在实际搭建过程中反复踩过的坑整理出来，这些都是我在投入生产前没有预料到的。

5.1 坑一：三个工种的“角色串味”

我最开始搭的时候，是分别给三个工种建了三个独立对话。结果发现，情报员在采集时还是会偷偷分析，分析师在分析时还是忍不住写漂亮句子。后来我才意识到，问题出在指令本身不够封闭。

我重新改了三个工种的指令格式，每一份都加上一句“你的唯一任务是什么”和“你不需要做什么”。比如情报员指令里明确写“你不需要输出任何结论性词汇”，分析师指令里明确写“你不需要优化语言修辞”，主笔指令里明确写“你无权增加新的事实点”。这一步做完，角色串味的情况少了很多。

5.2 坑二：信源同质化导致的“三张卡片一个出处”

有一次调研，情报员返回的二十张卡片里，有五张都指向同一篇深度报道。看起来证据链很丰满，实际上只有一个独立信源。这是大模型最常见的隐蔽问题——它在生成回答时倾向于复用训练语料里比较突出的一篇文本。

我后来在情报员的采集指令里加了一个约束：如果两条卡片的原始出处相同，必须合并为一条卡片，并明确标注“同源重复”。同时要求每个子问题下面至少有两个不同来源的信息，如果做不到，就主动标记“信源覆盖不足”，而不是用同源内容凑数。

5.3 坑三：质检手册执行不到位

质检手册写出来之后，有一段时间我偷懒，觉得“差不多就过了”。结果就是稿件里混入了没有来源的数据和没有证据的结论，表面看着挺顺，一旦被追问就露馅。

后来我给自己定了一条铁规矩：质检手册里有任何一条硬性指标不通过，不准进入下一环节。没有来源就退回情报员，证据不足就退回分析师，语言越界就退回主笔。刚开始这样搞很耗时，但两三轮之后，各个环节都学乖了，返工率大幅下降，整个流程反而更快了。

5.4 坑四：主编自己偷懒放水

最后这个坑其实最隐蔽：主编，也就是我自己，有时候看到情报员和分析师已经给出了不少内容，就懒得再做方向把关，直接让主笔把内容串起来。结果产出的报告“信息量很大，却答非所问”——四个子问题里回答了两个半，剩下一个半被悄悄绕过去了。

我现在立了一个习惯：每次调研开始前，把主问题写在文档最顶部，所有子问题列在下面；流程走完后，逐字对照一遍成稿的结论是否覆盖了所有子问题。这个行为成本极低，但能避免我陷入“感觉做了很多事”的错觉。

6. 后续扩展空间：从单次调研到常设AI内容流水线

这支AI调研队不仅能跑单次任务，稍微改造一下，就能变成一个常设的内容生产流水线。

我尝试过的扩展方式有两种。一种是给情报员增加定时任务，每周自动更新某几个固定话题的信息卡片，攒成行业周报素材；另一种是在分析师备忘录里增加“趋势信号”区块，专门记录跨期出现的新变化，帮助主编提前发现方向性转变。

如果团队里有多个成员，可以把主编的角色拆成两层：内容主编负责定题和验收，技术主编负责维护两本手册和工种指令。这样人和AI的分工就更加清晰了。

我在实际操作中的一个体会是：这套方法的价值不在“用了多聪明的模型”，而在“把模糊的调研需求变成了可拆分、可验收、可复盘的标准化流程”。只要流程足够清楚，AI的输出质量就稳定，你也能在每次调研后找到真正值得优化的节点，而不是每次都从零开始硬扛。