第 31 章 · AI 如何改变 Crypto Research

一个现实问题

周一早上，你要在两小时后的会上讲一个你从没听说过的协议。

你把它的名字丢给一个 AI，加了一句「帮我做一份研究简报」。三分钟后你拿到一份三页的东西：它解决什么问题、收入怎么来、代币怎么分配、有哪些风险。分节整齐，语气克制，还附了九个链接。

你把它发进群里。十分钟后，一个同事回了一句：

「这里写的费率是 0.05%，你在哪看的？」

你点开那一条后面的链接。它指向一篇中文解读文章。文章里确实写了 0.05%，并且注明「据官方文档」。你再去翻官方文档，发现文档里现在写的是另一个数，而且页面底部标着几个月前的更新时间——中间有过一次治理投票改了这个参数。

你有点慌，开始逐条点开其余八个链接。结果是：三条能打开并且确实支持那句话，两条打开了但里面根本没提这件事，两条指向的是同一篇二手文章，还有一条是 404。

这份简报没有一句话是明显胡说的。它读起来比你自己两小时能写出来的东西更专业。问题在于你没有任何办法知道，哪几句是真的。

于是本章的问题：AI 给出的结论，凭什么可以相信？

注意这个问题不是「AI 能不能用于研究」。它当然能，而且提速非常明显。真正的问题是：一份混着事实、过期信息和合理猜测的输出，你怎样把它们分开。

如何跟上最新的 Crypto 知识那一页给过一条六步的研究流水线。这一章要做的不是重复它，而是补上它最难的一步：每一条结论的可信度，怎样被单独标出来。

思想实验

三个研究员，同一个陌生协议，同一小时，各交一份东西。

甲全手工。 他打开官方文档、治理论坛和一个区块浏览器，一页页读。一小时后，他交上来 6 条结论。每一条他都能说出是在哪个页面的哪一段看到的，其中 2 条他标了「不确定，文档写得含糊」。

乙全交给 AI。 他给了协议名字和一句要求，把输出复制过来，改了改错别字。一小时里他实际只花了 8 分钟。他交上来 23 条结论，覆盖面比甲宽得多——甲完全没提到的合规状况、竞争格局、团队背景，乙的报告里都有。

丙用 AI 搜集，自己核对。 他先让 AI 列出「要判断这个协议，需要查清楚的 12 件事」，然后自己去一手来源逐个查，把原文段落贴回给 AI，让它按统一格式整理成表。一小时后他交上来 11 条结论，每条后面有一个链接和一句「我是在这一段看到的」。

现在开始检验。找一个真的熟悉这个协议的人，逐条核对。

乙的报告里，正确的条数（14）比甲和丙都多。这一点必须说清楚，否则这个实验就变成了一个反 AI 的宣传。乙确实产出了最多的正确信息，而且他只花了 8 分钟。

但接着看第二周发生了什么。

这份报告被拿去做了一个决定。 会上有人引用了乙报告里的一条——那条恰好在错误的 5 条里。决定做完，三周后出了问题，复盘时才发现源头在这里。

这时候真正的差别才显出来：甲和丙可以指着任何一条结论说「这句话我是在这里看到的」，乙不能。 乙的 23 条里，有 14 条是对的，但他自己也不知道是哪 14 条。

所以这个实验的结论不是「AI 不可靠」，而是一件更具体的事：

一份没有标出可信度的报告，它的价值等于其中最弱的那一条。

因为使用者无法挑选，他只能整份信或者整份不信。而整份信的代价，在真的出事之前是看不见的。

你来决定

你现在要为一个投资会议准备这份简报。两小时。你怎么做？

观察结果

四个选项指向同一个结构：一份报告里的每一句话，可靠性完全不同，必须被分开对待。

把任何一份研究输出里的句子拆开，它们只可能是三类：

这张表解释了一件反直觉的事：AI 在研究里最不可靠的部分，恰好是大多数人最依赖它的部分。

人们用它来「快速了解事实」，而它在事实上最容易出错；人们不太敢用它来「形成判断」，而那恰好是它能提供真实价值的地方——因为判断本来就不该被直接采信，你天然会去检查它的论证。

第二类值得单独说。口径错误比编造更难发现，因为数字本身是真的，只是它回答的不是你以为的那个问题。把激励支出算进协议收入，把全稀释估值当成市值，把桥过来的资产重复计入两条链的锁仓量——这些数字都能在某个页面上找到，都不算「编造」，但用它们做的判断全错。第 19 章和第 26 章都花过篇幅处理这件事，在这里它变成了一个针对 AI 输出的固定检查项。

所以研究流程真正要改变的不是「用不用 AI」，而是一件更小的事：

让每一条结论带上它自己的可信度，而不是让整份报告共享一个可信度。

建立模型

一、按「错了能不能被发现」来分工

决定一件事交不交给 AI，不看它做得好不好，看它做错的时候你能不能发现。

最后一条是一条通用规则，值得单独记：不要让 AI 概括一份你不打算自己读的文件。 概括的价值在于帮你决定读不读，而不在于代替读。

二、六步流水线，重点在后两步

如何跟上最新的 Crypto 知识给过一条六步链路：搜集、抽取、对比、提问、验证、监控。那一页讲的是每一步做什么。这一章把它改成研究一个具体项目时的版本，并且把重量压在最后两步上：

第五步是这一章新增的那一步，也是最容易被跳过的一步。 跳过它的后果在思想实验里已经出现过：乙的报告有 14 条是对的，但没人知道是哪 14 条。

三、证据等级：四档就够了

给每一条结论标一个等级。不要设计复杂的评分体系，四档最好用，因为它们对应四种完全不同的后续动作：

一条硬规则：E2 不允许进入任何被别人读到的段落。 它要么被核对成 E0，要么被降级成「我们还不知道」。

这条规则的实际效果是：你的报告会变短。这是对的。 一份 11 条全是 E0 和 E3 的报告，比一份 23 条混着 E2 的报告有用得多，因为前者可以被使用，后者只能被重做一遍。

四、结论卡：让每一条都能被单独检查

要让打分可执行，结论必须有固定的格式。一条结论应该长这样：

结论：      这个协议对每笔交易收取 X% 的手续费，其中 Y% 归国库
证据等级：  E0
来源：      官方文档「Fees」一节 / 治理提案第 N 号
我看到的原文：（贴一段，不超过三行）
取数时间：  某年某月某日
口径说明：  这是协议层收费，不含前端额外加价
如果它错了：会影响到「协议收入」那一节的全部推算

最后两行是这张卡的价值所在。「口径说明」拦住第二类错误，「如果它错了」让读者知道这一条有多重要——有些结论错了无关紧要，有些错了整份报告作废，它们不该被同等对待。

这个格式看起来很啰嗦。实际做起来，AI 可以帮你填前面几行，你只需要填「我看到的原文」和「口径说明」这两行。而这两行恰好是无法外包的两行。

五、一条报告级的自检

整份报告写完，问三个问题：

1. 如果把所有 E2 删掉，这份报告还剩什么？ 剩得太少，说明你做的是编辑工作，不是研究工作。
2. 最重要的那三条结论，分别是几级？ 如果一份报告的核心论点建立在 E1 和 E2 上，它的结论强度不该是「我认为」，而是「如果这几件事成立，那么」。
3. 有哪些事我查过但没查到？ 这一条最容易被省略，也最有信息量。查不到本身就是一个发现——一个连收入口径都不公开披露的协议，这件事值得写进报告，而不是在报告里留一处空白。

它叫什么

前面那些动作，每一个都有名字。

把模型收成一句话：

AI 负责搜集与假设，事实必须回到一手来源与链上数据。

具体做法是给每一条结论标一个证据等级，并且规定：未核对的，不许进入结论。

动手

我要研究一个「某某类型」的协议。在我给你任何具体信息之前，
请列出要判断这一类协议，必须查清楚的 12 件事。

每一件事写三行：
1. 要查什么（具体到一个数字或一个事实，不要写「了解它的机制」）
2. 通常在哪里能查到（文档的哪一节、治理论坛、链上、审计报告）
3. 如果查不到，说明什么

不要提到任何具体项目，也不要猜任何数字。

下面是我从「来源名称」复制的原文。请只根据这段原文，抽出：
名称 / 数值 / 单位 / 生效时间 / 这段话在原文的哪个小节。

原文里没有写的字段，写「原文未提及」，不要补全，不要推测。

原文：
（贴进来）

把下面三个协议的这几项放进一张对照表，最后加一栏「最大的差异在哪」。
只使用我提供的内容，凡是我没给的，那一格填「未查」。

□ 任何带小数点的数字     → 回原文逐位核对
□ 任何「协议收入」类指标 → 口径是什么？含不含激励？取数时间？
□ 任何来自二手文章的说法 → 追到它引用的那份一手文档

变量 1：            （例如某个参数被治理改动）
在哪里能看到变化：  （治理论坛 / 合约事件 / 官方公告）
变了之后，我哪一条结论会失效：
检查频率：

AI Lab

请给我一份关于「某协议」的研究简报，包含 15 条具体结论。

硬性要求：
1. 每一条结论后面必须附一个可以打开的链接，并注明这句话
   对应来源里的哪一节或哪一段。
2. 每一条标注证据类型：一手文档 / 治理提案 / 链上数据 /
   二手分析 / 我的推断。
3. 每一个数字都要写清楚单位、口径和取数时间。
4. 凡是你不确定的，单独列在最后一节「我不确定的部分」，
   不要写进正文，也不要用模糊措辞掩饰。
5. 不要为了凑满 15 条而补充泛泛的行业常识。
   宁可给 8 条具体的，也不要 15 条正确的废话。

总条数：
链接打不开的：
链接能打开但不支持这句话的：
来源是二手的：
数字口径错误或缺失时间的：
完全经得起核对的（E0）：

核对全部 15 条总共花了：       分钟

真实案例

改一个变量

带走的问题

本章自测