第七天已经讲过，AI 情报分析号不能靠 AI 硬写，必须先有素材池和核验流程；第八天就把这个思路落到 DeepSeek 的公开资料整理上。
DeepSeek 很适合做公开信息整理，但它做的是“整理”，不是“凭空生成事实”。
你给它公开资料，它帮你归类、提炼、对照、标注缺口。
但如果你直接让它“帮我分析某公司”，它就容易自由补全，把推测写得像结论，把印象写得像证据。
1. 为什么“帮我分析某公司”是错的
这个问法最大的问题，是边界太松。模型不知道你要看什么，也不知道你允许它依据什么。
于是它通常会做三件事：
看起来像分析，实际上是把事实、推测和想象混在一起。
更好的问法，是“请只基于我提供的资料整理信息，并明确区分事实、推测、缺口和下一步验证”。
2. 可直接复制的提示词
你可以直接把下面这段丢给 DeepSeek：
你是公开信息整理助手，不是事实创造者。我会提供一批公开、合规、可访问的资料，请你只基于我给出的资料整理，不要补充外部未提供的信息，不要猜测未知事实，不要把推测写成结论。请按以下格式输出：1. 明确事实：只写资料中能直接找到原文支持的内容。2. 可能推测：只写“可能”“大概率”“倾向于”之类的判断，并说明依据。3. 证据强度：按高 / 中 / 低标注，依据是否能定位原文、是否有多源印证。4. 来源：尽量保留来源名称或原文位置。5. 信息缺口：当前资料里看不到哪些关键问题。6. 下一步验证：接下来该去核验哪些原文或页面。额外要求：- 不要合并不同来源中无法互相印证的内容。- 如果一句话没有足够证据，请放到“信息缺口”或“可能推测”里。- 如果资料之间有冲突，请单独列出冲突点。- 只处理公开、合规、可访问信息；不扒隐私、不绕过权限、不把未经验证内容写成确定结论。现在开始处理我提供的资料。
这段提示词的核心，是先分层。
3. 资料要分批，不要一次全塞
公开信息整理，最怕一锅炖。
更稳妥的方法，是先按来源分批：
官网
招聘信息
评论和用户反馈
行业报告
新闻稿
公开社交主页
先一类一类整理，再做二次合并。
官网更接近官方口径，招聘更接近投入方向，评论和用户反馈更接近使用体验，报告更接近外部观察。如果把这些材料一次混进模型，它很容易把不同层级的信息揉成一个结论。
分批处理的目的，是先保留来源差异，再在第二轮里看它们是否互相印证。
4. 一套完整流程
我建议按这 4 步走。
第一步：准备材料
先把资料整理成清晰片段。每段尽量带上来源、日期、原文截图或链接位置，不要只丢一句“我找到了很多资料”，那样后面没法核验。
第二步：第一次整理
让 DeepSeek 先做粗分层，只看单一来源内部，先把事实、推测、缺口拆开，不要急着下结论。
第三步：第二次合并
把不同来源的结果合起来，再看它们是否一致。比如官网说业务聚焦 A，招聘却大量在招 B，评论里又反复出现 C，这时你得到的不是结论，而是值得继续验证的信号。
第四步：回到原文核验
这是最重要的一步。
关键事实必须回到原文确认。凡是无法定位到原文来源的句子，不能进入最终稿；找不到证据，就宁可删掉，也不要硬写。
5. 适合复制到表格或简报里的字段
整理完之后，最好再落到表格里。字段可以直接用这几个：
来源原文事实可能推测证据强度缺口下一步验证
这样做的好处，是后面写简报、做复盘、发文章时都能直接复用。
6. 人工复核是最后一道门
AI 可以帮你提速，但不能替你负责。所以最后一定要人工复核三件事：
如果一段话你回不到原文，就不要让它出现在最终稿里。
7. 合规边界也要先写进提示词
做公开信息整理，只讨论公开、合规、可访问的信息。不做人肉搜索，不扒隐私，不教绕过权限，不做非法取证，也不把未经验证的爆料包装成确定结论。
8. 这类整理最适合什么场景
如果你手上是一堆官网、招聘、评论和用户反馈、报告，想先做第一轮归纳，这套方法就很合适。它适合第一轮整理，不适合直接产出最终判断。它追求的是：
先把资料整理清楚，再把判断写谨慎。这才是 DeepSeek 在公开信息分析里最实用的地方。
如果你有想研究的对象，也欢迎留言，我可以按这套模板示范怎么整理一版。下一天我会继续写第 9 天：分析一家公司，可以先看这 10 个公开页面。
