企业官网建设流程全解析

1. 为什么是组队，而不是堆更多提示词：问题出在工序上

1.1 一次让人抓狂的"标准提问"

我猜很多人和我一样，最开始用AI做调研是这么干的：打开对话框，输入"帮我调研一下某某行业的现状，要全面、要有数据"，然后满怀期待地等回答。

结果往往分两种。一种是一篇看似工整的行业综述，读起来什么都说了，放到选题会上又什么都立不住——问一句"这个数据是哪一年的？""这个结论依据是什么？"就哑火了。另一种更难受，第一段看着还挺靠谱，越往后越飘，最后甚至开始自相矛盾，同一篇文章里前后两个市场规模差了三个亿。

我一度以为是自己提问方式不对，于是去学各种提示词技巧，什么角色扮演、思维链、给示例、给约束条件……试了一圈，确实有改善，但质量还是像开盲盒。同一套提示词，今天跑出来的东西能用，明天跑出来就是一堆正确的废话。

后来我想明白了一件事：问题不在提示词，在于我把所有工序压给了一次性对话。

1.2 把工序拆开以后，变化发生在哪一层

做内容的人都知道，一篇调研稿从零到交付，至少有这么几步：确定调研边界、搜集素材、筛选可信来源、提炼观点、搭结构、查漏补缺、复核数据。过去我让AI一次对话干完所有这些，相当于让一个实习生上午入职，下午就独立负责整个选题，中间没有任何人检查他的半成品。

这当然不是模型不行，是我自己的工作流设计有问题。我在线下带团队的时候绝不会这么干——你至少得有个主编派活，有资料员整理素材，有编辑负责撰稿，有校对挑毛病。怎么到了AI这里，就觉得一个对话框能替代一整条流水线呢？

于是我做了一次改动：不再追求"一次问出完美答案"，而是把调研拆成多个环节，每个环节让AI承担一个相对单一的工种，环节和环节之间传递的是结构化文件，不是聊天记录。就是这个改动，让产出质量从"碰运气"变成了"基本稳定"。

1.3 为什么是"1+3+2"这套最小配置

说到组队，很多人会想着角色越多越好，恨不得让AI扮演十个专家一起开会。我的建议是别贪多，一套队伍能不能用起来，取决于两件事：每个角色的职责边界是否清晰，角色之间的交接是否省事。

我最终沉淀下来的这套"AI调研队"，配置非常简单：一个主编，负责拆任务、派活、做最终判断；三个工种，分别是搜证员、提炼员、质检官，对应素材收集、内容加工、交付前把关；两本手册，一本开工前给全员看，回答"这次调研到底围着什么转"，一本收尾时对照打分，回答"这份材料达到验收标准没有"。

这套配置为什么够用？因为再复杂的调研，本质上也逃不出"找材料—做加工—验质量"这三个动作。整个调研队最核心的设计思路，是把一个模糊需求变成一条可检查的流水线。

2. 主编的活没有听起来那么高级：拆单子、传上下文、做仲裁

2.1 主编的第一件事：把模糊需求变成一张边界单

主编是整个调研队里最像人的角色。AI可以做搜证、可以提炼、可以质检，但"这个调研到底要解决什么问题"这件事，必须有一个人先想清楚。

现实里需求往往是这样的："公司下个月要做一期轻食相关的选题，你先看看有什么可写的。"这句话信息量其实很低。"轻食"是范围，"要写出来"是目标，但时间跨度、地域范围、切入角度、交付形式、篇幅限制，全都悬空。如果把这个需求原封不动丢给AI，它一定会给你一篇"轻食行业全面分析报告"——因为这是最安全、最不容易被挑错的答法。但真正做选题的人知道，这种全面报告恰恰是最没用的。

主编要做的第一件事，就是写一张边界单。这张单子不需要很长，但必须把几个关键变量定下来：

• 调研主题：要回答的具体问题，而不是话题本身。比如"轻食"是话题，"近三年一二线城市轻食消费习惯发生了什么变化"才是问题。
• 时间范围与地域范围：写清楚是看三年还是五年，是聚焦一线城市还是覆盖全国。
• 交付形式与篇幅：是一份1500字洞察简报，还是一份带图表的长文底稿，形态不同，搜证的颗粒度完全不同。
• 已有判断与未知问题：哪些东西团队已经知道了不用再查，哪些是真正需要补课的部分。
• 质量红线：例如"所有关键数据必须能追溯到原始报告"、"结论必须有至少两个独立来源支持"。

边界单的价值在于，它把"写一篇好文章"这种抽象要求，翻译成了AI可以执行的指令。我见过很多人抱怨AI调研结果太空泛，多数时候不是AI不行，而是你从来没告诉过它边界在哪里。

2.2 主编的第二件事：把边界单拆成三个任务包

边界单确定之后，主编的工作进入第二环：拆单。

以"近三年一二线城市轻食消费习惯变化"这个任务为例，拆出来大概是这么三张单子：

搜证单要求搜证员提供：近三年一二线城市轻食相关的消费趋势、主要品类变化、典型消费者画像的变迁，以及每个观点对应的原始来源。提炼单要求提炼员在搜证结果基础上做压缩与结构化，产出三个左右的论点，每个论点下有支撑素材和逻辑关系。质检单要求质检官核对提炼结果中的所有数据、日期、引用、推论，找出站不住脚的地方。

拆单过程中最容易犯的错，是让上下文在交接中流失。搜证员花了几轮对话搞清楚了任务背景，如果到提炼员这里你又重新说一遍背景，不仅浪费时间，还容易说漏。我的做法是主编写一份《上下文快照》，包含边界单的摘要、前一个任务的输出摘要、下一个任务需要做什么、重点注意哪些坑。这个快照不用长，三四段就好，但它保证每个工种接手时都能快速进入状态。

所以主编的活儿总结起来就是三个动作：把模糊需求翻译成边界，把边界拆成任务包，把任务包连同上下文传到下一个环节。

2.3 主编的仲裁机制：三个工种打架的时候怎么办

组队有个必然会出现的问题：不同工种对同一件事的判断不一致。

最常见的场景是：搜证员找到了一条来源看起来很权威的信息，提炼员也把这条信息当成一个重要论据写进了结构，但质检官检查之后发现，这个来源的年份对不上，或者那条数据的统计口径和引用的另一条数据存在冲突。这时候怎么办？谁说了算？

答案是主编说了算，而且主编必须有一个一以贯之的仲裁标准。我的标准很简单：信息质量优先级高于信息丰富度。宁可少一个论点，也不能让一个站不住脚的数据留在稿子里。

具体执行方式也很机械：质检官提出异议后，主编不直接删除或保留，而是把有争议的信息退回搜证员，要求补充验证。如果搜证员找回了原始报告，确认数据无误，就恢复使用；如果搜证员找不到原始依据，或找到的原始材料已被撤回、更新，就直接丢弃。

这套"退回重证"的机制看起来慢，实际上是整个调研队稳定性的关键。没有仲裁机制的团队，会让AI在"权威来源互相矛盾"时自行发挥想象力和稀泥，而有了仲裁机制，AI会老老实实把矛盾暴露出来再处理。

3. 三个工种到底怎么分工：搜证员、提炼员、质检官的输入输出设计

3.1 搜证员：先会"不搜什么"，才知道"搜什么"

搜证员是调研队里看起来最没有技术含量、其实最考验耐心的工种。很多人觉得搜证就是把问题丢给AI让它联网去搜，但真正的搜证工作大部分时间花在"筛选"上。

我给搜证员的指令模板大致是这样：

你是调研队的搜证员。你的任务不是给结论，而是为后续的提炼环节收集原始素材。 背景： [粘贴上下文快照] 请围绕以下问题收集信息： [粘贴具体问题清单] 要求： 1. 每条素材必须写清楚来源名称、发布机构、发布日期、原文链接； 2. 每条素材必须摘录原文关键句，而不是你的转述； 3. 区分"事实信息"和"观点信息"，事实标【事实】，观点标【观点】； 4. 如果某个问题找不到可靠来源，如实写"未找到可靠来源"，不要用模糊表述凑数； 5. 最多输出15条，优先保留信息密度高、来源过硬的条目。

这里面有三处容易被忽略的细节。第一，"区分事实与观点"这一条特别重要，搜证环节如果把观点当成事实收进来，后面整个链条都会歪掉。第二，允许AI说"找不到"是为了停止幻觉，哪怕它少交几条也没有关系，质量永远优先于数量。第三，摘录原文不是让AI复述，是让后续的提炼员和质检官有据可查，这个"据"就是对抗信息失真的锚点。

搜证员这个工种我一般会单独开一个会话，不让它和提炼员混在一起。因为搜索和筛选是两个动作，一旦让AI边搜边总结，它就容易在还没有足够素材的时候就急着给结构，结果搜出来的东西都只是为它的预设结论服务的。

3.2 提炼员：只做结构，不做二次创作

搜证员把素材收集上来之后，转交给提炼员。

提炼员的任务可以理解为内容加工：把15条可能是碎片化的素材，变成有观点、有结构、有逻辑的提纲。这个环节最大的坑是"借提炼之名行创作之实"。因为AI天生擅长把文字写得流畅漂亮，给它一堆素材，它很容易在梳理的过程中悄悄加入自己的补充和联想，最后你看到的结构已经不是原材料的真实反映了。

所以我在提炼员的指令里会特别强调：

你是调研队的提炼员。你收到的是搜证员收集的原始素材，你的任务是对素材做结构和压缩，不新增任何素材之外的信息。 约束： 1. 每个论点必须标注对应的素材编号； 2. 素材里没有的信息，不要补充； 3. 素材里有冲突的信息，如实标注冲突，不要强行调和； 4. 输出格式为：论点→支撑论据→素材出处→仍存在的问题。

把输出格式设计成"论点→支撑论据→素材出处→仍存在的问题"，不是随便定的。前三项是为了让后续质检官可以逐条追溯，最后一项则是给质检官留了一个明确的挑刺入口。

我见过最离谱的一次提炼成果，是AI在梳理某个消费趋势的时候，凭空加了"年轻群体占比持续上升"这个结论。数据在素材里根本没有出现，纯粹是它根据自己的知识库补上的。有了"不新增素材之外的信息"这条约束之后，这种情况明显减少了，因为它至少知道这不是它该干的活。

3.3 质检官：用怀疑一切的方式过滤硬伤

质检官的角色最反直觉：别人都在努力让内容更丰富，质检官的任务是让内容更少。

我给质检官的定义是"专挑毛病的家伙"。它的工作不是润色文字，不是提升可读性，而是对着提炼员的输出逐条找茬。我给质检官的命令模板是：

你是调研队的质检官。别人已经把稿子基本搭好了，你的工作是找出所有经不起推敲的地方。 请检查以下维度： 1. 数据核验：所有数字、年份、百分比是否有来源，来源是否权威，是否在有效期内； 2. 逻辑检查：论据能否支撑论点？是否存在跳跃推论？ 3. 一致性检查：同一份材料里前后表述是否矛盾； 4. 引用检查：原文摘录是否与来源一致，有没有被篡改或断章取义； 5. 风险提示：哪些结论目前只有单一来源，需要降级为"假设"而不是"事实"。 输出要求： - 列出每个问题所在段落、问题类型、严重程度（致命/中等/建议）； - 给出修改建议，但不要直接修改原文； - 最后输出一个"通过/返工"的判断。

这套质检流程最大的价值，是它把"检查"从隐性的自我怀疑变成了显性的清单。人看自己写的稿子总是越看越顺眼，让AI质检自己的初稿也容易互相包庇。但让一个专门扮演怀疑者的角色审查另一个角色产出的内容，二者的目标函数是分离的，挑错效率会高出很多。

说个真实案例。有一回调研涉及某消费趋势的统计数据，搜证员找到了一篇行业报告，年份是2024年；提炼员把它引用为"最新趋势"；质检官检查后发现，报告中描述的是2023年全年的数据，2024年的报告其实已经出了新版本，只是搜证员搜到的快照是旧版。这种东西如果不专门查，靠人眼一刷就过去了，但一旦发出去，被读者抓到就是硬伤。

3.4 三个工种之间的文件交接协议

三个工种的关系说完了，最后补一个容易被忽略但很重要的衔接点：他们之间如何传递信息。

我的做法是永远用文件交接，不用聊天记录交接。具体来说，搜证员产出《素材卡》，提炼员产出《结构提纲》，质检官产出《质检报告》，三个文件全部用结构化格式记录。哪怕你用的是同一个AI，也建议把上一环节的输出复制到新对话再继续，而不是在一个对话里不断追加指令。

为什么这么严格？因为在一个长对话里，AI的注意力会随着上下文膨胀而稀释。越往后，它对前面内容的记忆就越模糊，越倾向去概括而不是引用原文。拆分对话加文件交接之后，每个环节的输入都是明确的、紧凑的、有限的，模型的输出质量会立刻改善。

4. 两本手册不会写废话：它们如何把散装经验变成稳定流程

4.1 第一本手册：开工手册里到底有什么

整个调研队配置里被问得最多的，是那两本手册到底装了什么。第一本手册，我取名叫《开工手册》，它其实是一份给所有工种的公共说明。

有人会问，每个任务不是都有边界单吗？为什么还需要手册？边界单是这次任务要查什么，手册是不管什么任务都通用的规矩。手册解决两件事：一是让新接手的人能立刻理解这套流程是怎么运转的；二是把每一环节的输入输出标准固化下来，防止不同模型、不同人操作的时候标准漂移。

我的《开工手册》一般包括以下内容：

手册的篇幅控制在三到五页。太短了说明没写透，太长了没人看，AI也会在一大堆规范里失去重点。

4.2 第二本手册：质检手册的评分表与否决项

第二本手册叫《质检手册》，解决的是"什么算合格、什么算不合格"的问题。

很多人觉得质检不就是检查吗，为什么还要写一本手册？因为如果没有标准，质检官就会用自己随机生成的标准去判断，这次严点下次松点，团队产出的质量就永远是波动的。

我的质检手册里包含一张评分表，对每一份交付材料按以下维度打分：

• 信息密度（20%）：有效信息占比高不高，有没有大量空话套话。
• 来源质量（25%）：关键结论是否都能追溯到可靠来源，来源是否在有效期内。
• 逻辑信度（25%）：论据能否支撑论点，是否有强推或跳跃。
• 结构清晰度（15%）：大纲层级是否合理，各段落衔接是否自然。
• 可操作性（15%）：这份调研稿能否直接支撑后续的选题、写作或决策。

评分之外，还有几个一票否决项：出现编造数据、关键来源无法找到、原文摘录与来源不一致、结论超出素材范围。任何一条命中，直接返工，不需要讨论。

4.3 手册的颗粒度：太细没法用，太粗等于没有

两本手册之间还有一个需要平衡的问题：颗粒度。

我最初写的版本特别细，把每个工种每一步该说什么都写成了模板，结果AI执行起来非常机械，输出变得干瘪。后来我又试过只写两三页的极简版，结果AI在执行中经常漏环节，边界全靠猜。

最后我找到的平衡点是这样的：规定做什么、不做什么、交付什么，但不规定具体的遣词造句和话术。比如搜证员的手册里会写"每条素材要标注来源"，但不会约束它内部怎么思考逻辑；质检官的手册里会写"检查数据的年份是否在有效期内"，但不会剧透具体哪些材料年份有问题。让AI在框架内保留自己的发挥空间，效果比纯模板驱动好得多。

手册从创始到现在，改了多少版本我没有细数，但有一条经验很确定：手册不是一次性写出来的，而是每跑完一个项目，把新踩出来的坑补进去。版本迭代到位之后，这个调研队的输出稳定性就会达到一个让人放心的水平。

5. 用一场健康轻食调研走一遍全流程：所见即所得的执行手记

5.1 从立项到搜证：主编和搜证员的协作过程

光讲结构不跑一遍，很难让人直观感受这套调研队到底怎么运作。我拿一个相对中性的虚拟例子来走完整流程，比如某内容团队要做一期"健康轻食在一二线城市的消费习惯变化"的选题。

主编先写边界单。我直接在对话里新建一个会话，指定为主编会话，然后把边界单敲进去：

你是主编，负责本次调研的统筹。 主题：健康轻食在一二线城市的消费习惯变化。 时限：近三年。 地域：一线及新一线城市。 交付：1500字左右的洞察简报，用于写作底稿。 范围：关注消费频率、品类偏好、选择动机三块。 不查：供应链和生产端，不追溯代餐粉等细分品类。 质量红线：数据必须有出处，结论必须可以在原始材料中验证。 下一步：将任务拆解并生成搜证单。

主编会生成一份搜证单，里面包含"近三年轻食消费是否持续增长""主力消费人群画像发生了什么变化""除了沙拉，还有哪些品类增长较快"等问题。拿到搜证单之后，新建一个搜证员会话，把搜证单粘贴进去，让它按规范执行。

搜证员交回的结果是一份12条的素材卡，其中有一条特别关键："2024年某城市调研显示，轻食消费频次在受访白领群体中明显上升，每周至少一次的比例从三年前的不足两成涨到接近四成。"来源标注得清清楚楚，还附上了原文摘录。这个环节跑完，主编大概心里就有数了：这次选题能立住。

5.2 提炼、质检、返工：一次真实的"挑刺循环"

搜证结束，新建提炼员会话，把素材卡和上下文快照完整粘贴过去。提炼员产出的是一个三论点的结构提纲：论点一"从尝鲜到日常，轻食的消费频率在提升"，论点二"主力人群从纯减肥人群扩展为泛健康人群"，论点三"品类正在从沙拉扩展到中式轻食"。每个论点都标了素材编号。

这三条逻辑上看是通的，但到了质检官这一步出了问题。

质检官对照素材卡逐条过了一遍后，给出了几个问题。最严重的一个是：论点二说"主力人群从纯减肥人群扩展为泛健康人群"，但13条素材里只有一条提到了泛健康人群，且那个样本覆盖的是一线城市年轻白领，并不能支撑"主力人群扩展"这个全称判断。质检官判定该论点属于"过度推论"，并建议降级为"等待进一步验证的假设"。

主编看完质检报告，做了一个处理：要求提炼员修改论点二的措辞，把结论限定在"一二线城市白领人群"的范围内。同时，把那条来源描述不精确的素材退回搜证员补全信息。这个过程只花了两轮对话，但如果没有质检官的拦截，这个以偏概全的结论很可能就跟着稿子一起发出去了。

5.3 跑完一轮之后：成本、水分与可复用资产

这套全流程跑下来，实际消耗多少时间？以一个中等难度的调研为例，编辑熟练操作的话，款备素材、提炼、质检三大环节，压缩在两小时内就能跑完。相比以前靠人在搜索页面前一页页翻，在十几个报告之间来回对照原文，效率提升非常明显。

成本方面完全取决于你用的模型和方案，这里不展开具体数值，但有一点可以确定：调研队模式下，同样的产出一共只有三次对话的输入输出，总token远低于在同一个对话框里来回追问二十次的情况，成本反而是下降的。

更关键的是可复用资产。跑完这一轮之后，《开工手册》和《质检手册》里又多了一条经验，这套流程每一次跑，都是在给下一轮铺路。两个星期后如果团队要做"植物基饮品"的选题，搜证单改改就能复用，你不需要从零开始设计流程，直接照着手册走就行。

最后说点大实话

这套"一个主编、三个工种、两本手册"的调研队流程，不是一夜之间想出来的。最初我也是一个对话框走天下，翻过很多车，质疑过无数次AI到底能不能用于正经调研。后来发现关键不在于模型用了什么，而在于你怎么为它设计工作流。

把工序分开之后要忍受一个代价：开头多花了些时间写边界单、写手册、搭模板，看上去比直接提问麻烦得多。但两三个项目跑下来，后面全是复利。真正的交付速度不是看第一轮，而是看你隔了两周再开工时，还需要多久进入状态。

如果你现在手里的调研任务经常被AI的"一本正经胡说八道"困扰，我建议不要急着学更多提示词技巧，先花一个下午把流程拆掉：谁负责找资料，谁负责做加工，谁负责挑毛病，谁做最终拍板。把这个想明白，比换任何模型都管用。