Insight Distiller
洞察萃取
从访谈和讨论中梳理观点、分歧与依据，留下需要追问的问题。
整理以后，还能找到判断的来处
我在回看历史洞察卡时发现，原本具体的观察有时被 AI 包装成了漂亮的模型，甚至补出了材料里没有的故事。表达更完整，依据却变得模糊。
洞察萃取围绕这个问题整理工作流程：识别材料、核对背景，把原话、分析者解读、已验证事实与开放假设分开，再形成备忘录。
从一家书店的访谈开始
一位书店主理人讲述从景区搬到社区的经历：过去卖书占总收入七成，现在约占四成，咖啡与活动合计过半。
她把一家零售生意做成了空间运营生意。
这是一种模型解读。原输出注明本轮未做外部验证，并提出核验分项收入与毛利数据。收入占比的变化提供了分析线索，尚不能单独证明转型成功或适用于其他书店。
输入为虚构材料；模型输出仅摘录上面一句，其余为个人站编辑概述与说明。
完整输入与输出见 公开书店访谈样本 ↗。
信息不够时，先留下问题
另一份公开测试只有“讲话人 1、2、3”的编号。模型在这次试跑中先要求确认身份，没有生成正式备忘录。同一句话由客户、供应商或其他参与者说出，含义可能不同。
先承认材料是什么，再决定能从中读出什么。
怎样使用
向装有 skill 的助手提供访谈转写、会议记录或文章材料，得到包含信息缺口、判断依据与待深挖问题的 Markdown 备忘录。多人材料应尽量提供说话人身份和背景。
目前仓库记录了一轮 8 个虚构用例的模型试跑：7 个通过、1 个部分通过；独立人工评阅尚未完成。这些记录说明已做过哪些检查，不代表在不同模型和实际材料上都能可靠完成。最终核实仍由人负责。
回到页首