半小時就能搞懂一個新領域,如何用AI快速建立認知框架?

By: blockbeats|2026/04/14 23:00:11
0
分享
copy
原文標題:《分享一個我用了 2 年的深度研究 Prompt,半小時幫你搞懂任何陌生領域。》
原文作者:數字生命卡茲克

前兩天辦完大會,然後昨天週末跟一個朋友吃飯,聊著聊著他突然放下筷子看著我說了一句,不是哥們,你怎麼什麼都懂一點?

我說我不懂啊。

他說怎麼感覺啥你都能聊一聊,什麼 Harness、什麼 Claude Code、什麼心理學、什麼殺戮尖塔 2、什麼克蘇魯神話,你怎麼還有時間玩寶可夢 popakia,你到底一天有多少個小時?

我當時就愣了一下。

因為坦率的說,聊天吹牛逼歸吹牛逼,我真的沒覺得自己什麼都懂,我只是對很多東西好奇,然後有一套辦法能讓我很快地把一個陌生的東西摸個七七八八。

他又問,什麼辦法?

我說,一個我自己搞的研究框架,加上 AI,半小時能出一份一兩萬字的研究報告,能幫你賊迅速的入門。

他筷子又放下了。

然後他說,「你把這個東西寫出來」。

於是就有了今天這篇文章。。。

我也不知道對所有人有沒有用,但這確實是我自己三年前還在金融行業的時候,研究公司和行業用的方法論,然後後面 AI 來了,各種各樣的深度研究也出來了,我自己又把這套方法論稍微迭代了一下,封裝成了給很多 AI 的深度研究功能用的 Prompt,能適用於我研究任何東西,說實話,我覺得這就是這兩年用得最順手的東西之一。

不敢說這玩意出來的研究有多透彻,但至少能讓我快速建立起一個相當完整的認知框架,然後在這個框架上再去深挖。

這個方法論,我之前把它稱為。

橫縱分析法。

我先說說這玩意是個什麼東西。

其實特別簡單,就兩條軸。

第一條軸,縱向。就是沿著時間線,把一個東西從誕生到現在的完整故事給還原出來。它怎麼來的?誰做的?中間經歷了什麼?為什麼在某個節點突然爆發了,或者突然掉頭了?你把這條線理清楚,你就能理解一個東西大概的歷史與因果。

第二條軸,橫向。就是在當下這個時間點,把它跟同賽道的其他東西放在一起比。它跟競品比有什麼不同?用戶為什麼選它不選別的?它在整個賽道裡是什麼位置?你把這個切面看清楚,你就能理解一個東西的位置和差異。

然後最關鍵的一步,是把這兩條軸交叉起來看。

縱向告訴你它是怎麼走到今天的,橫向告訴你它今天站在哪。兩條軸一交叉,你就能看到一些單獨看任何一條軸都看不到的東西。比如它今天的某個優勢,其實是三年前一個不起眼的決策慢慢積累出來的。比如它今天的某個短板,其實是當初一個合理的選擇變成了包袱。

縱向追時間深度,橫向追同期廣度,最後交會出判斷。

半小時就能搞懂一個新領域,如何用AI快速建立認知框架?

就這麼簡單。

也是我這兩年用的最順手的一套方法。

這個方法其實脫胎於社會科學和語言學的一些經典研究視角。

語言學裡面有一個非常經典的分析維度,是索緒爾提出來的,叫歷時分析和共時分析。

就是你要研究一個東西,可以從兩個維度入手,一個維度是時間維度,看它從過去到現在是怎麼一步步演變過來的,另一個維度是當下維度,看它在某一個時間點上,處在一個什麼樣的系統和比較關係裡。

社會科學裡面也有類似的研究視角,叫縱向研究和橫截面研究。縱向就是追蹤一個對象的變化軌跡,橫截面就是在某個時間點上觀察它的截面狀態,並做橫向對比。

我就是把這些學術界已經用很久的研究視角抽離一下,再結合了一些商業和競爭戰略分析的思路,搞成了一套用 AI 來跑的通用研究框架。

現在有 Prompt 版本和 Skill 版本

也全部開源在我的 Github 倉庫了:

https://github.com/KKKKhazix/khazix-skills

Prompt 版本配合一些有深度研究功能的 AI 效果會特別好,比如 ChatGPT 的 DeepResearch、Claude 的深度研究、豆包的專家模式、DeepSeek 的專家模式啥的,都行,並且我特意優化了行文風格,使用了部分卡茲克寫作 skill 的能力,保證這份報告出來以後,你能讀的下去,而不是如果嚼難啃的天書一般。。。

我把 Prompt 放在這裡,有需要的朋友直接複製,也可以去 Github 倉庫自取:

使用方法特別簡單,把那個研究對象等式後面那個詞組,直接改成你想要的研究對象就行。

比如最近很火的 hermes agent、比如 Harness、比如 CLI、比如 Anthropic 對於 SaaS 股有什麼衝擊等等等等。

甚至你想研究《洛克王國世界》、《王者榮耀世界》、伊朗跟美國的戰事、川普的反覆無常等等等等。

什麼都可以。

我用最近最火的 Harness+Claude 的深度研究來舉個例子吧。

我直接把那個 Prompt 改了一下,等式裡面換成了 Harness,然後打開了 Claude 的深度研究模式。

直接發送。

然後 Claude 會跟我確認一下 Harness 到底是個什麼東西,我就補充了一下。

然後就直接開始了。

13 分鐘以後,這篇關於 Harness 的研究報告就寫好了。

可以看看效果,縱向分析我覺得寫的還不錯,歷史給你拉的非常清楚,什麼時候誕生的,什麼時候爆發的,有哪些關鍵節點。

為什麼是這個時間點爆發也非常的有道理。

而在橫向研究上,對比的是 Prompt Engineering、Context Engineering 和 Agent Engineering。

我相信任何一個懂 Agent 的,都不會質疑它對比的不專業對吧,你可以非常快速的理清跟一些同類概念的區別。

還有最後的未來演進方向。

這整篇報告大概一萬字,相信我,如果你是對 Harness 感到好奇,想最快速度盡可能全面的了解關於它的一切,這篇研究報告,幾乎比你看到的大多數的彙總文章,都要好。

全面且易讀。

研究對象可以是一個產品,比如 Cursor、Claude Code、Hermes Agent。可以是一個公司,比如 Anthropic、字節跳動。可以是一個技術概念,比如 MCP 協議、RAG。甚至可以是一個人,比如某個行業裡的關鍵人物。

Prompt 會根據研究對象的類型,自動調整縱向和橫向分析的側重點。研究產品就重點看版本迭代和功能對比,研究公司就重點看融資歷程和商業模式,研究人物就重點看職業軌跡和同領域人物對比。

如果你平時喜歡用用 Cowork、Claude Code 或者 Codex 等等 Agent 啥的,我還把這個方法論做成了一個 Skill,叫 hv-analysis,也放在我的 Github 倉庫裡開源了。

裝上之後你直接跟 Agent 說「幫我研究一下 xxx」,它就會按照橫縱分析法的框架去做。

而且這個 Skill 版本還會自動聯網搜索資訊、還包了 arxiv 的 API,會在你研究一些學術問題的時候自主去查詢論文,最後還會生成一份排版好的 PDF 研究報告,文風也會更易讀,比 Prompt 版本更自由豐富一些。

當然,我得坦誠的說一下這個方法的局限。

它不是萬能的。

它能幫你在很短的時間內建立一個相當完整的認知框架,但它替代不了真正深入的、親自下場的研究。

並且 AI 收集到的資訊雖然現在 AI 的模型幻覺已經非常非常低了,但是還是可能會出現不准確的情況。

所以你不能拿到 AI 產出的報告就直接當結論用,它更像是一個你對這個領域研究的起點,幫你快速建立地圖,然後你再根據這個地圖去做更深入的探索。

另外一個問題是,AI 生成的報告質量跟你用的模型和工具有很大關係。用支持 DeepResearch 或者深度研究的工具效果通常比較好,因為它們會真的去聯網搜索、驗證很多資訊,一次任務通常都在 10 分鐘以上。

但是如果你只能用支持普通聯網搜索的 AI 工具,一次就不到一分鐘,那效果可能確實會大打折扣。

我自己的做法是,拿到報告之後,先快速通讀一遍建立框架,然後針對我覺得有疑問的點或者特別感興趣的點,再深入去搜更多資料。

這個就是橫縱分析法生成的 AI 報告 + 自己深挖的組合,比從零開始的效率高太多了。

畢竟這年頭,在已經有了 AI 的情況下,真的沒必要硬生生自己去挖,那真的是沒苦硬吃。

我有時候覺得,這個時代做研究,真正稀缺的不再是資訊,而是你對這個世界有多好奇。

其實你要說我真的有多博學或者多專業嗎,那肯定也不是,我只是對這個世界,多了一點點的好奇而已。

就是腦子裡隨時隨地會冒出來一堆問題。

這個東西是怎麼來的?為什麼是現在出現的?它跟那個東西是什麼關係?做這件事的人之前在幹嘛?這些問題如果我想到的時候,沒有答案,我就真的難受,我不知道大家有沒有這種感覺,就是那一種,此刻、立刻,我就要得到答案的感覺。

資訊已經像洪水一樣了,AI 讓你獲取資訊的成本趨近於零。

但你要問什麼問題、從什麼角度去看、怎麼把散落的資訊組織成有意義的判斷,這些東西 AI 幫不了你,或者說,AI 只能在你給出方向之後幫你執行,但方向本身得你自己定。

橫縱分析法其實就是我給自己定的一個提問框架。每次面對一個陌生的東西,我不需要臨時想我應該從哪幾個角度去了解它,這個框架已經幫我想好了。

縱向追時間,橫向追空間,最後交匯出判斷,三步走完,認知框架就搭起來了。

它讓我不用再跟幾年前一樣,花三天時間去搜集資訊,現在,半小時就能把框架搭起來,然後把剩下的時間花在真正有意思的地方,就是看著這些資訊慢慢拼成一幅完整的圖,然後突然「啊,原來是這樣」的那個啊哈的瞬間。

那個瞬間太爽了。

說實話我也不確定這個方法適合每個人。

但如果你也是那種,腦子裡經常冒出一堆問題,又嫌搜集資訊太慢的人,可以試試。

古希臘人說,哲學始於驚奇。

我覺得吧,研究也是,始於你對一個東西真的好奇,方法和工具都是後面的事,好奇心在前面。

沒有好奇心,有再好的方法論也是擺設。

有了好奇心,哪怕方法笨一點,你也總會找到答案的。

只不過現在,找答案這件事,確實比以前快多了。

快到你可以對更多的事情。

保持好奇。

原文連結

-- 價格

--

猜你喜歡

熱門幣種

最新加密貨幣要聞

閱讀更多