大多数人对AI研究的用法是：输入问题，得到答案，关闭会话。这是更快的Google，不是更好的研究系统。

真正能用AI提升工作质量的人，把研究当作知识系统的构建：结构化输入、验证输出、累积上下文随时间复合。

Claude做不到的事

不是Claude的限制，是方法的问题。以下几个场景Claude目前表现仍然较差：

  • 实时或突发信息：最新新闻、市场行情、刚发布的论文
  • 专业领域的方法论评估：需要领域知识才能判断的质量差异
  • 知道自己不知道什么：模型会编造引用，看起来像真的一样

但对于可以用Project积累上下文的研究主题，这套系统能让你真正超越"更快的搜索"。

7步研究系统

1. START：为主题创建Project

上传现有材料，设置研究指令。Project是Claude的长期记忆容器——每个对话都在同一个上下文里建立，之前的调研成果不会丢失。

关键：不要把Project当作一次性工具使用，而是当作随研究推进而积累的资产。

2. SCAN：运行领域概览

在深入具体问题之前，先建立对这个领域的整体地图。了解术语、主要玩家、争议点、基础框架。

这步防止的问题是：带着一个假设深入研究，却忽略了整个视角。

3. DIG：针对具体问题进行深度研究

用深度研究模式处理具体问题。关键技巧：始终要求附带引用和链接。引用不只是验证来源，它是让Claude保持诚实的方式——当必须给出链接时，幻觉率显著下降。

4. VERIFY：抽样检查来源，挑战Claude的输出

10分钟的验证，防止几小时的浪费。

具体做法：随机选2-3个引用，在搜索引擎里验证是否准确。检查数据是否是最新的。看看有没有被忽略的反面证据。

5. ACCUMULATE：把所有研究保存在Project里

每个对话都建立在前一个的基础上。这才是"累积上下文"的真正含义——不是单次对话里的上下文窗口，而是跨会话的知识积累。

当你下次回到这个Project，Claude已经知道：之前发现了什么、忽略了什么、你对什么满意对什么不满意。

6. MONITOR：针对持续性话题运行每周摘要

对于需要持续跟进的领域（行业动态、竞争对手、技术趋势），设置每周定时摘要。

让Claude主动扫描和报告，而不是你手动去搜索。

7. OUTPUT：让Claude跨所有来源综合分析

这是系统最有价值的部分：让Claude在所有积累的来源上建立连接，发现你分别读每篇文章时不会注意到的模式。

单一来源读20篇论文，不如让Claude综合这20篇论文的关系更有可能产生原创洞察。

研究Prompt模板

请研究 [主题]，帮我： 1. 创建一个领域概览（主要概念、关键玩家、当前争议） 2. 找5-10个高质量来源，要求每个都附上可验证的链接 3. 识别这些来源中的共识、争议和空白 4. 指出我的假设中可能被现有证据反驳的部分 把我的所有材料和这次研究的发现都保存到这个Project里。

核心洞察

这个系统的全部意义不是让你成为更快的搜索者。是给你一个随时间变得更好的研究系统，因为它：

  • 积累上下文
  • 跨来源连接想法
  • 记住你已经覆盖了什么

大多数人treat AI research like a faster version of Googling. Type a question, get an answer, move on.

真正拿到更好结果的人，treat it like building a knowledge system。

本周选一个你真正关心的主题，搭建一个Research Project。上传现有材料，运行概览，验证来源。第一次就会看到差别。