它和专业机构的研究报告一定存在差距，所以我不是来炫耀这份报告的。
我想聊的是另一个问题——
为什么我们装上了 skill、写足了 prompt、照着教程做，AI 交出来的东西还是不能用？
为了让 AI 帮我做这份研究，我收集了上百篇素材，攒了几十篇过程稿，写了一套 300 多条规则的 skill。
后来我发现，这些东西几乎全白弄了。
不是 skill 写得不好，是我这套协作方案本身就走不通。
一、给 AI 加的约束，永远比它犯的错少一个
最开始我一直想学怎么用 AI 做行业研究。
光看不练没用，就想找个真实的选题上手。
想来想去，挑了"日本算力中心的行业研究"。
一开始我给 AI 的指令很简单：帮我研究一下日本的算力中心，出一份研究报告。
它确实"编"出来一份，速度很快，当然也仅限于”快“。
内容不能细看，稍一打眼就知道废了——写得没有逻辑，数据还不保真。
我第一反应是方案不行，得给它配专业的 skill。于是我在 GitHub 上找了两个，一个管研究，一个管写作，能找到的基本都试了一遍。
结果和预想的完全不一样。请看下图。
标题怪怪的，里面的内容也没什么逻辑。
后来我想，还是自己写 skill 吧。
我盯着它的输出，发现哪里错了就加一条规则。它编数据，我加一条必须标注来源；它逻辑乱，我加一条必须按框架拆解。
就这么一条一条加，加到 300 多条，我停下了。
因为我发现一件更崩溃的事——它并不完全执行。
为了逼它执行，我又加了一个审核 Agent，专门检查前面那个 AI 有没有听话。
这么做唯一的变化，就是token见底了。
现在回头看，我前面所有的动作，都是在给 AI 加约束。
但是给 AI 加的约束，永远比它犯的错少一个。
因为我每一条规则，都是踩坑之后才补上去的。
规则永远排在错误后面。
所以它只挡得住我已经掉过的坑，挡不住下一个。
而且那 300 条全是这一次研究里踩出来的。换个行业重来，基本全部作废。
我当时以为我在建资产，其实我堆的是一份错误清单。
后来我放弃了之前全部的思路，重新换了一条路。
二、你问的有多开放，AI编的就多离谱
我想，AI 出现之前，那些专业机构的市场研究是怎么做的？
为了找这个答案，我翻到了一本书，叫《如何快速了解一个行业》。
刚拿到书，我和大部分人一样——第一个动作是把方法丢给 AI，让它按书里的方法去研究。
这几乎和前边是一样的错误，结果自然好不到哪里去。
后来我没再偷懒，自己把这本书从头读了一遍。
书里有一个关于信息输入的方法论：自上而下，先定义问题，再把问题一层层往下拆，拆到原子问题为止。所谓原子问题，就是只有唯一一个答案的问题。
这个给了我很大启发。因为我以前递给 AI 的，是一个方法的名字，加一个很大的问题。
举个我自己踩过的。
我一开始问的是：日本的算力中心，一共有多少 MW？
这问题看着挺具体，其实根本没有唯一答案。因为"有多少"这三个字，可以指五个完全不同的数字——公告了多少、拿到电通了多少、设备装好了多少、签了客户的有多少、真正在跑的有多少。这五个数差好几倍。
我问得这么宽，AI 就随便抓一个最大的给我。
后来我把它改成：截至 2025 年末，日本已经通电、明确支持 GPU 和 HPC 的 AI 数据中心，IT 供给容量是多少 MW？
答案是：大约 300 MW。
这个数我能核对，也能追到来源。
再打个更简单的比方。
你问 AI"帮我出一个学数学的框架"，它给你的东西，你没办法判断对错。
你问 AI"1 加 1 等于几"，答案只有一个，它编不了。
差别不在难易，在于答案能不能核对。
口径一卡死，AI 就不编了。
它要么查得到，要么查不到，没有中间地带。
它之前为什么编？因为我给的问题太宽，宽到它有发挥空间。它总得给我点什么，手里又没有，那就只好造。
所以幻觉不完全是模型的毛病，很大一部分是问题口径的毛病。
同一本书，同一个 AI，同一个任务。
唯一变的，是我自己知道要问什么了。
三、报告的逻辑不是写出来的，是拆问题的时候就定下来的
一开始 AI 那份报告有两个毛病：一个是报告编数据，一个是写作没逻辑。
和最初一样，我本来以为得靠写作 skill 去治——所以我一开始才专门去找了个管写作的 skill。
结果是：那个 skill 没用，但写作逻辑的问题自己解决了。
当我把问题一层层拆到原子，再照着这个结构去收集素材，最后让 AI 写的时候，我发现它写出来的东西自动就是有逻辑的。
我后来才想明白为什么。
因为问题树本身就是文章的结构。
每一个原子问题的答案，就是文章最底层的材料；把同一组原子问题的答案归纳起来，就是一个分论点；几个分论点再往上归纳，就是一章的结论。
我拆问题的时候，其实已经把这篇文章的骨架搭完了。AI 到最后一步，只是在填空。
所以那些写作 skill 为什么没用？
因为它们想在最后一步解决结构问题，可结构在第一步就定死了。
素材是散着收的，写的时候再让 AI 编出逻辑，那逻辑就是它编的——听着通顺，经不起推敲。
这也是这份报告能立住的原因。它一共七章，分属三个问题：市场有多大、谁能拿到、谁留下利润。
这三个问题不是写的时候想出来的，是我动手查第一份资料之前就定好的。
四、我想搭一套不依赖我的工作流，最后发现它只依赖我
我折腾这一圈，最初想要的是一套不依赖我的 AI 工作流。在任何场景下都稳定，不用我操心。
最后发现，它唯一依赖的就是我。
那 300 条规则，本来是为了让我拿到控制感，结果我拿到的是焦虑。
所以下次你跟 AI 怎么聊都聊不出东西的时候，别急着换模型、换 prompt。停下来想一件事——这件事在没有 AI 的年代，人是怎么做的。
