什么是"描述-辨别循环"(Description-Discernment Loop)？	这是一个紧密的循环过程：你描述想要什么，AI模型回应，你辨别什么有用，然后更清晰地再次描述。
在使用AI进行研究时，"委托"(Delegation)的作用是什么？	委托是决定首先什么值得交给AI处理，为后续工作奠定基础。
"勤勉"(Diligence)在AI工作流程中意味着什么？	勤勉是指验证、标注来源并对最终产品负责。
有效的"描述"(Description)应该包含哪些要素？	应该提供背景信息：解释你的业务做什么、你想要完成什么，以及你具体需要了解什么。
为什么"辨别"(Discernment)在使用AI时不是可选的？	因为需要标记特定声明（如法规、定价数据、截止日期）并针对主要来源进行验证。
在政策和法规追踪中，应该验证AI回应中的哪些类型的信息？	应该验证至少两个声明，包括具体费用、截止日期、阈值等，并检查信息是否过时或混淆了不同司法管辖区的规则。
AI在市场研究中可能出现的常见错误是什么？	AI有时会编造企业名称、引用过时统计数据、提供不适用于你的业务规模的笼统行业概括。
在使用AI进行竞争分析时，应该如何验证信息的准确性？	应该检查竞争对手和市场数据是否真实且最新，验证具体数字（市场规模、定价基准、增长百分比）的原始来源。
为什么在AI研究工作流程中需要迭代？	因为循环是迭代的，应该从每个回应中学习，以改进下一个提示，使其更加精准。
在做出业务决策前，AI加速研究的局限性是什么？	AI加速研究但不能替代专业知识，你仍然是应用自己业务判断的决策者。