行业研究与机会判断

解决什么问题

很多人做行业研究时，要么自己翻报告、扒数据，把精力耗在资料搜集上，最后没时间思考判断；要么让AI直接输出一份“行业报告”，结果要么是资料堆砌，没有聚焦“为什么有机会”的核心逻辑，要么是框架跑完就当结论，忽略了个人能力和切入点的对接。新手尤其容易犯两个错：一是把估算当数据，用“大约”填充空白；二是把框架当答案，觉得跑完五维度扫描就等于有了正确结论，最后拿到的报告对自己做个人决策毫无帮助。

技能如何工作

这个技能的核心原则是Agent 做资料，用户做判断，把两个环节的责任切得很清楚。Agent 负责搜索、整理、交叉验证这些“苦力活”，用户的时间只花在形成判断、连接自身能力、找切入点上。研究不是上来就搜数据，而是先验证逻辑链——这个行业为什么有机会？核心假设是什么？哪些环节需要验证？数据必须真实可溯源，每条关键数据都要标注来源，不确定的就明确说“数据有限，估计值为 X，置信度 Y”，禁止编造。

研究深度按需分级，默认是 L1 速览，15-20分钟出一页速查表和机会初判，适合快速判断“这个行业大概怎么样，值不值得深挖”；如果用户说“深挖”或“做决策”，升级到 L2 扫描，30-45分钟出结构化报告，覆盖五维度扫描和机会评估。流程分四个阶段：Phase 0 确认目标行业、研究目的和现有资料；Phase 1 画机会逻辑链并逐环节验证，还要找已发生的真实事件支撑；Phase 2 用基本定义、驱动力、市场测算、产业链地图等框架做全貌扫描；Phase 3 评估个人机会，把行业数据和个人能力对接。

最关键的环节是研究结束后用户必须亲自写 300 字判断——不是 Agent 写，是用户自己写。不写就等于没学会，因为只有把判断写出来，才会发现自己哪些地方想清楚了，哪些地方还没想透。Agent 拿到判断后还会追问三个问题：“为什么现在还没人做好？”“风险发生了怎么办？”“6 个月后什么信号会证明你判断错了？”这些问题比报告本身更能帮用户想清楚。

适用边界与注意点

这个技能不是万能的，它有明确的边界。首先，一天搞不透一个行业，L1 只聚焦“逻辑链→产业链→机会判断”三条线，不会做全面研究；如果要系统了解一个行业，需要升级到 L2，并且要有合理的时间预期。其次，数据必须真实，搜不到确切数字就标注“未找到可靠数据”或“数据有限，估计值 X，置信度低”，不能为了报告好看编造数据。

另外，不是所有行业都适合快速研究——成熟行业的资料多，AI 分析可能看起来“更确定”，但确定性来自商业模式，不来自研报数量；新兴行业资料少，AI 分析可能偏保守，需要用终局思维而非当前数据判断。最后，用户必须亲自写 300 字判断，Agent 的追问是核心环节，跳过这一步，研究的价值会大打折扣。