要生成深度行业分析报告，需构建结构化提示词框架、注入权威信源锚点、启用多阶推理指令链、校验逻辑断点与反事实检验、固化输出格式与术语规范。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您希望利用千问AI生成深度的行业分析报告，需明确其数据逻辑推导路径并非基于实时联网抓取或私有数据库调用，而是依赖训练语料中的结构化知识模式与推理框架。以下是实现该目标的具体操作指南：
一、构建结构化提示词框架
深度行业分析报告的质量高度依赖输入提示词是否具备明确维度约束与逻辑层级。需预先定义核心分析模块，避免泛化输出。
1、在输入框中首行写明报告类型，例如：“请生成一份关于中国新能源动力电池行业的深度分析报告”。
2、紧接着分行列出强制包含的六个分析维度：政策演进脉络、上游材料价格波动归因、中游产能扩张节奏、下游车企配套格局、技术路线分化现状、头部企业毛利率对比。
3、末尾添加逻辑指令：“所有结论必须标注可追溯的数据年份与来源类型（如工信部白皮书/高工锂电年报/上市公司财报），未标注出处的判断不得出现”。
二、注入权威信源锚点
千问AI虽不联网，但可通过提示词显式激活训练中吸收的高权重信源记忆，提升输出的专业可信度。
1、在提示词中嵌入具体文献名称，例如：“参照《节能与新能源汽车技术路线图2.0》中2025年固态电池装车渗透率预测值”。
2、指定数据区间，例如：“引用2021–2023年宁德时代、比亚迪、国轩高科三家公司年报披露的海外营收占比变化”。
3、要求交叉验证表述，例如：“当描述磷酸铁锂份额提升时，同步列出动力电池联盟月度装机量数据与真锂研究成本测算模型的双重支撑依据”。
三、启用多阶推理指令链
单次提问易导致分析扁平化，需通过分阶段指令引导模型完成因果链推演与矛盾点识别。
1、第一阶段输入：“列出影响2024年国内动力电池回收率的五个关键制约因素，并按政策执行刚性、技术成熟度、经济回报周期排序”。
2、第二阶段输入（基于上一轮输出）：“针对你提出的‘梯次利用标准缺失’这一制约因素，说明其如何传导至退役电池残值评估失准，并举例说明某车企储能项目因此调整采购策略”。
3、第三阶段输入（限定视角）：“以电池材料回收企业视角，重写上述传导链条，重点突出湿法冶金产线投资回报率受该标准缺失影响的具体计算逻辑”。
四、校验逻辑断点与反事实检验
深度分析需暴露推理过程中的潜在断点，而非仅呈现结论。通过反事实指令可触发模型自我质疑机制。
1、插入检验句式：“如果2025年欧盟新电池法规提前两年实施，哪些当前分析中的假设将失效？请逐条标出并说明替代逻辑”。
2、设置参数扰动：“将碳酸锂价格基准从15万元/吨修正为8万元/吨，重新推导中游企业净利率分布区间，并指出原有结论中哪三个判断需同步修正”。
3、要求矛盾标注：“在输出中，凡出现‘显著增长’‘明显放缓’等定性表述，必须紧随其后用括号注明对应量化阈值（如：同比增幅＞25%才视为显著）”。
五、固化输出格式与术语规范
行业报告需符合专业文档惯例，通过格式指令约束可避免口语化表达与术语混用。
1、声明格式要求：“所有表格采用三线表形式，列标题含‘指标名称’‘2022年值’‘2023年值’‘三年CAGR’，数值保留一位小数”。
2、术语统一指令：“全文禁用‘锂电池’统称，须按场景精确使用‘动力电池’‘储能电池’‘消费类电池’；‘刀片电池’仅在比亚迪技术语境下出现，其他企业同类结构称‘长薄型LFP电芯’”。
3、图表替代方案：“若涉及市场份额变化趋势，用文字描述斜率特征：‘2021–2023年曲线呈加速上扬（斜率由0.8升至2.1），2024年转为平缓（斜率降至0.3）’”。
