咨询项目的前三天,通常要读完几十份材料:客户给的内部报表、行业报告、访谈纪要、竞品资料。Kimi 的长上下文在这条链路上有用,但它的价值不在"总结",在"让你知道哪一页值得读"。判断标准很简单:它给出的每一条,你能不能翻回原文找到那句话。
资料先分级,再决定传什么
把手上的材料分三级:公开(行业报告、上市公司年报、政策原文)、客户提供(脱敏后可用)、内部(未公开财务、人事、并购意向)。第三级不进任何在线工具,这是底线。
判断方法:这段内容如果出现在别人的训练数据里,你能不能接受。不能,就别传。咨询合同里的保密条款通常比一般公司严,上传前翻一遍条款,比事后解释便宜。
脱敏不是改个公司名就完事。金额、门店数、区域分布、组织架构,几项一对就能反推出是哪家公司。要传就传结构而不是数值:把具体金额换成人均,把城市换成层级。
首轮不问结论,问"这份材料回答哪个问题"
"总结这份报告"是最没用的问法,得到的是目录式摘要。带着假设读,是咨询和普通阅读的区别。有效的问法是:"这份材料里,哪些数据能支撑“下沉市场增速高于一线”这个判断?"
输出要求三条:结论、页码、原文短句。给不出页码的结论,默认当作它推出来的,不是材料写的。这三条要在提问时就写死,不要等它答完再补要求。
首轮通读的目标不是形成观点,是建索引:哪份材料管哪个问题,哪个数字出自哪一页。索引建好,后面写页面时找证据只要几分钟。
交叉比对:把不同说法并排放
三份访谈纪要对"谁拍板"的描述不一致,这是常态。让它做三列表:说法、来源、冲突点。冲突本身是信息——要么样本不够,要么不同部门立场不同。
不要让它裁决谁对。它没有组织信息,也没见过现场,裁决出来的结论看着合理,落到客户会上会被一句话问倒。它负责摆事实,判断留给你。
比对还有一个副产品:发现同一指标的不同口径。有人按含税算,有人按出厂价算,数字差一截。这种差异在交付时是硬伤,早发现比晚发现好。
找缺口,产出访谈提纲
"这些材料没有回答哪些问题"是它比较擅长的一类提问。缺口分两种:数据缺口,缺某个口径的数;逻辑缺口,有结论没有依据。
提纲不超过八个问题,每个问题对应一个缺口。问题要问"怎么做"而不是"是不是",前者能拿到流程,后者只能拿到态度。
访谈完把纪要再丢回去,让它标出"哪些回答和材料冲突"。第二轮访谈的问题就从这里长出来。
四个阶段的问法与验收
| 项目阶段 | 手里有什么材料 | 怎么问 | 验收标准 |
|---|---|---|---|
| 立项与投标 | 行业报告、券商研报 | 问市场规模口径、增速假设、玩家份额 | 每个数字能追到页码和统计口径 |
| 诊断 | 客户内部数据、流程文件 | 问异常点、断点、与行业基准的差距 | 能列出三个可验证的异常,而不是"管理粗放" |
| 访谈 | 纪要、录音转写 | 问同一问题的不同说法、没被提到的角色 | 冲突项单独成表,并标明来源 |
| 交付 | 前三个阶段全部产出 | 问"哪条结论只有单一来源" | 单一来源的结论在页面上标注或补证 |
表格里"验收标准"这一列是给自己看的。项目紧的时候容易跳过,跳过的那部分通常会在客户会上被逐条问回来。
交付前的三道核对
出处:每个数字有没有页码。口径:同比还是环比,含不含并表,单位是元还是万元。时效:引用的是哪一年的数据,有没有被更新版本替代。
三道都过,再让它写页面文案。顺序反了,你会得到一段读起来很顺、但每个数字都要重查的文字。
它给不了什么
给不了客户内部的真实约束:预算谁批、哪个部门不配合、历史上有没有失败过同类项目。这些只能靠访谈和现场观察。
行业结论常常"平均正确、局部错误"。全国口径的增速放到一个城市未必成立,细分市场的份额它更容易编。凡是进交付物的数字,回到原始报告看一眼。
长上下文不是无限。材料接近上限时中段容易漏,具体额度以官方最新版本为准。超过就按议题分批,每批单独出一页索引,再合并。
它也不会替你在会上被质疑时兜住。客户问"这个数怎么来的",答不上来就是答不上来,工具不能替你背。
首轮通读就问四句
- 这份材料回答哪个问题,哪几页是核心
- 哪些数据能支撑当前假设,出处是哪一页
- 哪些说法和别的材料冲突,各自来源是谁
- 哪些问题这些材料回答不了,需要去问谁
三个项目里的具体问题
- 客户资料是扫描件,能直接读吗?:先做 OCR 再上传。跨页的财务报表解析后表头容易错位,关键数字一律回原件看,别拿摘要当依据。
- 联网搜到的内容能直接引用吗?:只能当线索。打开原文确认发布时间和统计范围,再决定用不用。搜索摘要经常省掉限定条件,而限定条件往往决定这个数能不能用。
- 多份材料说法冲突,交付物里怎么写?:写区间不写点值,或者并列两种口径并注明来源。把冲突藏起来,答辩时更容易被问倒。
项目做完,资料不该跟着人走。把访谈纪要和结论条目存进可查询的库,同类项目下次能直接调用;访谈里对方说得含糊的地方,按置信度不足就转人工的思路标出来,别让模型替你补;需要它先推理再下结论时,深度思考的开关时机值得对照;多版本材料混在一起,历史记录的搜索与导出能省下翻找时间。


