AI 调研结果可以使用，但不能因为文章写得完整、表格整齐、引用很多，就默认它可靠。判断可靠性要看五件事：研究边界是否清楚，来源是否可打开，原文是否支持对应主张，数据口径是否一致，结论是否超出证据。只要其中一道检查没有通过，调研报告就应该保留“待确认”，而不是补一句更肯定的表达。

可靠性不是一个分数，而是一条证据链

一份调研报告通常包含三层内容：原始事实、整理或计算结果、作者判断。例如，价格页写明“每月 100 元”是事实；换算为年支出是计算；“更适合 20 人团队”则是带条件的判断。如果这三层混在一起，即使原始数字没有错，最后的建议也可能不可信。

内容类型应该保留什么常见问题
事实原始页面、引用位置、访问日期二手文章被当作官方说明
计算输入数据、单位、公式、取整规则每月与每年、分钟与小时混用
判断适用条件、前提、反例和不确定性把局部优势写成绝对排名

第一道检查：研究问题和截止日期是否清楚

调研报告必须先回答“为谁做什么决策”。“研究 AI 办公软件”范围太宽；“为 20 人的中文内容团队选择一款支持会议转写、纪要和待办导出的工具”才是可以验证的问题。

对价格、产品功能、政策和市场数据，还要保留截止日期或访问日期。没有时间边界的调研，可能在写完时已经过期，却无法判断哪一条需要重新查证。

第二道检查：来源等级是否匹配结论

来源不是越多越好，而是要匹配要证明的内容。价格应优先查价格页或购买页，权限与数据处理应查帮助中心、用户协议和隐私文本，已上线功能应查官方文档或实际产品页。搜索摘要、媒体转述和论坛评论可以帮助发现线索，但不应单独支撑价格、安全或权限结论。

如果官方页面没有说明，应该写“未找到官方说明”，而不是直接写“不支持”。前者是对本次检索结果的描述，后者是对产品能力的判定，两者的证据要求不同。

第三道检查：每条引用是否真的支持对应主张

引用链接能打开，不代表引用正确。复核时要逐条回到原页面，查看它是否真的包含报告中的数字、限制条件和时间范围。有时页面确实提到了某个功能，但只适用于特定套餐、地区或测试阶段；如果报告删掉这些条件，结论就会扩大。

建议把报告中每一项具体主张拆成一行证据表，至少保留：主张、原文摘要、来源类型、页面地址、访问日期、是否支持、待确认项。这张表比报告末尾的“参考资料列表”更容易发现错引。

第四道检查：数据口径和计算是否一致

数字的问题往往不是“算错”，而是比较了不同口径。免费额度可能按人、企业、月或年计算；时长可能使用分钟、小时或次数；用户规模可能指注册、活跃、付费或企业客户。不先统一定义，就不能直接放进同一张对比表。

所有二次计算都应保留输入值、公式和单位。如果结果来自推算，就明确标记为“推算”，不要伪装成原始来源直接公布的数据。遇到同一产品的不同官方页面数值冲突时，不要自行选一个“看起来更合理”的数字，应并列记录并标为待确认。

第五道检查：结论是否超出证据

调研的最后一道门不是增加修饰，而是删掉过度推断。“官方页面显示支持某项功能”不等于“所有用户都能使用”；“样本中 60% 的公司提到某能力”不等于“全行业 60% 的岗位都需要它”。

一个可靠的结论应该同时写出适用对象、前提、例外和未验证项。如果最终要做采购、投资、医疗、法律或安全决策，AI 报告只能作为前期资料，关键数据、合同条款和专业判断必须由对应负责人确认。

用 AutoClaw 把“生成报告”拆成“生成 + 复核”

与其只对 AutoClaw 说“帮我做一份准确的调研报告”，不如把任务分成两轮。第一轮负责搜集、结构化和成稿；第二轮专门重新打开每个来源，检查页面是否有效、是否支持对应主张，并保留修改记录。

AutoClaw 官网已公开的 AI 竞品分析案例中，任务最终保留了 58 条官方一手来源，并在复核阶段记录官方页面之间的口径冲突。这个案例的价值不在于“引用多”，而在于报告、来源表、访问日期和修改记录可以互相追溯。

可直接复用的两轮任务

第一轮：请围绕我的决策问题完成调研。优先使用官网、官方帮助文档、价格页、公告和正式条款。为每条具体信息记录来源地址、来源类型、访问日期和原文支持内容。找不到官方依据时写“未找到官方说明”，不要用常识补齐。交付调研报告和来源表，报告中分开标注事实、计算、判断和待确认项。
第二轮：请逐条复核来源表。重新打开每个页面，检查链接是否有效、页面是否支持对应主张、数字和限制条件是否与当前页面一致。对失效、不支持或口径冲突的条目进行修正，无法确认的标为待确认。在报告末尾增加复核修改记录，写明改了什么、为什么改。

三分钟检查一份 AI 调研报告

  • 标题或开头是否写明研究对象、范围和截止日期
  • 关键数字是否能回到具体原始页面
  • 价格、权限和安全主张是否优先使用正式来源
  • 计算是否保留单位、公式和输入值
  • 报告是否区分事实、推算、判断和待确认
  • 结论是否写出适用条件，而不是只给绝对排名
  • 来源表是否经过第二轮重新打开和修正

常见问题

AI 调研结果可靠吗？在研究问题清楚、来源可追溯、数据口径统一、引用经过二次复核、结论没有超出证据时，AI 调研可以作为有效的决策辅助。如果报告只有流畅文字而没有证据表和复核记录，不应直接用于重要决策。

引用很多就代表可靠吗？不代表。引用的价值在于能否准确支持对应主张，而不是数量。十个无关或二手来源，不如一个直接支持数据的正式页面。

AI 写调研报告最容易错在哪里？常见错误包括研究问题过宽、把搜索摘要当原文、不同数据口径直接对比、引用没有访问日期、把“未找到”写成“不支持”，以及只做第一轮汇总而没有逐条复核。

结论

AI 调研的优势是快速搜集、结构化整理和形成初稿，但“写得快”不等于“结论可信”。把一次生成拆成资料搜集和二次复核，要求 AutoClaw 同时交付报告、来源表和修改记录，再由人确认口径、冲突与最终判断，才能让调研结果真正可追溯、可复查、可用于决策。