如何界定AI投研中Prompt、SOP与Skill的职责边界及转化逻辑？

在AI投研体系中，Prompt、SOP、脚本与Skill分别解决不同层级的问题，其职责边界清晰且互补。

Prompt主要面向单次任务，承载对象、期间、读者及本轮特殊约束，不宜重复承载大量稳定规则。SOP用于固化研究原则，如一手来源优先、事实与假设分离等，但原则本身未必可被机器直接执行。脚本负责执行确定性动作，如哈希、去重、单位换算和公式检查，不能独立裁决复杂语义。Skill则是将上述三者连接为一个可运行、可回退、可终止的任务路径，涵盖模式路由、工具调用、状态管理、证据规则、失败处置和终止条件。

从Prompt向Skill转化的关键在于将自然语言规则结构化。例如，“关键对象不同即判定不准确”这一规则，若仅存在于Prompt中，模型可能因语义理解偏差而执行失败；若转化为Skill中的程序断言，则能稳定阻断错误。证据型Skill通过引入“证据卡”数据结构，将原文片段、对象、时点、单位、事实状态及来源定位标准化，实现“一次提取、多次引用”。这种设计有效解决了多轮对话中的语义漂移问题，并通过口径冲突闸门，自动识别不同数据时点、未经验证换算的单位、存量与新增等差异，阻止静默选数。

在实际应用中，应根据任务的不确定性、证据风险和交付范围选择Direct、Analysis或Report三类Skill模式。对于高频、流程稳定且错误代价高的任务，应优先Skill化，并建立版本治理与回归测试机制，确保研究经验的可持续复用。