使用Skywork AI撰写行业报告的核心并非让AI代劳，而是将其视为研究协作者——协助你识别结构盲区、补充数据线索、梳理逻辑断点。重点在于框架设计，而非盲目堆砌提示词。

运用Skywork AI创作行业研究报告，关键在于让其成为研究合作伙伴，而非替代你写作——它能帮你发现结构盲区、补充数据链条、诊断逻辑断层。核心是框架设计，而不是提示词堆砌。

一、先锁定报告的“决策场景”，再逆向推导框架

同一行业，面向投资人的报告与面向产品团队的报告，其结构骨架截然不同。Skywork AI无法替你判断报告用途，你必须在首次输入中明确说明：

• “本报告服务于内部战略决策，需支撑东南亚新能源电池回收市场进入与否的分析”
• “目标读者为CFO，重点分析未来三年政策变动对光伏组件出口毛利率的影响路径”

报告用途决定问题焦点，问题焦点进而决定章节权重。面向投资人的报告，需将“竞争格局演化图谱”与“技术替代风险时间线”单独列出；而面向运营团队的报告，“本地化合规执行难点清单”与“渠道库存周转临界值测算”才是核心需求。

二、采用“三层漏斗法”搭建主干结构

避免AI生成泛泛而谈的“行业发展现状—存在问题—对策建议”模式。一个真正高效的框架，应像漏斗一样，从宏观约束逐步收束到微观动作。

• 顶层（1页以内）：仅放置一个“决策钩子”——用一句话阐明“当前最关键的不可逆拐点是什么”，例如：“2024年第二季度起，欧盟CBAM碳关税覆盖范围扩展至氢基直接还原铁，将重构中国电炉钢厂的原料采购优先级。”
• 中层（核心3–4章）：围绕该拐点拆解三个刚性约束：政策落地节奏（非简单罗列条文，而是标注各阶段罚则触发阈值）、技术适配窗口（如现有产线改造周期与关税分阶段加征时间表的对比）、成本转嫁可行性（测算不同客户类型的价格弹性区间）
• 底层（附录级）：不放置结论，仅提供可验证的原始颗粒度数据：海关HS编码级别的出口量月度波动、头部企业环评批复中的能耗参数变更记录、海外认证机构最新检测标准修订页的截图位置

三、让Skywork AI“暴露逻辑漏洞”，而非“填充内容”

将AI作为校验工具使用，效率远高于将其作为写作工具。操作时分两步进行：

• 首先提供你已有的初步判断，例如：“储能系统集成商正加速向上游电池模组渗透，主要原因是电芯价格下行压缩了代工利润空间。”
• 随后指令其完成三件事：① 找出近三年公开财报中的反向证据（如某集成商电池采购额同比增长37%）；② 列出该判断成立所依赖的三个隐含前提（如“电芯价格下行趋势可持续18个月以上”）；③ 指出哪个前提最易被突发政策打断（如某国突然加征电池半成品进口关税）

这一过程迫使AI跳出归纳思维，转向归因审查，反而能帮助你发现框架中被忽略的薄弱环节。

四、数据段落必须附带“可追溯标记”

Skywork AI生成的数据描述常缺乏出处锚点，直接引用存在风险。应要求其在每段数据陈述后，使用固定格式标注信息源特征：

• “国内工业机器人密度达到392台/万人（来源类型：工信部《装备工业发展白皮书2024》第27页；统计口径：含非标自动化设备；对比基准：2024年数据为321台/万人）”
• “锂电回收企业平均单吨毛利降至860元（来源类型：5家上市公司2024年年报披露值均值；统计口径：不含梯次利用收入；异常值处理：剔除1家自建冶炼线企业的样本）”