7.9
深览指数
产品人人都是产品经理·花叔··AI 生成
正式开源！比橙皮书skill更强10倍的Huashu-Report来了！
作者花叔开源了名为Huashu-Report的AI报告生成skill，声称其能力远超此前备受关注的「橙皮书」。文章核心不在于展示AI能写报告，而在于分享解决AI报告瓶颈（编数字、内容重复、前后矛盾）的三层工程化方案：通过数据表锁死数字来源、将可机器判断的规则编译进系统而非留在手册、以及人工逐页目视排版检查。作者还介绍了该skill的六种内容原型（咨询deck、研报、学术综述、论文、调查、科普），并强调其产出品的「品味」借鉴自对Stanford、BCG、OpenAI等顶级机构报告的解剖分析。此文是干货密集的技术方案分享，而非泛泛的产品介绍。原文 ↗
核心观点
- ▍AI写不好报告的核心瓶颈不在于文笔，而在于它不知道什么叫「好」，且常常产生幻觉（编数字、内容重复、口径不一）；Huashu-Report通过三层工程化机制解决这些问题。
- ▍Huashu-Report定义了六种内容原型（咨询式deck、研报、学术综述、论文、调查、科普），AI默认输出的「平均数」往往哪一种都不是；选错原型是代价最高的错误。
- 01文章分享了作者橙皮书skill的销售收入数据：四个月从2.35万降至0.49万，跌了79%，尽管期间上架三本新书也未能止住下滑。
- 02第一层「数据表.json」机制：所有正文中出现的数字必须源自该表，并附带口径、样本量、出处和verified位；编译器会检查正文中是否有数据表里不存在的条目，从而从根本上杜绝数字编造。
- 03作者以Qwen累计下载量为例，展示了「口径写不出一句完整的话，这个数字就不能用」这条规则的价值：四个流传数据（325.4M/10亿/20.45亿/30亿）实则是四种互不兼容的算法。
- 04第二层规则分类法：将「中英文之间不加空格」「引用标记转上标」等可函数化的判据挪进编译器；将「加粗一章几处」等机器可计数的规则做成自检报数；将「章首要写具体的人和时刻」这种无法机器定型化的规则留在手册。
- 05第三层人工检查：将PDF逐页渲染为PNG，12页拼成一张检查表进行快速扫描；脚本虽能检查图表编号、目录页码、缩进留白等，但无法检出「负值柱画成零高度」「标题落在页底」等排版缺陷。
- 06作者利用19个agent的workflow，扫描了2026年顶级机构（Stanford、BCG、McKinsey、OpenAI、世界银行等）的74份AI报告，并编写了解剖器将其拆解为可比较的结构指标，以此来定义Huashu-Report产出的品味标准。
反方 / 局限
- — 作者承认，最后一道「逐页目视检查」工序存在局限性：对于300页的文档不可能一页一张细看，只能采用高速扫描的策略；排版缺陷并非均匀分布，主要集中在长表、宽图、附录等复杂页。
- — 作者反思了假警报比漏报更贵的问题：早期版本直接搜索「待补」二字，结果将正文中诚实的交代也误报为待补项，导致自检报告失去可信度。
9 分钟 · 4 卡片 · 6 资料
读原文 →