收益：
- 能够将长篇行业报告、新闻和官方数据转化为人工智能构建的摘要和见解，并将真实资源应用于模型
- 能够根据自己的行业判断建立“这意味着什么”综合层，从而超越原始摘要
- 能够评估来源可信度并通过至少两个独立来源确认每个客观主张
咨询工作中劳动力最密集的阶段之一是研究：阅读数十页的行业报告、年度活动报告、新闻、立法和官方统计数据，并从所有这些内容中创建有意义的图景。人工智能将阅读提炼工作的时间减少到几分钟。但研究综合的真正价值不在于总结，而在于总结。 “这是什么意思？”是问题的答案。在本单元中，我们将学习使用人工智能作为读取和结构化引擎，并根据自己的判断建立合成的解释层。
什么是综合，而不是总结？
摘要是文本的缩写版本。另一方面，综合是结合多个来源并提取新的见解。 “报告称市场增长了 8%”是一个总结。 “三个消息来源提到的 8% 的增长主要来自价格增长；数量几乎恒定，表明需求已经饱和”是一个综合。人工智能非常擅长总结，但只有你才能正确指导它并控制综合中的解释。
将资源施加到模型上
最关键的技术是：告诉模型从您提供的资源中提取，而不是从它自己的内存中提取。大型语言模型不会“记住”最新且准确的行业数据；猜测。因此，将真实的报道、新闻或数据粘贴到文本中并说“忍耐一下”就可以在很大程度上切断幻觉。
您的角色：管理顾问的高级行业分析师。我在下面粘贴了 3 个来源（报告、新闻、协会数据）。任务：根据这些来源创建土耳其[行业]市场的结构化摘要。规则：- 仅依赖我给出的来源。不要生成任何源中没有的数字。 - 在每个数字旁边写下来源并声明：（来源 1，第 4 页）等。 - 如果来源相互矛盾，请清楚地说明矛盾，不要做出选择。 - 最后，添加“3 个不在源中但对于决策是必要的信息”的列表。格式：1) 市场规模和增长 2) 驱动力 3) 风险 4) 不确定性。
提示：在内部故意留一个间隙，以测试模型对“仅依赖源”指令的遵守情况。例如，从来源中减去出口数字；如果模型仍然适合某个数字，请不要相信该模型/提示模式，将其收紧。
将长文档转储为结构化输出
不要粗略地总结 60 页的报告，而是直接索取决策表。结构化输出读取速度更快，验证也更容易。
阅读下面的年度报告。填写下表：|主题 |报告中发现|页 |这对我们意味着什么（so-what）|主题：收入细目、地理分布、最大风险、资本投资计划、管理层对明年的预期。将“这对我们意味着什么”栏留空；我会填写它。将无法提供页面引用的行标记为“无引用”。
此提示中的关键细节是：您希望“so-what”列为空。解读层是顾问的增值；如果你把它留给模型，它会产生一种通用的陈词滥调。
评级来源可信度
并非所有资源都是平等的。综合的力量与其所基于的资源的力量一样多。让低于评级成为一种习惯。
资源类型
可靠性
如何使用
经审计的财务报表
高
直接引用，页面参考
官方统计数据（TURKSTAT，部委）
高
规模和增长的基础
行业协会报告
中高
为了潮流；需要交叉检查
严肃的新闻/分析师报告
中等
与第二个来源确认
竞争对手的营销文案
低-中
说法可能被夸大
模型内存中的数字
低
永远不要计算来源；验证
三个迷你箱子
案例 1——信任记忆的代价。有顾问问“2024年土耳其电商市场有多大？”没有引用模型。他问；该模型显示“大约 1.9 万亿里拉”。顾问将其放入演示文稿中。官方报告随后透露2.8万亿里拉； 30%的偏差驳斥了该提案的整个增长情景。正确的方法是从官方来源获取数据并由模型对其进行解释。
案例2——将矛盾暴露出来。对于健康技术项目，两个来源给出的市场增长截然不同：协会报告为 22%，分析师评级为 11%。因为顾问告诉模型“显示矛盾，不要选择它”，所以他呈现了两者，并发现差异是由于定义造成的（一个计算设备，另一个计算软件）。向客户提供的不是一个错误的数字，而是准确的范围和原因。
案例 3 — 综合的价值。一位顾问阅读了三个不同的来源：销售额在增加，商店数量稳定，员工人均营业额在增加。该模型分别总结了这些内容。这位顾问自己建立了综合：“增长不是来自新店，而是来自现有店的效率；因此增长策略不应该是‘更多店’，而是‘每店效率’。”这是没有写在源代码中的见解，而是来自源代码的见解。
弱提示/强提示
弱提示：
总结土耳其化妆品市场。
它从模型内存中生成无源且可能过时的文本。
强力提示：
您的角色：行业分析师。我在下面粘贴了 2024 年化妆品行业报告和 3 个新闻报道。任务：仅根据这些来源生成结构化综合。- 在每期旁边写下来源和页面/URL。- 根据来源分开，无论增长来自价格还是数量。- 如果来源冲突，写下矛盾和可能的原因。- 将“那又怎样”行留空。探究：列出决策中缺少的 3 个关键数据。
三角测量：三个源的交集
依赖单一来源是有风险的；每个来源都有偏见。三角测量正在确认来自三种不同类型来源（例如官方统计数据、行业协会和独立分析师）的相同信息。如果三个来源指向同一方向，信任就会增加；如果出现分歧，就意味着存在不确定性，应该报告而不是隐瞒。 AI加速三角测量：它可以将三个来源的相同数字的值并排放置并计算差异。但你要决定哪三个来源是真正独立的；因为通常三个“不同”的来源实际上重复（一个引用另一个）相同的原始数据，从而造成了一种虚假的确认假象。区分来源是“原始”还是“传播”是合成可信度的基础。
以下是给出相同市场规模数字的 3 个来源。 任务：将这三个数据放入表中；写下值、年份、方法以及原始/传输的区别。标记哪个来源是基于另一个来源的（如果不是独立的）。告诉我还剩下多少独立来源。
研究合成工作流程
1) 收集来源并对其可靠性进行评级。2) 将原始文本输入模型；说“就靠这个”。3）请求结构化表/输出； 4）将每个问题追溯到源头；标记未引用的。5) 保留矛盾，不要关闭它们。6) 自己编写“so-what/synthesis”层。7) 通过第二个独立来源确认关键数字。
常见错误
- 依赖于模型的记忆。该模型不会记住当前的市场数据，而是进行预测；给个真实来源。
- 将总结误认为综合。 “报告是这么说的”是不够的； “这意味着什么”层是顾问的工作。
- 隐藏矛盾。如果两个来源不同，选择一个并丢弃另一个会产生错误的精度；展示差异及其原因。
- 将竞争对手的营销文案视为事实。诸如“我们是行业领导者”之类的说法往往没有证据；确认。
- 依赖单一来源。作为决策依据的每个数字都必须经过至少两个独立来源的验证。
注意：如果市场规模或增长数字将作为报价或投资决策的基础，则在至少三个独立来源确认之前，该数字不会被视为最终数字。在咨询领域，一个编造的数字一句话就能毁掉整个研究的可信度。
综上所述
在市场和行业研究中，人工智能可以节省大量的阅读、提炼和结构化时间。最安全的方法是把真实的来源交给模型并说“就靠这个”，将每个数字追溯到来源，让矛盾变得可见而不是隐藏。但综合的精神（这个市场实际发生的事情）和每个数字的验证都掌握在你的手中。模型是一个很好的阅读器和构造器；成为一名优秀的解释者和验证者是顾问的职责。
应用任务
选择一个行业并收集至少三个事实/代表性来源（报告、新闻、协会数据）。对每个来源的可靠性进行评级。使用强大的合成提示生成结构化输出；自己填写“那又如何”一栏。根据来源区分增长是来自价格还是数量。在最后一步中，与第二个独立来源确认最关键的数字，并将无法确认的数字标记为“未确认”。
清单
- [ ] 我给了模型一个真实的来源，我不相信它的记忆。
- [ ] 我对每个问题都进行了溯源；我标记了那些没有参考文献的。
- [ ] 我对来源可靠性进行了评级。
- [ ] 我没有隐藏矛盾，而是因为矛盾才表现出来。
- [ ] 我自己写了 so-what/synthesis 层。
- [ ] 我已经通过至少两个独立来源确认了关键数字。
- [ ] 我已将竞争对手的营销主张与事实分开。