做行研这行快十年了，说实话，现在很多人用AI还是太“飘”。昨天有个刚入行的小兄弟找我，说用ChatGPT写行业报告，结果出来的东西全是车轱辘话，看着挺高大上，细看全是废话，连个具体数据都找不到。我一看他给的Prompt，好家伙，直接一句“帮我写一份新能源汽车行业分析报告”，这能写好才怪。AI不是算命先生，你问得越模糊，它给你编得越离谱。

咱们得说点实在的。想让ChatGPT做行研指令真正落地，核心就两个字：具体。别指望它像人一样去“理解”行业，它就是个概率模型，你得把路给它铺好。

首先，角色设定不能少。别上来就扔问题，先告诉它你是谁，它是谁。比如：“你是一位拥有10年经验的资深证券分析师，擅长从宏观政策和微观财务两个维度拆解行业。” 这一步看似多余，其实是在给AI定调子，让它知道该用专业的术语，而不是科普的语气。

其次，背景信息要给足。很多新手最大的误区就是觉得AI什么都不知道，其实它知道得挺多，但那是“训练数据”里的旧闻。你得把最新的行业动态、你关注的特定细分领域喂给它。比如，不要只说“分析光伏”，要说“重点分析2023年下半年N型电池对P型电池的替代进程，以及上游硅料价格波动对中游组件厂利润的影响”。你看，这一下，范围缩小了，AI才能深挖。

再来说说结构。行研报告不是散文，得有骨架。我在用ChatGPT做行研指令时，通常会强制它按照“行业概况-驱动因素-竞争格局-风险提示-估值逻辑”这个框架来输出。特别是“竞争格局”这一块，让它列举前五大厂商的市场份额、技术路线差异，甚至让它对比一下财报里的毛利率变化。这时候，你最好再补充一些你手头有的最新数据，让它基于这些数据进行推演，而不是让它去瞎猜。

还有个小技巧，就是让它“自问自答”。写完初稿后，别急着复制粘贴。你问它：“你觉得这份报告最大的逻辑漏洞可能在哪里？”或者“如果我是投资人，我最关心但没写到的点是什么？” 这种反向追问，往往能逼出一些意想不到的深度观点。

我举个真实的例子。上周我在看一个消费电子细分赛道，用ChatGPT做行研指令时，我特意加了一句：“请模拟一个保守型投资者的视角，找出该行业可能存在的3个黑天鹅事件。” 结果它列出了“地缘政治导致的供应链断裂”、“技术迭代失败导致库存积压”和“下游需求不及预期”。这三点，虽然不算新鲜，但对于快速梳理风险点非常有用，比我之前花半天时间翻新闻要高效得多。

当然，AI也有它的局限性。它不会去打电话调研经销商，也不会去工厂数机器。所以，最终的结论和关键数据，一定要人工核实。别完全信任它给出的数字，尤其是那些精确到小数点后两位的预测值，大概率是它根据历史趋势瞎编的。

最后，想说句掏心窝子的话。用ChatGPT做行研指令，不是为了偷懒，而是为了把重复性的资料搜集和初步整理工作外包出去，把精力集中在逻辑构建和深度判断上。如果你连基本的行业常识都没有，AI只会放大你的无知。

所以，下次再用它，别只扔一句“帮我写报告”。试着把它当成一个刚毕业、聪明但缺乏经验的实习生，你教得越细，它干得越好。这才是咱们这些老炮儿该用的姿势。别整那些虚的，干就完了。