博主开源「横纵分析法」AI研究框架,结合历时与共时维度辅助快速领域认知
一位博主分享了其将金融行业研究方法与AI工具结合迭代而成的「横纵分析法」框架,包含纵向时间线追溯与横向同类对比两条分析轴,已封装为Prompt与Skill两种版本并开源至GitHub。
该框架由博主自述源自其在金融行业从事研究时积累的方法论,后结合AI工具进行迭代形成。框架命名为「横纵分析法」,设有两条分析轴:纵向轴追踪研究对象从诞生至今的历史脉络与因果关系;横向轴则在当前时间节点与同赛道对象进行横向比较,判断其相对位置与差异。作者指出,该框架的理论参照来自索绪尔语言学中的「历时分析」与「共时分析」,以及社会科学中的「纵向研究」与「横截面研究」。
框架目前已封装为两个版本:Prompt版本适配支持深度研究功能的AI工具,作者列举的兼容工具包括ChatGPT的DeepResearch、Claude的深度研究、豆包的专家模式及DeepSeek的专家模式;Skill版本名为「hv-analysis」,支持自动联网搜索、调用arxiv API查询论文,并可生成排版好的PDF研究报告。两个版本均已开源至作者GitHub仓库(https://github.com/KKKKhazix/khazix-skills)。
作者以「Harness」为研究对象,使用Claude深度研究模式进行测试,约13分钟生成了约一万字的研究报告。研究对象可以是产品、公司、技术概念或人物,Prompt会根据对象类型自动调整分析侧重点。
作者同时明确指出该方法的局限性:AI生成的报告仍可能出现信息不准确的情况,不应直接作为结论使用,建议将其作为研究起点。此外,使用支持DeepResearch或深度研究功能的工具效果更佳,单次任务通常耗时10分钟以上;若使用普通联网搜索工具,效果可能明显下降。
解读
「横纵分析法」的核心价值在于为AI辅助研究提供了一套结构化的提问框架,而非依赖AI自由发挥。将历时与共时两个维度显式化,有助于减少AI在生成报告时遗漏关键背景信息的概率。值得注意的是,作者对时间线的自述存在不一致(「两年」与「三年前」),且对报告质量和幻觉程度的评价均属主观判断,缺乏第三方验证数据。对于有意使用该框架的用户而言,将其定位为「研究起点」而非「结论来源」是较为审慎的态度,这一点作者本人也已在框架说明中明确提示。
相关币种
- 未绑定币种
