AI 技术调研方法：迭代流程、可核实性与提示词模板
用 AI 做技术调研，常见的结果是：拿到一篇面面俱到却读不进去的长文，结论看起来合理，但不知道哪些可信。这篇文章写给需要用 AI 完成选型、对比、方案评估的开发者，给出一套可操作的调研流程：如何拆分提问、如何要求可核实的输出、如何用提示词模板把这些约束固化下来。读完可以直接套用文末的模板开展下一次调研。
为什么 AI 调研结果总不满意
| 问题 | 根因 |
|---|---|
| 内容太多，阅读困难 | 没有限定输出格式，AI 默认「全面 = 好」 |
| 缺少核实列表 | AI 倾向给结论而非证据链 |
| 主观 / 翻译腔 / 黑话 | 模型训练数据偏英文，翻译式输出是常态 |
| 质量不高 | 一次提问想解决所有问题，粒度太粗 |
核心认知：AI 调研不是一次对话，是一个迭代流程。一次提问要 AI 同时完成搜索、筛选、分析、写作，每一步的质量都会被压缩。拆开之后，中间的决策点由自己控制，结果才可控。
AI 调研 = AI 找框架 + AI 找资料 + 自己读原文 + AI 整理对比。 不要让 AI 替你下结论，让它替你省掉「找」和「整理」的时间。
调研流程
第 0 步：先定框架，再填内容
调研失败大半败在问题没定义清楚。直接问「帮我调研 X」，得到的就是泛泛而谈的大杂烩。
两种做法：
让 AI 先反问再答：
我要调研 XXX。在开始之前，先问我 3 个问题来明确我的需求，然后按我的回答输出。
对比型调研直接给框架。错误问法：
帮我调研 Kubernetes 网络方案
正确问法：
我要对比 Kubernetes 的 3 种主流网络方案（Calico / Flannel / Cilium），维度是：性能开销、网络策略能力、生产案例。先给我一个对比框架（表格），每个维度只列关键结论，不要展开。
原则：先骨架后血肉，先表格后段落。
第 1 步：广度扫描，只要清单
明确禁止 AI 写长文，只要结构化的候选列表：
请列出与___相关的主要方案 / 工具 / 技术路线。每个只给三行：名称、一句话说明它是什么、官方文档链接。不要展开分析，不要给推荐，不要写优缺点对比。
拿到清单后由自己决定往哪个方向深挖。AI 没有你的项目上下文和取舍标准，这一步不能外包。
第 2 步：逐项深挖，每次只问一个维度
一次只对比两三个候选，一次只问一个维度（性能？许可证？维护活跃度？迁移成本？）：
关于 Cilium 的性能开销，给我具体数据：延迟增加多少、吞吐量影响、资源消耗。附带来源链接。 Cilium 在生产环境的案例，给我 3 个真实公司的落地经验，附链接。
第 3 步：汇总成文，结论自己定
把零散笔记交给 AI 按模板整理，而不是让它自己「总结出结论」。AI 自己总结的结论往往是最不可靠的部分，却最容易写得冠冕堂皇。
AI 可以给倾向性判断，但要求它同时给出支持和反对的理由。它的推荐经常是「四平八稳选最流行的那个」，未必贴合你的约束，最终拍板留给自己。
可核实性
前提：用带联网检索的 AI
纯靠模型记忆回答时，版本号、API、许可证状态经常过时甚至编造。更要紧的是，AI 编造链接时并不觉得自己在编造——它输出的是一个「看起来应该存在」的 URL，提示词里写「不要编造链接」挡不住。
所以「可核实」成立的前提只有两个：
- 用带真实联网检索能力的 AI（能引用实时搜索结果）；
- 自己点开链接抽查，验证是否真的支持那条结论。
优先信官方文档、issue、changelog，其次是技术博客，最不可信的是 AI 推理出来的「应该可以」。
每次提问都带的标注约束
输出要求：
1. 每个关键结论必须附带来源链接或官方文档地址
2. 无法核实的标注 [未验证]
3. 不确定的标注 [存疑]
4. 不要编造链接标注体系建立在上一步的真实检索之上；来源本身可能是假的时，标注就建立在流沙上。
钉死版本和日期
提问时写明「以 2026 年 8 月的最新稳定版为准」。不写这句，AI 可能拿两三年前的状态回答——许可证变更、API 废弃、性能数据，这些都是调研里的高危过期信息。
语言约束
语言要求：
1. 用中文工程师日常交流的口吻，不要翻译腔
2. 术语保留英文原文，不要硬翻（如：不要把 eBPF 翻成「扩展伯克利包过滤器」）
3. 避免空洞的形容词（「强大的」「优秀的」），用数据替代
4. 如果一句话去掉不影响理解，就删掉更有效的做法是给 AI 两三段自己写的文字作为文风样例，要求模仿这个文风。
Prompt 模板
把上面的约束固化成模板，每次调研直接套：
## 调研任务
[一句话描述要调研什么，解决什么问题]
## 调研类型
- 对比型（选 A 还是 B）：走表格框架
- 单点型（X 能否解决 Y / X 的某机制）：直接问答
## 调研范围
- 对比对象：A / B / C（单点型可省）
- 关注维度：[列出 2-4 个]
- 版本基准：以 YYYY 年 M 月的最新稳定版为准
## 输出格式
1. 对比型先给对比表格（维度 × 对象），每格一句话结论
2. 再对每个维度展开，每段不超过 200 字
3. 最后给倾向性判断 + 支持理由 + 反对理由（最终决策我自己做）
## 约束
- 每个关键结论附来源链接，无法核实标 [未验证]，不确定标 [存疑]
- 用中文工程师口吻，术语保留英文
- 空洞形容词用数据替代，删掉不影响理解的句子
- 有实质差异才写，没差异的维度不要凑数
- 总长度控制在 2000 字以内容易踩的坑
- 警惕「完美对称的对比表」。AI 爱写每个格子都填满的优缺点表格，看起来工整，实际很多格子里是凑数的废话。要求它「没有实质差异的维度直接删掉」。
- 分角色验证价值有限。让同一个模型扮演反对者批判自己刚写的结论，它倾向于找几个无伤大雅的漏洞交差，盲点是共享的。要交叉验证，换一个不同的模型，或者直接对官方文档。
- 换问法重问是弱信号。同一个问题换个问法问两遍，矛盾的地方确实可能是幻觉，但也可能只是问法差异。它可以当线索，不能当证据，核实还是靠读原文。
- AI 最适合的环节是找方向和找资料，不是替代阅读：
给我 5 篇关于 Cilium 性能测试的技术博客，按质量排序，每篇用一句话说明重点。
然后自己读原文。
小结
这套方法的核心只有一句话：把调研拆成「定框架 → 扫清单 → 逐维深挖 → 自己定结论」四步，AI 负责其中的查找与整理，人负责决策与核实。配合标注约束（来源链接、[未验证]、[存疑]）与版本钉死，AI 输出的可信度才有基本保障。模板可以直接复制使用，按项目实际情况增删维度即可。