
《万山无阻》拆书计划 01期|行业研报关键洞察提取
不知道大家有没有过这样的经历。
准备课程作业的时候,老师要求先做行业背景分析。于是打开电脑,下载了好几份研究报告。
每份动辄几十页,密密麻麻都是图表、数据和专业术语。
看了一个下午,感觉自己知道了不少新东西。
可真正开始写论文、做PPT的时候,却又不知道哪些内容才是重点。
又或者进入职场后,领导突然让你做一份行业调研。
你花了大半天搜集资料,整理出几十页信息,可真正在汇报时,却很难回答:
这个行业究竟发生了什么变化?这些变化对我们的业务有什么影响?下一步又应该怎么做?
我觉得这其实是一个很普遍的问题。
我们获取信息的能力越来越强,但把信息转化为有效判断的能力,却不一定跟得上。
所以,今天「AI新世界」第一期,我想和大家分享《万山无阻》中的第一张场景卡。
由知果老师带来的——《行业研报关键洞察提取》。
这篇文章会分成两个部分。
前半部分,我们先学习知果老师如何利用AI提高行业研报的分析效率。
后半部分,我想结合自己的大学和职场经历,聊聊这套方法如何应用在论文研究、秋招求职和实际工作中。
文末还准备了两份可以直接复制的AI提示词,分别面向职场专业分析和学生入门实践。
Sonia
XIXI
知果老师:从40小时到1小时,
AI如何改变研报分析?
Part.01

《万山无阻》的第一张场景卡,来自知果老师。
她是一位有着十年经验的产品设计专家,也曾担任企业产品负责人及上市公司相关设计团队负责人。
在她的工作中,有一项很重要、却也非常耗费精力的任务:
阅读大量行业研究报告。
尤其是在推进重要产品方案之前,必须尽可能了解行业趋势、技术进展、市场竞争和企业需求。
而这些资料往往不是一份两份。
可能是一整批PDF文件,有的几十页,有的上百页。
如果全部依靠人工阅读,不仅耗时,还容易在整理过程中遗漏信息,或者忽略不同报告之间的观点差异。
知果老师在书中分享了自己利用AI改变这一流程的经历。
她尝试将多份研报交给AI进行整理,让AI先完成信息提取、归类以及初步结构化分析。
在她的案例中,AI大约用15分钟生成了一份初稿,甚至能够提示不同研报之间存在的数据差异。
接下来,她将更多精力放在关键数据核验、重点观点理解和最终结论判断上。
原书将这一实践的效率变化概括为:
从过去约40小时的研报阅读整理,到约1小时形成分析简报。
当然,这是特定工作场景下的实践经验。不同文件的复杂程度和分析要求,也会影响实际耗时。
但我觉得,这个案例真正值得学习的,并不只是速度。
而是知果老师改变了自己处理信息的方式。
以前可能是:
阅读全部资料 → 手动摘录 → 整理观点 → 输出报告。
现在则是:
明确研究问题 → AI辅助信息整理 → 人工验证 → 形成分析结果。
整个过程中,AI并没有完全替代人的思考。
它更像是提前帮我们完成了一轮大规模的信息筛选。
而真正需要专业经验和判断能力的部分,依然由人来完成。
这也是为什么我认为,学习AI并不是简单地学习如何让工具替自己完成工作。
而是重新思考,什么工作适合交给AI,什么工作必须由自己完成。
Sonia
XIXI
原书方法:行业研报分析
究竟应该怎么做?
Part.02

我觉得知果老师这张卡片中,最值得我们学习的是她提供了一套相对完整的分析方法。
因为很多时候,我们使用AI的习惯可能只是:
“帮我总结一下这个文件。”
AI确实会给出一段总结。
但这段总结是否真的有价值,其实很大程度上取决于我们有没有提前明确分析目标。
知果老师的方法,首先要求我们准备三类核心信息。
第一,研报原文。
可以是PDF,也可以是Word等文件。
需要确保AI能够实际读取其中的文字和数据。
第二,分析目标。
也就是你为什么要阅读这些报告。
例如评估某项新技术的产业化进程,或者了解某个行业的市场竞争情况。
第三,关注维度。
比如市场规模、增长速度、技术趋势、政策变化、主要企业、客户需求和商业模式。
如果能够补充自身公司的业务背景,还可以进一步提高分析建议的针对性。
在这些信息准备完成后,再让AI按照明确的框架开展分析。
知果老师的七模块分析框架
我将原书提示词里的七个模块整理成更容易理解的版本。

除此之外,原书的目标产出要求中,还特别强调保留信息来源清单。
也就是说,我们既要知道AI整理出了什么结论,也要能够回头找到这些结论最初来自哪里。
举个例子。
假设有两份行业报告,都在分析新能源汽车市场。
一份预测增长较快,另一份则认为短期市场存在一定压力。
这时候,我们不能简单地选择看起来更乐观的结论。
因为两份报告可能研究的是不同地区,使用了不同统计口径,或者发布时间存在差异。
这些问题如果不弄清楚,就很容易把不具有可比性的数据放在一起。
所以,知果老师在方法中专门设置了信息差异分析,并要求重要结论保留出处。
AI不仅要帮我们提取信息,还要帮助我们发现信息之间可能存在的矛盾。
而这些矛盾,往往正是需要进一步深入研究的地方。
Sonia
XIXI
知果老师特别强调:
AI生成的报告,不能直接交付
Part.03

其实,读完这张工具卡,我印象很深的还有一点。
就是知果老师非常重视人工验收。
原书给出了清晰的操作流程,从上传文件、明确目标、生成分析,到人工复核和最终交付。
其中,人工复核并不是一个可有可无的步骤。
因为AI可能出现很多问题。
比如没有提取到关键内容,混淆不同报告的数据,误解专业术语,甚至生成原始报告中并不存在的判断。
因此,在使用分析结果之前,至少需要完成几项检查:
① 数据是否能够溯源?
重要数字和观点,能否在原始文件中找到对应依据?
② 数据矛盾是否得到解释?
如果不同报告结论不一致,是否检查过时间和统计范围?
③ 是否存在未经验证的推断?
尤其要警惕将行业预测直接表达为确定会发生的事实。
④ 结论是否真正回答了分析问题?
不能只是提供一份看起来很全面,却无法指导下一步工作的资料汇总。
原书还特别要求抽样核验至少三项关键数据,确保AI提取的内容与原文一致。
这些细节,我觉得很值得我们学习。
知果老师在最后的高手心法中写道:
研报分析的本质是构建认知框架。
我特别认同这一点。
当我们阅读一份研究报告时,真正重要的不是记住了多少数字。
而是能否逐渐理解这个行业的运行逻辑,知道信息之间存在怎样的关系,并且形成有依据的判断。
这可能才是AI参与研究工作之后,我们更需要主动培养的能力。
Sonia
XIXI
希希延伸:这套方法,可以
用在我们的哪些生活和工作场景?
Part.04

讲完知果老师原本的工作场景,我想再把话题拉回到我们自己身上。
可能有同学会觉得:
我又不是企业战略分析师,平时也不需要给公司高层写研报。
那我为什么要学习这些东西呢?
其实在我看来,这套方法的应用场景远比想象中广泛。
尤其对大学生、刚毕业的职场新人,甚至已经拥有多年工作经验的朋友而言,都有值得尝试的方向。
场景一:课程作业和毕业论文
我本科读的是城乡规划。
这个专业有很多前期调研工作,包括政策梳理、行业背景研究、城市发展分析等。
所以我很熟悉面对大量资料,却不知道该怎么提炼重点的感觉。
假设我们正在研究某个城市的养老服务设施。
可以先搜集相关政府报告、行业研究资料以及学术文献。
再通过AI梳理:
目前主要有哪些养老服务模式?
这个领域面临哪些普遍问题?
已有研究分别关注哪些方向?
不同报告中有没有值得进一步核对的结论?
这样一来,我们就能够更快了解研究主题的基本情况。
不过,这里也需要说明:
行业研报分析并不能直接替代严谨的学术文献综述。
它更适合用于前期建立研究认识,后续仍然需要查阅学术论文、检查原始数据并规范引用。
场景二:准备秋招,判断目标行业
我觉得这个场景特别值得应届毕业生尝试。
以前准备秋招时,我们可能习惯打开招聘软件,看看有什么岗位,然后直接投递简历。
但我越来越觉得,在投递之前,我们其实可以做一件事情:
先了解自己准备进入的行业。
比如你是一名非计算机专业的毕业生,对AI教育行业感兴趣。
可以先找到几份公开的行业研报,按照知果老师的方法提取行业发展趋势、商业模式和主要企业。
接着,再结合招聘信息思考:
这个行业有哪些非技术岗位?
哪些企业正在招聘?
自己已有的经历可以匹配什么职位?
如果未来想进入这个行业,现在最需要补充什么能力?
这样,我们得到的就不再只是一份行业介绍。
而是可以进一步转化成自己的职业选择依据。
当然,行业报告并不能完全反映实时招聘市场,具体岗位仍然需要通过企业招聘信息来核实。
但至少,我们能够从“这个行业好像很热门”,慢慢走向“我知道自己为什么想进入这个行业”。
场景三:职场中的行业调研与竞品分析
这是我进入职场以后感受更加明显的一个场景。
很多时候,我们不仅需要搜集市场信息,还需要进一步判断这些信息对实际业务意味着什么。
假设你是一名产品经理,准备开发一款面向年轻人的健康管理App。
领导希望你先了解行业的发展现状和竞争情况。
如果没有清晰的研究框架,你可能下载了十几份报告,看完以后发现它们都在讲不同的东西。
有的讨论市场规模,有的讨论用户行为,还有的关注AI技术的应用。
但如果按照知果老师的方法,可以先把研究问题明确下来:
这个市场是否存在增长空间?
现有产品主要满足哪些用户需求?
不同竞争者之间有哪些差异?
目前还有哪些需求没有得到充分满足?
再通过AI辅助整理多份报告的信息,最后结合公司的实际情况提出建议。
这样整理出来的报告,才更接近一份能够用于业务讨论的分析材料。
职场里真正重要的,往往不是你搜集了多少资料,而是这些资料能不能帮助团队做出更好的判断。
场景四:创业前的市场研究
除了学习和求职,我觉得这套方法对想创业的人也很有价值。
例如,你想开发一款面向大学生的效率工具。
在正式投入资金之前,可以先利用AI分析相关行业报告,了解市场需求、主要竞争者以及可能的商业模式。
但行业研究只是第一步。
它能够帮助你提出更具体的问题,却不能直接证明某个创业想法一定可行。
下一步仍然需要通过用户访谈、产品测试等方式验证真实需求。
这也是我觉得AI很有意思的一点。
它并不意味着我们可以跳过所有困难的思考。
而是在面对一个陌生问题的时候,我们多了一种可以帮助自己快速建立初步认识的方式。
Sonia
XIXI
本期可复制交付物:两套
AI行业研报分析提示词
Part.05

前面讲了这么多,接下来终于到了可以直接上手的部分。
考虑到「希希成长记」的读者既有大学生,也有已经进入职场的朋友,所以这一期我准备了两个版本。
版本A:职场专业版。
根据知果老师原书的提示词结构进行整理改写,保留专业分析中的背景、任务、输入、约束与验收要求。
适合需要制作行业分析、战略研究、产品调研和管理层汇报的职场人。
版本B:大学生实践版。
由我结合论文研究、秋招及学生学习场景进一步简化和延伸。
适合第一次接触行业研报、希望快速了解陌生领域的同学。
版本A|知果老师方法:职场专业分析版
方法来源:《万山无阻》知果《行业研报关键洞察提取》;以下为依据原书结构整理的可复制改写版,非原文逐字转载。
#角色与背景
你是一名具备行业研究、战略分析和信息核验
能力的专业研究助理。
我的公司:【填写公司或行业】
我的岗位:【填写岗位】
报告对象:【如部门负责人/管理层/业务团队】
研究行业:【填写具体行业或细分赛道】
#分析任务
请综合我上传的3—5份行业研究报告,
形成一份结构清晰、有事实依据、
可以追溯信息来源的行业分析报告。
本次研究的主要目标是:
【例如:判断行业增长趋势、
评估市场竞争格局、
识别商业化机会与风险】
重点关注以下维度:
【市场规模、增长趋势、技术演进、
政策环境、主要竞争者、客户需求、
商业模式、潜在机会】
#输入资料
研报1:【上传文件】
研报2:【上传文件】
研报3:【上传文件】
补充业务背景:【可选】
请先确认文件是否成功读取。
无法读取的内容不得自行补全。
#输出框架
严格按照以下七个模块展开:
一、行业概览
介绍行业定义、市场范围、
核心产品或服务及主要需求。
二、发展趋势
总结主要发展变化及驱动因素。
区分已发生的事实和未来预测。
三、竞争格局
梳理主要企业、竞争方向、
业务特点与市场位置。
四、关键数据
整理市场规模、增长率、
市场份额等重要指标。
标明时间、统计口径和来源。
五、风险与机会
分别提炼主要机会和潜在风险。
每项判断必须附事实依据。
六、行动建议
结合我的研究目标和业务背景,
提出3—5条可执行的建议。
说明建议依据及需要继续验证的问题。
七、信息差异
比较不同报告的结论与数据。
如出现差异,列出对应数值、
来源、统计时间和口径,
解释可能的差异原因。
#分析约束
1. 只使用已提供且能够读取的资料。
2. 每条关键数据和结论必须标注
【报告名称-原文页码】。
3. 不得编造报告中不存在的数据。
4. 未涉及的维度标注“未提及”。
5. 无法确认的数据标注“待核实”。
6. 不得将预测当成已发生的事实。
7. 对于推算结果,必须说明计算依据,
不得将推算数值表述为原始披露。
8. 表达简洁,避免空泛商业套话。
9. 事实、报告作者观点和分析建议
必须明确区分。
#输出前自检
请检查:
① 七个分析模块是否完整?
② 重要数据是否保留来源与页码?
③ 相互矛盾的数据是否已标注?
④ 是否存在未经证实的主观推测?
⑤ 风险、机会和建议是否有依据?
⑥ 是否有无法读取却被使用的信息?
#最终交付
请输出:
1. 300字以内的管理层摘要
2. 七模块详细行业分析
3. 关键数据对比表
4. 信息来源清单
5. 需人工复核的问题清单
请把无法验证的内容明确标出,
不要用看似合理的推测填补空白。
版本B|Sonia延伸:大学生与求职者实践版
如果你还没有进入职场,暂时不需要准备专业战略分析报告,就可以尝试下面这个简化版本。
它保留了原书的结构化分析方法,但将输出重点放在帮助个人理解行业、发现机会和制定行动计划上。
#你的角色
你是一名耐心、严谨的行业研究助理。
请帮助我理解一个陌生行业,
并结合我的实际情况提供分析。
#我的情况
我的身份:【大三学生/应届毕业生】
我的专业:【填写专业】
想了解的行业:【填写行业】
研究目的:【论文/秋招/职业探索等】
#输入资料
我将上传3份公开行业研究报告。
请先确认每份报告能否正常读取,
不要根据文件名称猜测正文内容。
#分析任务
1. 行业概览
用简单的语言解释行业主要做什么。
2. 发展趋势
总结3—5个主要变化。
3. 竞争格局
介绍报告提到的代表性企业。
4. 关键数据
提取重要数字并标明来源和年份。
5. 风险与机会
说明行业目前面临的问题与机会。
6. 行动建议
结合我的专业和研究目的,
提出3条可以采取的行动。
7. 信息差异
比较报告之间的不同观点,
并说明需要进一步核实的地方。
#输出要求
先用300字帮我了解这个行业。
接着按照七个模块展开分析。
最后单独输出:
① 最值得关注的3个行业结论
② 适合我继续研究的3个方向
③ 接下来7天可以完成的小任务
④ 信息来源和待核实问题清单
要求:
- 使用容易理解的语言。
- 所有数据标注报告名和页码。
- 不编造信息和引用。
- 不将行业预测写成确定事实。
- 缺少依据时明确说明。
如果你的主要目的是秋招,还可以继续追问:
“结合上面的行业分析,请告诉我,如果是一名非技术背景的应届毕业生,应该优先了解哪些岗位?每类岗位可能需要哪些能力?请区分研报能够支持的内容与需要另行查证的招聘信息。”
如果你正在写论文,则可以换成:
“请根据已有资料,梳理这个研究方向的主要问题与争议,并给出值得进一步检索的研究关键词。不要编造学术文献。”
我更希望大家在实际使用中,慢慢发现:
提示词并不一定要背下来。
只要知道自己想解决什么问题,就可以根据实际需要不断调整。
最后,别忘了人工复核
不论使用哪个版本,正式引用前都建议检查这五件事:
重要数据能否在原始报告中找到?
统计年份、范围和口径是否正确?
不同报告间的矛盾是否得到说明?
有没有把研究观点或预测写成事实?
最终分析是否回答了自己真正的问题?
其中,至少抽取三项关键数据,回到原始报告逐一核实。
另外,涉及公司未公开数据、客户资料或保密报告时,不要未经授权上传至外部AI平台。
Sonia
XIXI
写在最后|一起把AI真正用起来
Part.06
这也是「AI新世界」系列正式开始的第一期。
从知果老师的行业研报分析方法,到今天分享的职场专业版和学生实践版提示词,我越来越觉得,AI学习不应该只停留在知道某个工具有多厉害。
更重要的是,我们能不能把它真正用进自己的学习、工作和生活中。
接下来,我也会继续拆解《万山无阻》中更多有意思的实战场景,把来自不同领域实践者的经验,整理成适合普通人学习和使用的方法。
如果你也希望更系统地学习AI,我为大家准备了两个入口。



📖 01|关于《万山无阻》
《万山无阻》汇集了来自不同领域AI实践者的真实经验与方法。
本期分享的行业研报分析,只是其中一个场景。
如果你希望进一步学习原书中的完整方法、案例和提示词,也可以通过下方入口了解这本书。
《万山无阻》|AI实战方法与应用场景
👇 点击下方商品卡片,或长按识别二维码了解原书。

🌱 02|加入我们的AI共学社群
另外,我也希望「AI新世界」不只是一个单向输出的公众号栏目。
未来,我们计划围绕AI工具学习、真实场景实践、提示词交流以及校园共创,慢慢建立一个互相分享、共同进步的学习社区。
无论你是正在探索AI的大学生,还是希望提升工作效率的职场人,都欢迎一起交流。
不需要有很专业的技术背景,也不必一开始就掌握复杂的AI工作流。
从一个真实的问题、一次小小的实践开始,就很好。
扫描下方二维码,了解并加入我们的AI共学社群(一起群里热聊AI运用)

希望我们不只是收藏越来越多的AI教程。
而是真的在一次次实践中,积累属于自己的能力。
下一期「AI新世界」,我们继续一起学习。
—— Sonia希希

本期共读
书目:《万山无阻》
原书场景卡作者:知果
主题:行业研报关键洞察提取
原书方法整理、学生与职场场景延伸:Sonia希希
本文基于原书方法进行学习解读,文中提示词为重新整理的实践版本,并非原书逐字转载。



点击 关注【Sonia希希成长记】, 祝我们都成为更好的自己。

研报速递