子代理 + 网络搜索做大规模调研：Free AI Courses Cowork 第 7 课实战指南
【免费下载链接】free-ai-coursesInteractive course teaching Product Managers how to use Claude Code effectively项目地址: https://gitcode.com/GitHub_Trending/cl/free-ai-courses
Free AI Courses 是 The Full Stack PM 出品的开源实战 AI 课程合集，其中Cowork Complete Guide（Cowork 完全指南）教你把真实工作"委托"给 AI 队友。它的第 7 课Research at Scale（大规模调研）正是解决一个高频痛点：当调研对象从 20 份文档变成 50+ 份时，如何用子代理（Sub-agents）并行处理文档，再叠加网络搜索补充实时信息，最终产出一份结构化调研报告。本篇带你完整走通这套流程。
📚 第 7 课在整个课程中的位置
这个仓库里的课程都是"边做边学"模式：没有视频和 PPT，AI 直接在你的 AI 应用里当导师，全程免费。课程总览见项目首页的 README.md，Cowork 指南的 12 节课目录在 cowork-complete-guide/START-HERE.md。
第 7 课与前后课的衔接很清晰：
| 课程 | 解决的问题 | 文档规模 |
|---|---|---|
| 第 6 课 Research Synthesis | 多文档综合：找主题、发现矛盾 | 约 20 份 |
| 第 7 课 Research at Scale | 子代理并行 + 网络搜索 | 50+ 份 |
| 第 8 课 Document Creation | 把调研结果变成 Excel / PPT / Word | — |
第 7 课的完整教学脚本在 cowork-complete-guide/lessons/07-research-at-scale.md，它本身就是一篇可互动的"教案"：AI 会在关键处停下来等你回答，再演示实际操作。
⚡ 为什么需要子代理：50 份文档和 5 份的难度一样吗
对 AI 来说，答案是：难度完全一样。
当任务可以拆成互不依赖的"小块"时，AI 会启动多个子代理（相当于多个并行工作的分身），各自处理一部分，最后汇总结果。课程中给了一个真实案例：有人用 Cowork 一次性分析了320 份播客访谈文稿（Lenny Rachitsky 的全部访谈），提炼出"什么才是一个优秀的 PM"的跨访谈洞察。
子代理最适合三类任务（都来自第 7 课脚本）：
- 供应商分析："分别独立调研这 4 家供应商，然后横向对比"
- 多视角分析："从财务、客户体验、运营风险三个视角分析这个决策，再综合"
- 大批量文档："并行处理这 50 份文稿，提取主题后汇总"
🛠 三步实战：处理 50+ 份调研文档
第一步：准备练习素材（仓库已备好）
仓库自带配套场景文件夹 cowork-complete-guide/scenarios/large-corpus/，里面是 50+ 份关于咖啡店行业的调研材料，结构如下（见场景说明 large-corpus/README.md）：
- 20+ 份行业文章，例如 article_001.txt（2025–2026 咖啡市场趋势）
- 15+ 份调研摘要，例如 research_001.txt（全国咖啡消费偏好调查）
- 10+ 份会议记录，如 meeting_notes_001.txt
- 10+ 份杂项文档
第二步：写出"委托提示词"，明确要求并行处理
子代理既可以由 AI 自动启动，也可以显式要求。关键就在提示词里点明"并行"两个字。课程中的示范委托方式可以这样写：
"请用子代理并行处理 scenarios/large-corpus/ 中的 50 多份行业调研文档：每个子代理负责一批文档，提取主题、关键数据和相互矛盾之处，最后汇总成一份 industry-research-report.md 调研报告。"
这里体现了第 3 课"Done 框架"的核心：不只说"总结这些"，而要说清楚你要回答什么问题、产出什么格式。问题越具体，并行处理后的汇总质量越高。
第三步：收获一份结构化调研报告
执行完成后，你会得到industry-research-report.md，固定包含 6 个模块：
- 执行摘要（Executive Summary）
- 跨全部文档的关键主题（附来源引用，可逐条核验）
- 发现的矛盾与张力
- 汇总的数据点与统计
- 战略建议
- 待进一步研究的问题
最值得留意的是第 2、3 项：AI 是跨文档连点的——A 文档说东、B 文档呼应、C 文档唱反调，这种交叉引用靠人脑同时装下 50 份文档几乎不可能做到。
🌐 本地文件 + 网络搜索：两条调研腿
第 7 课的另一半是网络搜索。两者分工非常明确：
| 信息源 | 适合获取 | 典型例子 |
|---|---|---|
| 本地文件 | 私有信息、历史数据、内部文档 | 客户反馈、会议纪要、调研报告 |
| 网络搜索 | 当前事件、竞品动态、市场趋势 | 某竞品最新动作、行业公开数据 |
课上的演练方式是：先对第 6 课分析过的客户反馈选一个竞品或话题，让 AI 联网调研，再把网络发现与本地文档交叉综合，产出一份融合两路来源的简报。一句话心法：公开且时效性强的信息问网络，私有且沉淀下来的信息问本地文件，两者结合才是完整调研。
🧩 收尾动作：把工作流固化成技能
第 7 课的最后一步是让 AI 把这套流程沉淀为技能文件skills/research-synthesizer.md，内容包括：
- 何时使用（多文档分析场景）
- 输入要求（文档集 + 待回答的问题）
- 输出格式（主题、引用、矛盾、建议）
- 何时请求子代理
- 如何结合网络调研
之后你每次说"帮我做综合调研"，AI 就会自动按这套流程执行，不需要再从零描述一遍。
✅ 本篇要点速记
- 子代理 = 并行分身：任务可拆成独立小块时，AI 用多个子代理同时处理，再汇总
- 规模不降速：50 份文档和 5 份文档的处理成本对 AI 几乎相同
- 提示词要点：显式说"并行/子代理"，并写清要回答的问题与产出格式
- 双源调研：本地文件（私有/历史）+ 网络搜索（公开/实时），交叉综合
- 沉淀技能：把流程写成 research-synthesizer 技能，下次一句话复用
想动手体验的话，从 cowork-complete-guide/START-HERE.md 开始，直接对 AI 说lesson 7即可跳到本课；如果想从第 6 课的 20 份文档综合练起，再看 06-research-synthesis.md 也很顺畅。
【免费下载链接】free-ai-coursesInteractive course teaching Product Managers how to use Claude Code effectively项目地址: https://gitcode.com/GitHub_Trending/cl/free-ai-courses
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
