回答无法回答的问题：一位记者使用AI研究助理的亲身体验

我叫李明，是一名调查记者，专注于企业和金融领域。12年的职业生涯中，我习惯了一个事实：有些问题很难回答。

比如：

• "这家神秘公司的真实控制人是谁？"
• "过去五年，该行业的并购趋势是什么？"
• "这个说法是真的吗？证据在哪？"

这些问题需要数天甚至数周的研究。但3个月前，我开始尝试用AI作为研究助理。

今天，我想分享这段经历。

起因：一个不可能的deadline

今年6月，主编给了我一个任务：

"某科技公司被举报财务造假，三天内给我1万字深度报道。"

三天？通常这种报道需要两周！

我需要：

• 理解公司业务和财务状况
• 分析历年财报
• 寻找异常和证据
• 采访当事人
• 撰写和核实

靠我一个人，不可能。

转折：同事的建议

同事说："试试用AI？"

我持怀疑态度。AI能做调查报道？但时间紧迫，死马当活马医。

第一步：了解目标公司

我让AI（ChatGPT + SearchCans API）做背景研究：

我的提示：

请研究XX科技公司，提供：
1. 公司基本信息和业务模式
2. 主要高管和股东
3. 历史融资和重大事件
4. 行业地位和竞争对手
5. 媒体报道和公众评价

AI的工作：

1. 搜索公司相关信息（SERP API）
2. 阅读官网、新闻、财报（Reader API）
3. 整合信息
4. 生成报告

用时：15分钟

结果：一份10页的背景报告，包含我需要的大部分信息。

我的感受：震惊。这通常需要我3-4小时。

第二步：财报分析

我让AI分析公司过去三年的财报：

提示：

分析以下财报，识别：
1. 关键财务指标变化
2. 异常数据点
3. 与同行的对比
4. 潜在的风险信号

[粘贴财报数据]

AI发现：

• 应收账款异常增长
• 现金流与利润不匹配
• 某些支出项目模糊
• 关联交易可疑

还生成了：

• 趋势图表
• 对比表格
• 风险评分

用时：20分钟（我手动需要6-8小时）

第三步：验证和深挖

AI给了线索，但我需要验证。

传统方式：逐一搜索、阅读、核对

现在：让AI帮我：

1. 搜索相关报道和文件
2. 提取关键信息
3. 交叉验证
4. 标注矛盾点

例子：

AI发现：公司声称某客户贡献20%营收，但该客户的公开信息显示其采购规模不匹配。

AI标注：需要进一步核实。

第四步：采访准备

基于AI的分析，我准备了采访问题：

请基于以上分析，为我准备采访问题：
1. 针对公司高管
2. 针对前员工
3. 针对行业专家

每类10个问题，重点在财务异常。

AI生成了30个尖锐且有针对性的问题。

我选择了最关键的15个。

第五步：撰写报道

采访完成后，我有大量素材。

通常，整理素材需要半天。现在：

请帮我整理采访笔记，按以下结构：
1. 核心发现
2. 证据链
3. 当事人回应
4. 专家观点
5. 尚未解决的疑问

AI用10分钟整理好了。

我基于这个框架撰写，用了6小时完成初稿。

通常需要2天。

结果

第三天上午，报道完成。

主编惊讶："你怎么做到的？"

我说："AI助理。"

报道发布后：

• 引发行业震动
• 监管部门介入调查
• 后续证实了我们的核心发现
• 我获得了年度最佳报道提名

常规工作流：3个月后

现在，AI已经是我的日常工具。

我的典型工作流

每天早上：

1. AI监控我关注的话题
2. 汇总重要动态
3. 标注可能的新闻线索

选题研究：

1. 我提出问题或假设
2. AI搜集相关信息
3. 我评估和筛选
4. AI深入特定方向

采访准备：

1. AI研究被采访者背景
2. 生成问题列表
3. 我调整和补充
4. AI帮我模拟采访（角色扮演）

资料整理：

1. AI整理笔记和素材
2. 提取关键信息
3. 生成时间线和关系图
4. 我验证和补充

写作：

1. AI生成大纲
2. 我撰写主体
3. AI核查事实和逻辑
4. 我润色和定稿

事实核查：

1. AI验证文中所有事实性陈述
2. 找出需要进一步确认的
3. 提供证据链接
4. 我最终把关

效率提升

数据对比（AI前 vs AI后）：

报道数量：

• 过去：每月2-3篇深度报道
• 现在：每月5-6篇

质量：

• 更全面（AI帮我发现更多信息）
• 更准确（自动事实核查）
• 更深入（有时间做更多采访）

成功案例

案例1：揭露虚假上市公司

任务：某公司准备上市，我怀疑其业绩造假。

AI的帮助：

1. 分析了该公司及其供应商、客户的所有公开信息
2. 发现了供应商的异常（注册地址、注册时间、股东重叠）
3. 构建了复杂的关系网络图
4. 识别出10多家可疑的关联公司

我的工作：

• 实地调查
• 采访知情人
• 获取内部文件
• 撰写报道

结果：

• 公司上市计划取消
• 监管部门立案调查
• 我获得新闻奖

启示：AI处理复杂数据和关系，我做人类擅长的采访和判断。

案例2：追踪资金流向

任务：某官员涉嫌受贿，需要追踪复杂的资金路径。

挑战：

• 涉及多个公司和个人
• 跨境交易
• 层层嵌套

AI的作用：

1. 整理了数百份文件和交易记录
2. 识别了关键节点和可疑交易
3. 生成资金流向图
4. 标注时间线

我的工作：

• 获取文件（通过线人和公开渠道）
• 验证关键环节
• 采访当事人
• 法律和伦理审查

结果：

• 完整揭露了资金路径
• 证据充分，逻辑清晰
• 推动了反腐调查

启示：AI是强大的数据分析助手，但获取信息和验证仍需人类。

案例3：行业深度报道

任务：撰写"中国电动汽车产业五年回顾与展望"。

范围：

• 市场规模和趋势
• 主要玩家
• 技术演进
• 政策影响
• 未来预测

AI的帮助：

1. 收集了过去五年的所有相关报道、报告、数据
2. 整理了数百家企业的信息
3. 分析了技术专利趋势
4. 生成了详细的时间线和数据图表

我的工作：

• 采访行业专家和企业高管
• 参观工厂和展会
• 提炼核心观点
• 撰写叙事

结果：

• 一篇2万字的权威报道
• 被多家媒体转载
• 成为行业参考资料

启示：AI处理海量信息，我专注于深度和洞察。

学到的经验

经验1：AI不是魔法

AI很强大，但有局限：

AI能做：

• 快速搜集和整理信息
• 识别模式和异常
• 生成初稿和大纲
• 辅助分析

AI不能做：

• 独立判断新闻价值
• 进行深度采访
• 理解复杂人性
• 做出伦理判断

教训：把AI当工具，不是替代品。

经验2：提示词很重要

同样的任务，不同的提示词，结果天差地别。

差提示："研究这家公司。"

好提示：

请研究XX公司，重点关注：
1. 财务健康状况（利润率、现金流、负债）
2. 业务模式可持续性
3. 竞争优势和劣势
4. 管理层背景和争议
5. 风险因素

提供：
- 事实性信息（附来源）
- 数据对比表格
- 风险评估
- 进一步调查建议

建议：花时间学习提示工程。

经验3：始终验证

AI会犯错：

• 信息可能过时
• 来源可能不可靠
• 可能"幻觉"（编造信息）

我的原则：

• AI提供的所有关键事实，我都验证
• 不直接引用AI生成的内容
• 保留信息来源链接

教训：AI提高效率，但不降低标准。

经验4：保护信息源

使用AI时要小心：

• 不要将敏感信息输入公共AI（如ChatGPT）
• 匿名化个人身份信息
• 使用本地或私有部署的AI处理敏感材料

我的做法：

• 敏感调查用本地AI
• 公开信息研究用云端AI
• 始终不泄露线人身份

经验5：AI是协作者，不是老板

我决定：

• 什么值得报道
• 如何叙述故事
• 何时发布
• 伦理边界

AI只是帮我更好地执行。

工具和成本

我的工具栈

AI模型：

• ChatGPT Plus（$20/月）
• Claude Pro（备用）

数据API：

• SearchCans SERP API（¥3000/月）
• SearchCans Reader API（包含在套餐中）

其他工具：

• Notion（笔记和知识管理）
• Python脚本（自动化任务）

总成本：约¥3500/月

ROI：

• 效率提升3-5倍
• 报道数量翻倍
• 质量提升
• 获得多个奖项

相当于节省了1-2个助理研究员的成本（年薪15-30万）。

完全值得。

同行的反馈

我在记者圈分享经验后：

支持者：

• "这是未来"
• "我也要试试"
• "终于有人说出来了"

质疑者：

• "AI会取代记者吗？"
• "这样还算原创吗？"
• "新闻的人性哪里去了？"

我的回应：

• AI不会取代记者，但会用AI的记者会取代不会用的
• AI是工具，就像过去的电话、电脑一样
• 新闻的核心是人类判断、采访、叙事，这些AI做不到
• AI让我有更多时间做真正重要的事

给记者同行的建议

如果你也想尝试AI：

1. 从小处开始

不要一开始就做复杂任务。

先试：

• 背景研究
• 资料整理
• 事实核查

建立信心和理解。

2. 学习基础

不需要成为程序员，但要懂：

• 如何写好提示词
• 如何评估AI输出
• 基本的API使用

投资一周时间学习，受益终身。

3. 保持批判性

永远记住：

• AI是工具，不是真理
• 验证所有关键信息
• 保持记者的独立判断

4. 重视伦理

使用AI不是逃避责任的借口。

反而要更加注意：

• 信息准确性
• 信息源保护
• 隐私和伦理

5. 分享和学习

这个领域很新，大家都在探索。

多与同行交流：

• 分享经验
• 讨论问题
• 共同进步

三个月后的反思

AI改变了我的工作方式，但没有改变我的职业本质。

我仍然是记者：

• 追求真相
• 服务公众
• 监督权力
• 讲述故事

但我更高效了：

• 处理更多信息
• 产出更多报道
• 挖掘更深问题

我更专注了：

• AI处理机械工作
• 我专注于人类擅长的
• 更多时间思考和创作

未来展望

我相信，5年后：

• 所有记者都会用AI
• AI将是标配工具
• 不用AI的记者会被淘汰

但同时：

• 优秀记者仍然稀缺
• 人类洞察力仍然宝贵
• 深度调查报道仍然重要

AI不会让记者消失，而会让好记者更好。

结语

回到文章开头的问题：如何回答无法回答的问题？

答案是：不是靠AI回答，而是靠AI帮助人类更好地回答。

AI是放大器，放大人类的能力。如果你是优秀的记者，AI让你更优秀。如果你是平庸的记者，AI也帮不了你。

关键不在工具，在于使用工具的人。

对我而言，这三个月的经历证明：AI时代，记者不仅没有过时，反而更加重要。

因为在信息爆炸的时代，我们需要更多能够驾驭信息、寻找真相、讲述故事的人。

而AI，正是我们的超能力。

相关阅读：

• AI驱动的新闻编辑室：记者如何利用API挖掘新闻故事
• 记者与机器：AI能否在不牺牲内容质量的前提下，为内容创作赋能？
• AI如何通过实时事实核查帮助对抗虚假信息

开始你的AI辅助调查。免费注册SearchCans，获取专业的SERP API和Reader API，¥30体验额度。