深度研究报告怎么不加班搞定？豆包工作 Agent 四步全流程

 

园区要做一份人形机器人产业研究，接活的顾问算过时间账：真正动笔写的时间占三成，剩下七成耗在搜资料、搭框架、做表格图表和整理素材上，一份报告前后一周，大半时间花在写之外的杂活上。机器人运动会刷屏后政策一条接一条、研报满天飞，收藏夹堆了几十个链接，真动笔时哪个都用不上。这次任务他用新上线的豆包工作 Agent 把深度研究全流程跑了一遍：从资料搜集、框架搭建、内容整理到报告产出，四步闭环，中间还在地铁上用手机改了初稿。这篇文章把四步的具体做法、值得抄的提示词思路、以及云电脑模式解决了什么问题拆开讲。

 

头一步：资料搜集按观点聚合，不是堆链接

 

传统搜资料的状态是收藏夹越堆越乱，当时觉得都有用，写的时候找不到重点。用 Agent 搜的关键差别在提示词怎么下：不是搜某某行业的资料，而是给明确的研究主题和范围，让 Agent 自己去搜政策、技术突破、市场预测、核心玩家、产业链动态，并且按观点梳理素材。

 

产出形态的差别更大。搜完不是给一份文档了事，而是每个观点底下自动聚合对应的数据、案例、引述，每条标注来源。做研究的人都懂这一点的分量：写报告最怕的就是找不到出处，有来源的素材才能进正文。生成的文档前面是按观点组织的核心摘要，后面附全部原始链接和重要附件。

 

搜集任务跑得久，但任务运行在云电脑上，手机能实时看进展，不用守着电脑等。素材回来后人还是要过一遍：扫核心观点、标记哪些能用哪些要补，再跟 Agent 沟通完善。这一轮人工筛选不能省，它决定了后续框架的方向。

 

第二步：框架让 AI 搭，拍板必须是人

 

资料有了，更难的是组织成有洞察的报告。框架即思路，决定专业度，这步没做好后面全白搭。他的做法是让豆包工作站在园区定位规划的角度，按经典咨询框架搭二级目录：每个一级标题下两三个二级要点，每个要点写明核心观点和需要的支撑素材，还可以调用行业分析报告技能让结构更规范。

 

但框架最终得人来拍板。他做了几处关键调整：园区建议部分增加三步走实施路径，技术趋势加瓶颈分析，整体体例对齐委托方要求的报告风格，把意见丢回给 Agent 迭代。这步的核心认知是：AI 给你一个还不错的骨架，哪些地方加内容、哪些地方换角度，必须你说了算。直接用 AI 框架不动脑子，产出的就是千篇一律的模板报告，委托方一眼看穿。

 

第三步：数据表格化和关系图示化是亮点

 

框架定了，素材还是散的，对不上框架。第三步让 Agent 把素材按框架逐节填充，每个观点下放对应的案例、数据、引述。

 

重点在数据处理。不同机构对出货量的预测各有口径，直接引用会打架，让 Agent 整理成对比表格，口径差异标出来，国产化率单独标注，一张表解决信源冲突。需要图表的地方直接生成，市场规模趋势图、玩家对比图，还能出可互动的动态图表。

 

真正的惊喜是产业图谱。园区方很喜欢看产业链上中下游关系的呈现，Agent 里的画布技能一口气生成结构图，所有元素可直接修改。这张图手动做要折腾一整天，现在几分钟拿到，还比手搓的规整。对咨询交付来说，这类图示的制作成本直接决定报价里视觉部分的下限。

 

第四步：成稿、通勤修改与排版定稿

 

末了一步是把填充好的素材组织成正式规范的报告。把完整提示词发给 Agent，按研究报告风格成稿：严谨规范、用数据说话、对策具体，先出飞书文档方便浏览批注。

 

这一步有个场景值得单独说。初稿出来正好下班，他在地铁上用手机打开豆包工作直接改初稿，或者丢修改意见让 Agent 改——初稿存在云电脑上，手机随时能看能改，文件不用传来传去。到家打开电脑版，修改意见已同步，接着精修。以前通勤碎片时间只能刷手机，现在能接着干正事。定稿后调用装在云电脑上的 Word 排版技能，从标题层级字体到全文行距字号一次到位，直接交付出可交付文档。

 

多端同步这个能力背后是云电脑架构：任务跑在云端，电脑关不关都不影响，不占本地资源不掉线。此前一些 Agent 产品的同步有门槛，电脑没开着定时任务就失败，这个方案把人在哪活就在哪做实了。

 

提示词的三个关键写法

 

复盘全流程，提示词的质量直接决定产出质量，有三个写法值得抄。头一个，范围要给边界：不说搜机器人行业资料，而是限定时间范围、地域范围、主题维度，政策、技术、市场、玩家、产业链五个方向列清楚，Agent 的搜集才有章法。第二个，产出形态要给结构：要求按观点组织而非按来源罗列，每个观点下聚合数据案例引述并标注出处，这条写进提示词，素材回来就是半成品而非原料堆。第三个，迭代指令要给判断依据：改框架时说清为什么改、改成什么样，比如加三步走路径是因为委托方关注落地节奏，Agent 迭代起来才不跑偏。

 

反面的常见错误也提一句：把报告写成一句话需求丢给 Agent 等成品，拿到的东西看着完整，实际是素材的重新排列，观点密度低到没法用。人和 Agent 的分工线，画在判断和取舍上。

 

交付前的人工验收清单

 

Agent 产出的报告，交付前过一遍四项检查能拦住绝大多数翻车。数据项：抽三到五个关键数字回查原始来源，确认口径和年份没被混淆，AI 偶尔会把预测值当实际值用。观点项：看每章核心论断是否有素材支撑，孤证观点要么补料要么删掉。口径项：对比表格里不同机构的统计口径是否标注清楚，混用口径是行业报告的硬伤。风格项：术语使用是否与委托方行业习惯一致，园区报告满篇互联网黑话会被质疑专业度。

 

什么研究任务适合这么跑

 

这套流程不是什么研究都能接的。适合的特征：资料面广需要多源搜集、结构化程度高、有明确交付格式要求的研究报告，行业研究、竞品分析、政策解读都在列。不太适合的：需要一手调研访谈的项目、高度依赖独家数据源的分析、以及篇幅两页以内的快评——后者直接对话式提问反而更快。

 

个人使用层面，四步可以按需裁剪：只缺素材就跑头一步，框架自己有就跳过第二步，图表自己画更快就只用搜集和成稿。工具的价值在于把七成杂活收走，剩下三成真正的思考，还是得人来。会用的人不是把全流程丢给 AI，而是清楚哪几步自己出手收益最大。

 

如果你正在评估研究类工作的 AI 提效方案，可以联系我们。目前相关产品已经在云巴巴平台上线，在那里你还能横向对比更多同类产品，按团队的研究类型找到匹配的工具组合。