AI领域深潜

解决什么问题

把「AI+某个行业」写成深度报告时，最常见的失败有两类：一是把搜索结果按主题罗列一遍，读者读完不知道「所以呢」；二是只盯住最新的 AI 产品，跳过该领域几十年沉淀的传统架构与设计机制，结果把别人早就验证过的轮子重新发明一次。这个技能面向工程师自己动手做领域调研的场景——需要一份既有历史纵深、又带架构图和可执行建议的产出。

核心机制：五层递进 + 三维度并行

调研按五个层级递进展开：

• 历史脉络层：领域经历了哪些阶段，每个阶段的核心模式是什么。
• 传统架构层：既有技术架构与经过验证的设计机制。
• AI 驱动层：代表性产品的技术架构与核心能力。
• 交互设计层：核心交互模式以及 AI 带来的改变。
• 落地蓝图层：把传统智慧与 AI 能力融合成具体架构方案。

前四层是素材，第五层是综合。效率来自并行：把大主题拆成「历史与传统」「AI 新架构」「设计与落地」三个互不依赖的维度，同时启动子代理各自做 3-5 轮搜索，返回带来源 URL 的结构化结果。

洞察来自交叉点

整合阶段做交叉比对：A×B 看哪些传统设计被 AI 继承、哪些被颠覆；B×C 看技术能力如何改变交互；A×C 看哪些交互智慧值得保留。最终提炼 4-6 条交叉洞察和 1-3 条核心论点。

交付物与约束

报告是零外部依赖的自包含 HTML：暗色基底、衬线标题、表格优先，至少 3 张比较表、1-3 张 Mermaid 架构图，所有事实性声明带行内引用，核心论点至少 2 个独立来源交叉验证。

适用边界

• 不做实时数据抓取，产出质量取决于可检索到的公开资料。
• 维度不宜超过三个，交叉关系会指数级增长，整合成本高于并行收益。
• 「AI 是增强不是替代」是硬约束，架构建议必须保留传统模式中被验证有效的部分。