咨询顾问的AI工作台：以合伙人速度产出方案、框架与调研

AI在一个项目里真正替代的是什么

咨询工作从来不是单一任务。一周之内你要梳理问题、访谈相关方、清洗数据、搭建故事线、写页面，还要为最终建议辩护。这些任务需要完全不同的模型行为，这也是为什么一个AI订阅总感觉七成好用、三成让人抓狂。

老实说：AI并不会在项目里直接给出答案。它省下的是你原本要花两个小时才能拿出初稿的那部分工作，是那个你如果时间更充裕，本该在周四就发现的漏洞。这样用，一周能省下好几个小时。当成答案机器来用，它产出的正是合伙人早已练就火眼金睛能一眼识破的通用内容。项目里这类工作最典型的例子就是电话纪要，这块有单独的工作流，见如何用AI总结会议内容。

以下是多数咨询顾问用了几周之后摸索出的分工方式：

任务	最佳模型	原因
问题结构化、议题树、2x2矩阵	GPT	严格遵循结构约束，保持MECE逻辑，输出清晰的层级
幻灯片标题和故事线	Claude	用人性化的语气写作，不堆砌华而不实的形容词，保持论证线索前后一致
Executive summary和客户邮件	Claude	最擅长把握语气，把难听的话说得体面
市场和竞争对手扫描	Gemini	最擅长处理带有可核实来源的最新网络资料
长文档和会议记录阅读	Gemini	100万token的上下文窗口，一份120页的年报一次就能读完
提取数据到表格或JSON	GPT	严格输出格式最可靠，能直接粘贴进Excel
对建议做合理性检查	任何没参与起草的模型	换一个模型来审查，是你能用到的最便宜的红队

这些不用死记硬背。实用的版本是：用GPT打草稿结构，用Claude打草稿文字，用Gemini做调研，最后用一个没参与起草的模型检查最终逻辑。

工作流一：不落俗套的框架生成

如果只是让模型给出"这个客户问题的框架"，得到的往往是把波特五力模型套上客户名字。解决办法是给模型一套项目经理会给你的约束条件：客户实际要做的决策是什么，哪些维度是允许纳入考虑的，哪些已经被排除。

提示词：议题树

你正在为一个咨询项目梳理问题结构。客户决策：[具体决策，例如"是否把三个区域配送中心合并为一个"]。搭建一棵三层深的MECE议题树。第一层必须是那3到5个问题，回答清楚它们就能解决这个决策。对每一个叶子节点，说明需要的分析和数据来源。不要包含现有数据无法验证的分支。标出那些答案很可能已经明了的分支。

提示词：值得存在的2x2矩阵

为这个问题提出三个候选2x2矩阵。对每一个，说明两个坐标轴，解释每个象限位置对客户意味着什么，并说明这个矩阵驱动的具体决策是什么。剔除任何只是同一变量换个说法的坐标轴组合。然后推荐其中一个，并解释另外两个为什么在这里较弱。背景信息：[粘贴你的情况说明]。

提示词：给你已经搭好的框架做压力测试

这是我搭建的框架：[粘贴]。扮演一个爱挑刺的项目经理。找出重叠的分支、缺失的分支、在现有时间内无法分析的分支，以及任何预设了答案的地方。不要改写它，只列出问题。

最后一个是本页价值最高的提示词。模型批评一个结构远比创造一个结构在行，而一轮批评只需要30秒。在拿去给项目经理审查之前，先自己用这个提示词过一遍你的框架，而不是等到审查之后再用。

工作流二：经得起合伙人审查的演示文稿叙事

AI写的幻灯片出问题不在语法上。问题在于每条标题都是一个话题，而不是一个论点。"市场概览"是一个话题。"该品类增长了11%，而客户份额却下滑了3个百分点，全部原因来自折扣渠道"才是一个论点，而由一连串论点组成的文稿读起来像是思考的结果，而不是简单的汇报。

提示词：先定故事线，再写页面

为一份客户演示文稿搭建一条横向故事线。情况：[两句话]。矛盾点：[两句话]。客户提出的问题：[一句话]。我掌握的证据：[要点列表]。建议：[一句话]。返回8到12条幻灯片标题，每一条都是有主语和动词的完整论点，按顺序读下来构成一条完整论证。不要用话题式标签。在标题之后，列出我目前还没有证据支撑的论点。

最后那条指令才是真正救你的地方。它在你动手做页面之前，就给你一份证据缺口清单，而这恰恰是合伙人在审查时无论如何都会给你列出来的清单。

提示词：写页面内容

为这张幻灯片写正文。标题：[粘贴标题]。支撑数据：[粘贴数字或发现]。受众：[例如"COO和两名直接下属，业务熟练，对咨询顾问持怀疑态度"]。约束条件：最多三条支撑点，每条不超过20个词，不用无法量化的形容词，不做超出所给数据范围的论断。为客户加一句"所以意味着什么"。

提示词：语气调整

按照这份语气样本改写这段内容。保持每个数字和论断不变。删除任何一句放到别的客户文稿里也毫无违和感的句子。语气样本：[粘贴合伙人喜欢的一份文稿里的两段话]。草稿：[粘贴]。

语气样本比任何关于语气的说明都更管用。你所在公司真实写作的两段文字，比一段描述你想要什么语气的形容词堆砌，更能让输出朝你要的方向走。

发出去之前，先做一次反向测试：把标题重新粘贴进一个新对话，问这里在论证什么，其中最薄弱的一环是什么？如果模型都复述不出你的论证，客户也一样复述不出来。

工作流三：真正能引用的市场扫描

调研是AI在一个项目里最有用、也最危险的环节。一个自信满满却是编造出来的市场规模数字进了客户演示文稿，那不是小麻烦，而是职业生涯的问题。原则很简单：用能联网的模型，要求给出来源，把每个数字都当作未经核实，直到你亲自打开来源看过为止。

提示词：品类扫描

调研[品类]市场。返回：(1) 过去24个月的市场规模估算，各自附上发布机构、年份和URL；(2) 5到8家规模最大的玩家，附公开披露的营收或份额数据；(3) 过去12个月的重大变化，包括新进入者、退出、融资、并购和监管变化；(4) 未来24个月最可能改变竞争格局的两到三股结构性力量。来源有分歧时，两个数字都列出来，不要取平均。任何找不到来源的内容都标注为UNVERIFIED。

提示词：竞争对手拆解

为[竞争对手]做一份定位拆解。覆盖：他们自己表述的价值主张、目标客群、公开的定价、分销渠道、近期带日期的产品或宣传变化，以及公开评论中可见的客户投诉主题。每条论断都要注明来源。区分哪些是公司自己说的，哪些是第三方观察到的。

提示词：阅读长文档

阅读这份文档，只提取与[客户决策]相关的内容。返回一张表格，包含：论断内容、页码或章节引用，以及该论断对[陈述该假设]这一假设是支持、反驳还是中立。然后列出这份文档中相对于行业常态最令你意外的三件事。

最后一个提示词说明了为什么大上下文窗口在这份工作里很重要。把整份年报、整份监管备案文件或15份访谈记录全部载入，再对着全部内容问一个问题，这和一次总结一页内容完全是两种能力。Gemini 3.7 Flash在Whizi上能读取100万token的上下文，大约相当于2,000页文字，因此它是这类任务的默认选择。

如需更深入了解取材和核实方法，参见AI用于市场调研这篇指南。

客户保密：粘贴之前要脱敏什么

每个咨询顾问在第二条提示词发出之前都会问这个问题，诚实的答案有两部分。Whizi不会用你的对话来训练模型，每家供应商的数据处理政策在你启用之前都可以查阅。这解决的是平台层面的问题，解决不了你和客户签的协议，那份协议通常比任何供应商的政策都更严格，而真正约束你的正是这份协议。

可行的习惯是去掉身份信息，但保留结构。AI推理并不需要知道客户名字才能有用，去掉它对你没有任何损失：

• 把客户和竞争对手名字换成代号：客户A、竞争对手B、地区1。
• 对数字做取整或指数化处理。"营收以2023年为100基准指数，2025年为94"完整保留了分析所需的形态。
• 上传访谈记录前删除姓名、邮箱和职位头衔。角色信息就够用了，分析用的也正是角色信息。
• 任何受特定保密条款约束的内容、个人数据或重大非公开信息，一律不放进任何AI工具，包括这一个。
• 如果项目处于加强保密限制之下，先在项目开始前和公司的风险团队确认，而不是事后再问。

经过脱敏的提示词往往本来就更好。强迫自己用结构化的语言描述情况，会去掉那些原本分散模型注意力的细枝末节。

为什么一个工作台胜过三份订阅

在一个项目里最具体的优势不是价格，尽管这笔账确实划算：ChatGPT Plus、Claude Pro和Google AI Pro各自大约$20，加起来每月约$60，而Whizi Pro只要$29.99，而且一条Claude Sonnet 5消息只消耗Pro每月2,000个额度里的10个，所以一份文稿的标题打磨几乎不会怎么消耗额度。独立顾问对这笔账感受更强烈，详见面向自由职业者的AI工具。真正的优势在于切换模型时上下文依然保留。你上传客户的数据摘要，用GPT梳理问题结构，用Claude起草故事线，用Gemini拉取市场背景，全部在同一个对话线程里完成，它记得之前发生的一切。要是分别用三款产品来做同样的事，就意味着要把项目情况重复解释三遍，还得自己在脑子里记住版本历史。

并排比较是第二个优势，而且它直接对应咨询质量的评判方式。把同一份executive summary放进两个模型里跑一遍，留下更好的那一段，这个习惯只花两分钟，却能实实在在拉高你发出去内容的下限。它还能减少"这看起来像AI写的"这种观感，因为你选用的是每一段最好的输出，而不是把某一个模型的固定风格拉长套用到整份文档上。

第三个优势是红队审查。让一个没有参与起草建议的模型来反驳它：论证这条建议是错的这个说法能成立的最有力理由。要让相反的结论成立，需要哪些前提为真？不管它发现什么，客户的CFO也一样会发现。

AI替你做不到的事

它不会告诉你客户实际想要什么，而这通常和RFP写的不一样，只有身处会议室才能感知到。它不会知道那位要负责落实你建议的COO两年前就否决过同样的想法。它也不会为某个数字承担责任，所以每一个出现在页面上的数字都要由你亲自核实。

它还有一个天生的弱点，正好是咨询顾问被付费去做的事情：在信息不完整、又要承担声誉后果的情况下做判断。模型很乐意从薄弱证据里给出一个自信满满的答案，因为自信对它来说是免费的，对你来说却代价高昂。把每一份输出都当成一个博览群书、却从未见过客户、也不会被问责的分析师写的初稿。