深度研究与问题分析方法

核心结论

方法选择原则

不存在适用于所有问题的“最佳分析法”。STORM 擅长通过多角色提问、检索和大纲迭代完成开放主题的资料综合，但它不能自动保证证据质量，也不适合替代因果验证、定量决策或故障诊断。更稳妥的做法是：先判断问题类型，再组合一种主方法和一种校验方法。

常见问题可以先分成五类：

1. 开放主题研究：理解陌生领域并形成带引用的综述。
2. 复杂问题拆解：明确边界，找到关键子问题和影响关系。
3. 方案比较与决策：比较多个候选方案并作出可解释的选择。
4. 原因定位与故障分析：寻找异常的根因和验证路径。
5. 数据分析与假设验证：用数据判断一个解释是否成立。

STORM 的定位

这里的 STORM 指 Synthesis of Topic Outlines through Retrieval and Multi-perspective Question Asking，即通过多视角提问、资料检索和大纲迭代生成结构化长文的研究方法。

确定主题
  -> 从不同角色和立场提出问题
  -> 检索并收集资料
  -> 汇总观点与证据
  -> 生成和迭代大纲
  -> 分章节写作
  -> 校验引用、冲突与遗漏

优势：适合快速进入陌生主题，减少单一视角造成的遗漏，输出结构通常优于一次性生成长文。

局限：多视角不等于证据可靠；检索范围会影响结论；它更擅长综合已有材料，不能替代实验、统计检验和因果识别。

名称边界

本文讨论的是用于 LLM 深度研究与知识综合的 STORM，不是 Apache Storm 流处理框架。

方法选择速查

方法	最适合的问题	主要产出	关键局限
STORM	陌生主题、百科式综述	多视角问题、大纲、带引用长文	不能替代证据验证
Deep Research	开放问题、跨来源调研	问题树、检索记录、综合结论	质量依赖检索和引用纪律
Co-STORM	人与 AI 共同探索	动态观点网络和研究过程	流程与工具较复杂
系统性文献综述 / PRISMA	学术、医疗或政策证据	可复现的筛选流程和证据综述	成本高、检索要求高
证据矩阵与三角验证	争议或来源冲突	主张—证据—来源对照	不能单独发现未知问题
论证图 / Toulmin	判断一个观点是否成立	主张、依据、论证规则和反驳	不负责资料检索
MECE + 问题树	复杂问题拆解	分层子问题和分析路径	容易割裂因素间的联系
第一性原理	既有假设可能失效	基础事实、约束和新方案	容易忽略经验与实施成本
系统思考	多因素、反馈和长期效应	因果回路、干预点	难直接给出精确数值
SWOT / TOWS	组织、项目或产品战略	内外因素和策略组合	容易变成无权重清单
PESTEL	宏观环境扫描	六类外部影响因素	不直接产生决策结论
波特五力	行业竞争分析	竞争力量和行业结构	快速变化行业需调整模型
情景规划	高不确定性的长期问题	多个情景、信号和应对策略	情景不是预测
MCDA / 加权矩阵	多方案、多指标选型	权重、评分和敏感性分析	权重与评分可能主观
5 Whys	较清晰的因果链	初步根因	复杂系统中容易过度简化
鱼骨图	多类别原因发散	候选原因树	罗列原因不等于验证原因
故障树分析 FTA	安全、可靠性和工程故障	逻辑树、最小割集	建模成本较高
假设驱动分析	可收集数据验证的问题	假设、指标和验证结果	错误假设会限制探索范围
CRISP-DM	数据与机器学习项目	从业务理解到部署的闭环	需结合具体统计方法

一、深度研究与知识综合

Deep Research

Deep Research 更像一套迭代流程，而不是单一固定框架：

1. 明确问题、受众、时间范围和交付形式。
2. 将主问题拆成事实、机制、比较、争议和影响等子问题。
3. 为各子问题制定检索词、来源优先级和停止条件。
4. 迭代检索，记录结论来源以及仍然未知的内容。
5. 区分事实、推断、观点和预测，处理来源冲突。
6. 对关键主张逐项检查引用是否真正支持。

与 STORM 相比，Deep Research 更强调问题分解、反复检索、证据追踪和最终核验；两者可以组合使用。

Co-STORM

Co-STORM 将一次性自动写作改为人与 AI 共同探索：系统维护不断扩展的主题结构，人可以随时追问、纠偏、增加资料或切换方向。它适合研究问题会随阅读持续变化、需要保留探索过程的任务。

系统性文献综述与 PRISMA

需要较高证据等级和可复现性时，应采用系统性文献综述：

• 预先定义研究问题、纳入/排除标准和检索数据库。
• 保存检索式、时间范围、去重和筛选记录。
• 评估研究质量与偏倚风险，而不只计算支持和反对的数量。
• 条件允许时进行 Meta-analysis，否则进行叙述性综合。

适用边界

PRISMA 是综述报告与筛选透明度框架，不是自动判断研究真假的算法。它让过程更完整、可复核，但仍需要领域知识和统计判断。

证据矩阵与三角验证

争议议题应按“主张”组织证据，而不是按文章逐篇摘要：

主张	支持证据	反对证据	来源类型	强度	判断
具体、可验证的陈述	数据或原始记录	反例或替代解释	原始研究/综述/新闻/观点	高/中/低	成立/不确定/不成立

三角验证包括：

• 来源三角验证：不同机构、立场和利益关系的来源是否一致。
• 方法三角验证：实验、观察、统计和案例等不同方法是否收敛。
• 时间三角验证：结论在不同时间段是否稳定或已经过期。

论证图与 Toulmin 模型

主张 Claim
  <- 依据 Data / Evidence
  <- 论证规则 Warrant
  <- 支撑 Backing
  <- 限定条件 Qualifier
  <- 反驳与例外 Rebuttal

它能暴露“从证据到结论为什么成立”这一常被省略的环节，适合政策、技术争议、科学猜想和观点文章分析。

二、复杂问题拆解

MECE 与问题树

MECE 强调子问题尽量“相互独立、完全穷尽”。诊断树用于回答“为什么发生”，方案树用于回答“可以做什么”。拆分后应为每个分支定义验证指标。

常见误区

MECE 是组织思考的工具，不是现实世界必然满足的性质。复杂系统中的因素经常相互作用，拆分后还要用系统思考补回这些联系。

第一性原理

1. 写下目标、硬约束和当前方案的关键假设。
2. 区分可验证事实、行业惯例、类比和主观判断。
3. 将问题拆到不再依赖原假设的基础事实。
4. 从基础事实重新组合方案。
5. 再用成本、风险和现实约束验证新方案。

系统思考

系统思考适合多因素、长周期问题，重点识别存量与流量、正负反馈、时间延迟、系统边界和外部性。它适用于组织治理、平台生态、供应链、公共政策、技术债和长期运维。

三、战略与方案决策

SWOT / TOWS

SWOT 识别内部优势/劣势与外部机会/威胁；TOWS 再交叉形成 SO、ST、WO、WT 四类行动。建议为每个因素补充证据、影响程度、可控性和负责人，避免停留在清单层面。

PESTEL 与波特五力

• PESTEL：从 Political、Economic、Social、Technological、Environmental、Legal 六类因素扫描宏观环境。
• 波特五力：分析现有竞争、潜在进入者、替代品、供应商和客户的议价能力。

PESTEL 看外部环境，五力模型看行业结构，SWOT/TOWS 再将外部变化与自身能力连接起来。

情景规划

情景规划不猜测唯一未来，而是选择影响大、不可预测性高的关键因素，构造 2～4 个差异明显且内部一致的情景，再为每个情景设计触发信号、应对策略和退出条件。最后寻找各情景下都值得做的“无悔行动”。

MCDA 与加权决策矩阵

总分 = Σ（指标权重 × 方案评分）

先用硬门槛淘汰不合格方案，再按成本、功能、可靠性、安全、生态和维护性等指标评分。每个评分都应记录证据，并改变关键权重做敏感性分析；权重稍变就反转的结论不能视为稳健。

四、根因与故障分析

5 Whys

连续追问“为什么”用于从现象走向可行动原因。数字 5 不是硬性要求，每一步都应有证据，出现多个原因时应及时分叉。它不适合把复杂事故压缩为单一线性因果链。

鱼骨图

鱼骨图适合组织候选原因。软件系统可以按人员与协作、代码与配置、数据与状态、基础设施与资源、网络与外部依赖、流程与监控分类。列出原因后必须补充验证方法、证据和排除结果。

故障树分析 FTA

FTA 从顶层故障向下拆解，使用 AND/OR 逻辑描述基本事件如何组合导致事故。它适合安全、可靠性和重大故障分析，也可用于识别最小割集和优先控制点。

五、数据分析与验证

假设驱动分析

观察：系统延迟在新版本发布后上升
假设：新查询导致数据库锁等待增加
预测：慢请求时段的锁等待与该查询执行量同步上升
验证：查询监控、对照版本、隔离变量或回滚实验
结论：支持、反对或证据不足

分析前明确替代解释和判定标准，可以减少只寻找支持证据的确认偏误。

CRISP-DM

CRISP-DM 包含业务理解、数据理解、数据准备、建模、评估和部署六个阶段。它的价值是避免“模型指标很好，但没有解决业务问题”；各阶段可以反复迭代，并非严格瀑布流程。

推荐组合

研究陌生主题或争议议题

MECE 问题树
  -> STORM / Deep Research 扩展视角并检索
  -> 证据矩阵处理关键主张
  -> Toulmin 模型检查推理跳跃
  -> 引用、反例和未知项校验

技术选型或采购决策

目标与硬约束
  -> MECE 拆分评价维度
  -> MCDA 加权评分
  -> 敏感性分析
  -> 预演失败场景和退出方案

战略与中长期规划

PESTEL 扫描宏观变化
  -> 波特五力分析行业结构
  -> SWOT/TOWS 连接自身能力
  -> 情景规划检验策略韧性

生产故障或事故复盘

时间线和事实基线
  -> 鱼骨图发散候选原因
  -> 5 Whys 深挖关键分支
  -> 假设驱动验证
  -> 重大问题用 FTA 检查组合故障

可复用模板

深度研究模板

# 研究主题
 
## 核心问题与边界
- 要回答什么：
- 不回答什么：
- 受众与用途：
- 时间范围：
 
## 子问题
1.
2.
3.
 
## 关键主张与证据
| 主张 | 支持证据 | 反对证据 | 来源质量 | 判断 |
| --- | --- | --- | --- | --- |
 
## 共识、争议与未知
## 结论
## 局限与后续验证
## 参考资料

方案决策模板

# 决策主题
 
## 目标与硬约束
## 候选方案
## 评价指标与权重
| 指标 | 权重 | 评分标准 | 证据来源 |
| --- | ---: | --- | --- |
 
## 方案评分
## 风险与敏感性分析
## 结论、前提与退出条件

根因分析模板

# 问题描述
 
## 影响范围与时间线
## 已确认事实
## 候选原因
| 原因 | 支持证据 | 反对证据 | 验证方法 | 状态 |
| --- | --- | --- | --- | --- |
 
## 根因与促成因素
## 纠正措施与预防措施
## 验证指标和复查日期

质量检查清单

• 问题、边界、时间范围和受众已经明确。
• 事实、推断、观点和预测已分开表达。
• 关键结论优先引用原始资料或高质量综述。
• 引用确实支持对应主张，而不只是主题相关。
• 主动寻找反例、替代解释和不利证据。
• 来源的时间、利益关系、样本和方法限制已检查。
• 没有把“未检索到证据”写成“证据证明不存在”。
• 定量结论包含口径、基准、样本和不确定性。
• 决策包含成立前提、风险、退出条件和复查时间。
• 文档保留检索记录或参考资料，便于复核和更新。

实际使用建议

默认组合

一般技术调研可采用“MECE 问题树 + Deep Research/STORM + 证据矩阵”；技术选型增加 MCDA 和敏感性分析；争议议题增加论证图和反例检索；生产故障改用“时间线 + 鱼骨图 + 假设验证”，不要直接套用 STORM。

使用 AI 辅助分析时，可以将任务拆成问题架构师、检索员、证据审查员、反方评审员和综合写作者五个角色。这样保留 STORM 的多视角优势，同时增加证据审查和决策验证环节。

参考资料

• Stanford OVAL STORM
• STORM 论文
• PRISMA Statement
• Design Council: Double Diamond
• IBM: CRISP-DM

关联笔记

• 大模型知识管理
• GBrain
• LLMWiki