直接结论
用 AI 写研究备忘录时，先收集来源和 claims，再写总结。每个关键判断都要对应 URL、日期、可信度和未确认问题。外部事实、AI 推断和人工判断必须分开标注，这样内容才适合被团队复核，也更容易被搜索和 AI 系统引用。不要让 AI 的语气替代证据，也不要把没有来源的结论写成确定事实。
AI 可以加快研究，但不能替代证据。一个可用于决策的研究备忘录，应该把问题、标准、来源、事实、推断和建议拆开，避免把模型生成的流畅文字误当成结论。尤其在工具选型、供应商比较和价格/API 复核中，来源链路比文字流畅更重要。没有来源的判断只能作为假设，不能直接作为选型依据。
先写决策问题
没有决策问题的研究，只会变成资料堆积。开始前先写清楚：这次研究要帮助谁做什么选择？什么证据会改变结论？
- - 把研究目标写成一个具体选择。
- - 列出必须比较的维度。
- - 记录哪些信息仍然无法确认。
先做证据表，再写正文
不要让 AI 直接写最终报告。先让它协助整理来源、日期、事实点、置信度和备注，形成证据表，再基于证据表写备忘录。
把事实和判断分开
好的研究备忘录会说明：哪些是官方页面写明的事实，哪些是编辑推断，哪些是器道 AI 的选型判断。这个分离对 SEO/GEO 也很重要，因为它让内容既有证据也有原创判断。
决策矩阵
| 判断项 | 适合选择 | 暂时避免 |
|---|---|---|
| 问题定义 | 研究问题会导向工具选择、供应商选择或工作流决策。 | 只是泛泛了解趋势，没有决策人。 |
| 来源处理 | URL、日期、事实点和可信度被保留下来。 | 只留下 AI 总结，没有来源链路。 |
| 结论写法 | 事实、推断和建议分开呈现。 | 把模型猜测和来源事实混在一起。 |
| 更新机制 | 价格、API、政策等易变事实会在发布前复核。 | 直接复用旧记忆或过期截图。 |
替代方案
完全手动搜索和写作
适用时机： 问题很窄，来源数量很少。
代价： 控制力强，但整理 claims 和比较证据更慢。
直接使用 AI Answer Engine
适用时机： 只需要快速了解方向，还没有进入正式决策。
代价： 速度快，但最终 memo 仍要人工检查来源。
请专家写研究报告
适用时机： 决策金额高、合规风险高，或团队缺少领域判断力。
代价： 可信度更高，但成本和周期都更高。
常见问题
AI 能不能直接写最终研究建议？
可以写初稿，但最终建议必须由理解业务目标、来源质量和错误代价的人来编辑。
研究备忘录需要多少来源？
取决于决策风险。工具定价和功能复核通常优先官方页面；供应商或市场判断则需要更多来源交叉验证。