📰 研报摘要
查看全文 ➔本报告探讨了 AI 投研在地产研究中的降本提效实践，核心观点在于将效率评价单位从单次模型调用上移至“质量调整后任务成本（QATC）”。报告分析了当前 AI 投研流程中常见的 Token 与时间泄漏，包括重复读取、上下文膨胀、全文重写及验证环节的无效调用。作者提出通过将研究经验转化为可执行的 Skill 资产（特别是证据型 Skill），利用证据卡、口径冲突闸门及分层验证来守住质量边界。通过 48 轮对照实验验证，报告指出结构化方法的价值与任务难度高度相关：在隐蔽错误较多的审阅任务中，证据型配置能显著提高首次通过率；而在简单任务中，流程复杂度本身可能增加资源负担。报告建议研究团队优先对流程稳定、错误代价高的任务进行 Skill 化，建立统一的日志管理、回归测试与版本治理，从而真正将模型从低价值的证据搬运中解放出来。