用 AI 写报告最常见的误区，是让它“根据资料直接给结论”。资料来源不统一、时间范围不同或指标口径不清时，模型会把看似合理的片段拼在一起，文章也许流畅，结论却可能失真。更稳的方式是把报告拆成资料层、分析层和表达层，逐层完成。
资料层：先让 AI 建目录，不下判断
把文件或摘录按来源、日期、指标定义、负责人与可信度列成清单。提示词只要求 AI 提取可确认的信息，并把缺失项、矛盾项和需要人工确认的数字单列出来。此时不要问“原因是什么”，先确保你们在谈同一份事实。
请根据以下资料生成证据目录。每条信息标注来源、时间范围、指标口径和是否可直接引用；发现冲突时并列展示，不要自行选择其中一个版本，也不要推断原因。
分析层：让结论带着证据走
| 报告段落 | AI 可以协助 | 必须人工确认 |
|---|---|---|
| 现状 | 汇总指标、整理变化 | 口径与数据源是否一致 |
| 原因假设 | 列出可能因素和待验证问题 | 因果关系与业务背景 |
| 建议 | 生成备选动作与风险清单 | 资源、权限和优先级 |
一个实用要求是：每个结论后都附“证据编号 + 置信程度 + 需要确认的人”。当数据不足时，允许报告明确写出“当前只能提出假设”。这比强行给出确定答案更专业。
表达层：最后才考虑读起来是否顺
在证据和建议都定稿后，再让 AI 调整标题层级、段落长度和管理者阅读顺序。可以指定先呈现结论、再给关键数据、最后列行动项；也可以要求生成一页摘要和一版完整附录。不要让措辞修饰掩盖了不确定性。
若报告里涉及多项并行工作，可先采用AI 协助开发中的任务拆分法整理依赖；需要将长材料转为结构化文字时，项目资料的组织思路也能帮助你建立工作区。
提交前的四项核验
- 每个数字是否标明来源、日期和统计口径？
- “相关”是否被误写成了“因果”？
- 建议是否说明了前提、成本和可能副作用？
- 摘要与正文的结论是否完全一致？
让 AI 加速整理与表达，而把数据解释权留给懂业务的人，才能让报告既快又经得起复盘。
