做了十年大模型，见过太多人把ChatGPT当神仙供着，也见过太多人把它当垃圾扔进垃圾桶。今天不整那些虚头巴脑的“提示词大全”，咱们聊点带血带肉的干货。很多刚入行的分析师或者市场专员，听到“ChatGPT写行研”就两眼放光，以为敲几个回车就能搞定几万字的深度报告。我劝你醒醒，这玩意儿要是真这么神，咨询公司早就倒闭了。

先说结论：ChatGPT能帮你把行研的骨架搭起来，但血肉得你自己填。别指望它给你挖出独家内幕，它给的都是公开信息的“大杂烩”。

我有个朋友，去年为了赶一个新能源电池行业的竞品分析，直接让AI生成初稿。结果呢？数据全是2023年之前的，连最新的产能扩张都没提，逻辑还自相矛盾。他花了两整天去纠错，最后发现还不如自己手动搜半天来得快。这就是典型的“垃圾进，垃圾出”。

但是，如果你会用，它确实是神器。关键在于你怎么定义“写行研”。

第一，别让它从头写到尾。你要做的是“拆解任务”。比如，你先让它帮你梳理某个细分赛道的产业链图谱，列出上游原材料、中游制造、下游应用的几个关键玩家。这时候，你会发现它列出的公司虽然不全，但框架是对的。你可以在此基础上，补充那些它遗漏的隐形冠军。

第二，数据清洗是重灾区。AI给出的市场规模数据，往往是一个模糊的范围，或者引用了过时的研报。我在实际工作中，会用ChatGPT快速提取某篇长篇研报的核心观点，然后人工去核对原始数据。比如，某篇报告说“2024年Q1市场规模增长15%”，你得去查Wind或者彭博终端，确认这个15%是同比还是环比，是名义增长还是实际增长。这一步，AI替不了你。

第三，观点输出要有“人味”。AI写的分析，通常四平八稳，全是正确的废话。比如“该行业竞争激烈，需关注技术创新”。这种话写了等于没写。你需要让它扮演一个“挑剔的投资者”，去反驳它自己生成的观点。比如：“如果我是VC，我会质疑这个商业模式在现金流上的可持续性，请列出三个风险点。”这样出来的内容，才有深度，才像人写的。

关于价格，市面上那些卖“行研提示词模板”的，基本是割韭菜。一套模板也就值个奶茶钱，别花几百块去买。你自己摸索出来的Prompt，结合你所在行业的特定术语，才是最有价值的。

再说说避坑。千万别把未公开的敏感数据喂给公有云模型。虽然官方说会脱敏，但为了安全起见，涉及核心商业机密的数据，最好用本地部署的大模型，或者干脆手动处理。另外，警惕“幻觉”。AI特别喜欢编造不存在的公司或事件，尤其是在你问一些非常冷门的问题时。一定要交叉验证，至少找两个权威信源对照。

我最近帮一家初创公司做竞品调研，用了ChatGPT写行研的辅助流程。先让它生成SWOT分析的草稿，然后我手动调整权重，最后加入了我对一线销售人员的访谈记录。整个效率提升了至少50%，而且报告的质量明显高于纯人工手搓的初稿。

所以，别神话它，也别贬低它。它是个强大的副驾驶，但方向盘得握在你手里。学会和它博弈，学会让它犯错，再学会纠正它，这才是高手的玩法。

本文关键词：chatgpt写行研