一次问全，还是分几轮追问

你正在研究一家公司，手上是刚下载的年报。要问 AI 的问题在脑子里排了一长串：主营收入结构变了没有、毛利率为什么掉、应收账款（货已经发出去、钱还没收回来的那部分）涨得对不对劲、管理层在业绩说明里回避了什么。

现在有个很小的分岔，小到你从来没觉得它是个选择：这些问题，是一口气打完发过去，还是一条一条慢慢问？

大多数人凭手感来。急的时候一次问全，闲的时候慢慢聊。但这两种问法拿回来的东西，差别比你想的大得多——它们不是快慢的差别，是两套完全不同的出错方式。选错了，你会在一个自己完全没意识到的地方被带偏。

先说人话：一张纸和一杯咖啡

想象你要向一个知识面很广的人请教。

第一种做法： 你把十二个问题写在一张纸上，递过去，说「都答一下」。他低头写了二十分钟，还你一张写满的纸。每个问题都答了，但每个都只有两三句。有几个他其实不太懂的，也照样答了——写在中间，字迹和别的地方一模一样，你看不出哪几句是他真知道，哪几句是他顺手填的。

第二种做法： 你们坐下来喝咖啡，一次聊一个问题。他答完，你觉得有意思，接着往下追。这样聊两个小时，你确实挖到了很深的东西。但这里有件事你没注意到：他在第一个问题上定的调子，会一直跟着他。 如果开头他说了句「这家公司的问题主要出在渠道上」，后面两个小时里，无论你问什么，他都会不自觉地往渠道上绕。你要是问他「会不会其实是产品的问题」，他多半会说「也有一定影响，但主要还是渠道」。

他不是在骗你。他只是不愿意，也不习惯，推翻自己两小时前刚说过的话。

一张纸和一杯咖啡，就是「一次问全」和「多轮追问」的区别。

对你的研究意味着什么：两种翻车方式

把这个类比落回投研，两种问法各自会以很具体的方式坑你。

一次问全：每个点都浅，而且夹带混在里面

你把十二个问题打包发过去，它给你一段结构漂亮的长回答。问题在于，它一次能写出来的篇幅是有限的——十二个问题分下去，每个平均两三句。而投研里真正要紧的东西，两三句根本说不清。「毛利率下滑主要受原材料价格与产品结构变化影响」这种话，你自己不看年报也写得出来。

更麻烦的是第二层：长回答里，真数字和编数字长得一模一样。

你给了它年报，它答了十二段。其中八段确实是从你给的材料里读出来的，另外四段材料里根本没有对应内容——但它不会空着，它会用一段听起来很合理的话把缺口补上。这四段和那八段混在同一篇里，同样的语气、同样的句式、同样的笃定。你读一遍，感觉整篇都挺扎实。

问题一多，你核对的意愿就下降了。十二段全部回原文查一遍，工作量比你自己读还大，于是你只抽查两段——恰好抽中的是真的那两段，剩下的你就默认过了。这不是你偷懒，这是问题打包之后的必然结果。关于「哪些数字必须逼它交出处」，怎么逼它把出处交出来 那篇专门讲了做法。

多轮追问：第一轮的结论，成了后面所有轮次的地基

多轮的好处很实在：你能一层一层往下逼，每一层都答得深，而且你随时能拐弯。研究一个自己还不熟的东西，这是唯一有效的方式。

坏处只有一条，但这一条足够致命：它有很强的自我一致倾向，不会轻易推翻自己刚说过的话。

假设第一轮你问「这家公司最大的风险是什么」，它答了「客户集中度过高」。这个答案未必对——可能只是它从材料里最先撞见的那个点。但从这一刻起，「客户集中度」就变成了这场对话的地基。

第三轮你问现金流，它会往客户集中度上靠；第六轮你问竞争格局，它还会绕回来；第九轮你隐约觉得不对，问一句「会不会其实问题在存货上」，它会说「存货确实也值得关注，但相比之下客户集中度的影响更直接」。

你以为你在挖深，其实你在挖一个可能挖错了地方的坑。 而且越挖越深，退出的成本越来越高——因为你已经花了九轮，笔记记了两页，沉没成本让你也不想推翻了。这时候是两个人在互相强化：它不愿推翻自己，你也不愿推翻自己。

机制层：为什么会这样

三件事叠在一起，就得到上面那两种翻车方式。

一、它每次回答，都要把整场对话重读一遍

这是最反直觉的一点。你以为多轮对话像人聊天——它记着上文，只处理你新说的这句。实际上不是。它每答一次，都是把从头到现在的全部对话，连同你的新问题，一起重新读一遍，然后接下一段。

这一整坨被重读的内容有个名字叫上下文，你可以理解成「它这一次能同时看到的全部文字」。

想清楚这件事，自我一致就不神秘了：它前面说过的每一句话，都在它这次的视野里，而且和你给的材料摆在一起，地位差不多。它自己说过的话，成了它下一次回答的输入材料。 你越聊越多，这份「自己写的材料」在总量里的占比就越高，到后面几轮，它读到的东西里可能一多半是它自己前面写的。

它训练时被优化的目标是「接得顺」，从来没有一项叫「发现前面说错了就推翻」。顺着往下接，和推翻重来，前者的分数天然更高。

二、装不下的时候，它会自己决定丢什么

上下文有个上限。聊得够久，就装不下了。

Vibe-Trading 这个开源 AI 投研项目里有个工具就是干这件事的，工具名叫 compact（压缩）。它的说明大意是：把对话历史压缩掉，腾出上下文空间；当对话感觉变长了、或者你开始跟丢前面的内容时，就调用它。 调用时可以指定一个重点话题，压缩过程中这个话题的细节会被保留得详细些。

注意这个设计里承认了什么。第一，长对话会「跟丢前面的内容」，这是被当成一个已知现象来处理的，不是意外。第二，压缩必然要扔掉东西，而扔哪些、留哪些，是模型自己判断的——除非你事先点名了重点话题。

对做研究的人来说，这一条的后果很具体：你在第三轮给它的那个关键数字、你在第五轮做的那条限定（「只看境内业务」），在第十五轮可能已经不在它眼前了。它不会告诉你哪些被压掉了，它只会继续流畅地答。你以为的「我前面已经跟它说过了」，未必还成立。

关于跨会话、长期跟踪一家公司时怎么处理这件事，长期跟踪一家公司，怎么让 AI 不失忆 那篇是正主。

三、开头喂进去的数据，会过期

严肃的实现都会在对话开始前，先把真实数据塞进去——比如抓一段近期行情渲染成表格，拼在提示词最前面，并且告诉模型这是它唯一被允许引用的价格。这套机制为什么必须存在，让大模型直接做交易决策，这条路现在走到哪了 里讲得很细。

但这类机制通常只在任务启动时抓一次。你聊到第二十轮的时候，那张表还是开场那一刻的。模型不会觉得有问题——它眼里那张表就是「现在」，它会拿着它继续算、继续下结论。

多轮追问越深，这个时差越大。而且它是静默的：没有任何提示告诉你「你正在基于两小时前的数据讨论现在」。

判据：什么时候用哪一种

把上面三条机制翻译成能直接照做的判断。

探索阶段用多轮。 你还不知道该问什么、材料刚拿到手、想顺着一条线索往下挖——这时候一次问全没有意义，因为你连问题都还没想清楚。多轮的价值就在于你可以边听边改方向。

核对阶段用一次问全，而且必须换新对话。 你心里已经有了一个结论，现在要验它对不对——这时候多轮是有害的，因为那个结论就是从多轮里长出来的，在同一场对话里验它，等于让它自己给自己打分。换新对话的意义是把上下文清空，让它前面那些话不再进入视野。

两条合起来是一个动作序列：多轮挖 → 自己整理成结论 → 开新窗口一次问全去验。

中间那一步「自己整理」不能省。探索阶段的产出必须落到你自己的文档里，不能留在对话记录里——对话记录是会被压缩的，你的文档不会。

复核时的提问格式：别透露你的倾向

换了新对话，还有一个坑：你怎么问，决定了它答什么。

如果你开新窗口第一句就写「我认为这家公司最大的风险是客户集中度，帮我验证一下」，那你换窗口就白换了——你把结论直接塞进它的视野里了，它接下来做的事和之前没区别。

有效的复核提问长这样：

• 只给材料，不给结论。把年报原文附上，问「按这份材料，列出三到五个值得关注的风险点，各自附上原文所在的位置」。
• 让它排序，而不是让它评价。「把这几个风险按材料里的证据强度从强到弱排，说明排序理由」——如果你原来那个结论排到了末尾，这个信息比它说「你说得对」有用一百倍。
• 反向问一次。「如果有人认为这家公司的主要风险不在客户集中度上，他能从这份材料里找到哪些依据」。这一问经常能挖出你在多轮里被绕过去的那一块。

你会发现这三种问法有个共同点：都不给它一个可以顺着往下接的立场。 提示词里哪些要素能防住这类问题，一个好的投研提示词，有四个东西不能少 那篇拆得更细。

还有一档：篇幅换深度

一次问全还有个变体值得说：问题少而深，比问题多而浅有用得多。

如果这一轮你只问三个问题，它分给每个问题的篇幅就是十二个问题时的四倍。同样是「一次问全」，三个问题的那次会明显更扎实。

所以「一次问全」不等于「把所有问题都塞进去」。合理的做法是按主题分组：财务口径一组、经营质量一组、治理与关联交易一组，每组单独开一次新对话一次问全。组和组之间不共享上下文，反而是好事——它没法把上一组的结论带到这一组来。 分组开新对话会多花一些调用成本，值不值得，什么活值得用最贵的模型 那篇给了分档的想法。

两条不能碰的线

第一，别把多轮追问当成「越聊越接近真相」。 聊得越久，它读到的自己写的东西越多，和你给的原始材料的比例越低。到某个点之后，你其实是在跟一份由它自己生成的二手材料对话，而不是跟年报对话。感觉上却恰恰相反——因为聊得深了，你会觉得更懂了。「觉得更懂了」和「拿到了更多经过核实的事实」是两件事，这一层在 幻觉与事实核验 里有更系统的说法。

第二，涉及真金白银的动作，永远不放在多轮对话的末端。 这一条要说死：一场聊了二十轮的对话，末端的上下文已经被压缩过、数据已经过期、结论已经被前面的立场锚定，它是整条链路上最不该被信任的位置。任何会花掉真钱的决定——尤其是任何形式的自动下单——都必须离开对话，回到一个有独立授权、有额度限制、可随时中断、每一步都留痕可查的流程里，由人来按最后那个按钮。把「我跟它聊到最后它说可以」当成决策依据，是这套工具最危险的一种用法。

小结

• 一次问全的病是摊薄和夹带：每个问题分到的篇幅很少，答不深；而且真材料和填补出来的内容混在同一篇里，语气一样，你核对的意愿还会因为量大而下降。
• 多轮追问的病是锚定：它每答一次都要重读整场对话，自己前面说过的话成了下一次的输入材料。它被优化的是「接得顺」，不是「发现错了就推翻」，所以第一轮的结论会一路跟到最后。
• 长对话装不下时会被压缩，丢什么由它自己决定，而且不会通知你。你第三轮给的关键限定，第十五轮可能已经不在它眼前。开场注入的行情数据通常只抓一次，聊得越久时差越大。
• 判据：探索用多轮，核对换新对话一次问全。中间必须有「自己整理成文档」这一步，因为对话记录会被压缩，你的文档不会。
• 复核提问不能透露立场。只给材料不给结论、让它按证据强度排序、反向问一次——这三种问法都不给它可以顺着接的地方。
• 「一次问全」不等于把所有问题塞一起。按主题分组、每组单开一次，比一次十二问扎实得多。
• 越聊越久，你越是在和它自己写的二手材料对话。任何花钱的动作都不能挂在长对话的末端。

一句话记住这篇：不知道要问什么的时候慢慢聊，已经有答案想验一验的时候，换个地方从头问。

本文所引开源项目机制均来自上述源码快照，是阅读代码与文档得出的说明，不是运行结果。本站内容为投资教育，不构成任何投资建议，也不认为上述任何做法能带来收益，完整边界见 免责声明。