AI 调研流程 · 先建文件再搜索（防会话截断丢失）

一个你一定碰过的痛点

你让 AI 帮你查资料。

主题有点复杂——也许是某家公司的招聘动向，也许是某个行业的最新数据，也许是一个热点事件的多方观点。你和 AI 来来回回聊了二十分钟，它帮你搜了五六轮，越聊越到位，资料越来越丰富……

然后，会话断了。

可能是 context 挤爆了，可能是网络抖了，可能你不小心关了窗口。

那二十分钟的成果，全没了。

你重开一个新会话，AI 对刚才发生的一切毫无记忆。重来一次？不可能——你也不记得它查到了什么，也没法重现那条完整的搜索路径。这二十分钟，白费了。

这个痛点不是小概率事件。调研越深入，会话越长，截断的风险就越高。很多人第一次吃了亏之后，下次依然不长记性——因为没有一个固定的操作习惯来保护调研成果。

花叔的解决办法：先建文件再搜索

花叔在他的 huashu-research Skill 里，把核心原则说得很直接：

先建文件再搜索：确保第一次搜索结果就被保存

这句话看起来简单，背后的逻辑是：文件是持久化的，会话是易失的。 只要调研结果落到文件里，会话断了也无所谓——下次接着从文件继续就行。

配合这条原则的还有一条：增量保存不等到最后——每一轮搜索之后，立即把发现追加进文件，不要攒到最后一起整理。攒到最后，就是在赌会话不会中途断。

这两条原则合在一起，把”会话记录”变成了”文件档案”。AI 帮你搜，你的工作成果存在你自己的文件系统里，跟 AI 的记忆彻底解耦。

完整 4 步流程

Step 1：立即创建调研文件（开始搜索之前）

在发出第一条搜索指令之前，先让 AI 建一个调研文件。

文件路径建议：research-[主题]-[日期].md

文件的初始内容包含三部分：

• 调研目标：一句话说明这次要查什么
• 关键问题：把想搞清楚的核心问题列出来（2-5 个）
• 发现区：留空，等待调研中逐步填充
• 来源列表：留空，每次搜索后追加 URL

这一步的作用是”锚定”——文件一建，接下来的所有发现都有地方落，不怕丢。

Step 2：搜索并增量保存

每完成一次 WebSearch，立即把发现追加到文件的”发现”区。

每条发现必须附上：

• 来源 URL
• 发布日期（方便判断信息时效性）

不要等搜完五轮再一起整理。搜一条，存一条。这样即使在第三轮之后会话断了，前两轮的成果已经安全落档。

Step 3：每三轮做一次阶段摘要

每完成三次搜索，在文件里写一段「阶段摘要」，格式：

### 阶段摘要（第N轮）
当前关键发现：...
待补充方向：...

阶段摘要的作用有两个：一是帮你在调研中途理清思路，二是如果会话断了，下次重开时可以直接读摘要，不用从头翻所有发现条目。

Step 4：最终整理为结构化简报

调研结束时，把文件整理成可复用的简报格式：

## 调研结论
 
### 关键事实
1. [事实1]（来源：URL）
2. [事实2]（来源：URL）
 
### 来源列表
| 来源 | URL | 发布日期 | 可信度 |
|------|-----|---------|--------|
 
### 待确认问题
- [还需要进一步验证的点]

简报是调研的最终交付物。它可以直接作为写作、汇报、决策的输入素材。

不同好朋友的用法

HR 调研人才市场

你想搞清楚某家公司今年 HRBP 的招聘方向，或者某个行业的薪资水位。

用这套流程，先建一个文件：research-字节HRBP招聘趋势-20260421.md，写下三个关键问题：字节 2025 在哪些城市扩 HRBP？JD 里哪些能力被反复提到？和去年相比有什么变化？

然后让 AI 搜”字节跳动 2025 HRBP 招聘方向”、“字节 HR 体系架构调整”、“大厂 HRBP 职能演变”——每搜一条就存一条，附上来源。

调研完了，简报就是你开会汇报的底稿，不需要再重新整理。

散户研究公司

你想在买入某支股票之前摸清楚它 2025 年的基本面，或者了解某个赛道的格局变化。

先建文件：research-XX公司财报关键点-20260421.md，列出：营收结构变化是什么？毛利率走势怎样？管理层在财报电话会里说了什么重点？

让 AI 搜财报数据、分析师解读、行业横向对比——每轮结果即时存档，来源附上原文链接和日期（财经信息时效性特别重要）。

最后你拿到一份带来源的调研简报，不是 AI 给你的口头总结，而是你自己能核实的文字记录。

老师备课

你要准备一节生物课，主题是新课标模块三的重难点，但不确定考纲今年有没有调整，也不知道学生普遍卡在哪里。

先建文件：research-新课标生物模块三备课-20260421.md，关键问题：2025 新课标模块三考点有哪些变化？学生常见错误类型是什么？有哪些好的教学案例可以参考？

让 AI 搜官方课标文件、教研论坛讨论、往年高考真题分析——每条来源都存进文件，区分”官方一手信息”和”教师经验分享”。

备课资料就这样一条条积累下来，下次再上这节课，直接翻文件，不用重头搜。

写作者查素材

你在写一篇关于某热点事件的文章，需要搜集多方观点，但担心只看到单一叙事。

先建文件：research-XX事件多方观点-20260421.md，关键问题：事件的基本事实是什么？支持方怎么说？批评方怎么说？有没有容易被忽视的角度？

让 AI 分多轮搜索——官方声明、媒体报道、社交媒体反应、学术评论——每轮结果即时存档，来源标注机构和日期。

写文章时，你拿着这份多源素材库，不再依赖记忆，也不怕被 AI 的”综合叙述”带着走——你能看到每条说法的原始出处。

和 info-search 的差异

花叔的 Skill 库里同时存在 huashu-research（调研）和 info-search（信息搜索），两者有明显分工：

research 调研：适合需要多轮搜索、多源交叉验证的深度任务。场景是：你对一个主题的了解还比较浅，需要系统性地建立认知，调研过程本身就是一个探索过程。调研文件是核心产物。

info-search 信息搜索：适合单点验证、时效性查询。场景是：你基本知道要查什么，只是需要确认一个具体事实、拿到最新数据、或者核实某个说法。更快、更轻量，不需要建调研文件。

简单判断方式：如果你要问的问题超过三个，或者你预计需要搜索超过三轮——用 research。如果只是”这个数字是多少""这件事什么时候发生的”——用 info-search。

来源

花叔 · huashu-research Skill（/Users/chenbin/Documents/Personal Kingdom/知识库/素材_AI使用/人物/花叔/github-mirror/huashu-skills/huashu-research/SKILL.md）· 最后更新 2026-02-06