使用 AI 做研究，开头往往很顺利：你会得到条理清楚的摘要、看起来有用的链接和语气笃定的结论。真正困难的问题紧接着才出现：其中哪些内容真的可以拿来支持决策？

在这门课程中，你将负责 Harbour Community Support 的一项研究任务。Harbour 是英格兰一家虚构的非营利组织，有 12 名员工。管理层正在考虑，是否值得进一步开展内部核查，为一个可能的每周工作四天试行方案做准备。课程会提供案例事实，并明确标出所有预备好的来源材料包和标准交接物。由你决定向 AI 提出什么请求、核查什么内容、纠正什么问题，以及管理层下一步可以负责任地作出什么决定。

你会先把宽泛主题收束成一个眼前要做的决定，再建立证据门槛，使用 AI 发现候选来源，打开会影响决策的原始来源，并记录每一种可访问材料究竟能支持什么。你会把来源与 AI 的表述进行比较，纠正越界主张，保留混合证据和未知项，并在下一个答案必须来自 Harbour、而不是公开网络时停止搜索。

难度会逐步提高。一个常见名称可能掩盖不同的安排；同一个真实来源可能通过一个入口可以访问，通过另一个入口却受到限制；积极结果可能测量的是身心感受，而不是服务表现；短期测试可以暴露运营问题，却不能证明长期效果。你将亲自作出这些区分，而不是旁观一位隐藏的研究者替你整理好一切。

学完之后，你将掌握一套实用方法，可以：

• 围绕真实决策界定研究请求；
• 说明给定材料来自哪里；
• 使用 AI 发现来源，同时不把 AI 当作来源本身；
• 核验一条引用并记录它的访问状态；
• 核查并纠正一项会影响决策的主张；
• 区分来源事实、综合判断、推断和未知项；
• 判断证据支持行动、不行动，还是“目前证据不足，无法决定”；
• 交付一份有条件的简报，明确后续负责人和重新核查的触发条件。

你不需要技术背景，也不需要背诵完美的长 Prompt。你会分层构建请求，并理解每一部分为什么需要存在。

完成课程，意味着公开研究有了诚实的状态和可用的交接物；不意味着 Harbour 已经选定方案、批准试行、改变任何人的工作安排，也不意味着本应由人完成的内部核查和专业审查已经结束。