房地产-地产+AI工具系列报告之八：AI投研如何降本提效-Token、耗时与Skill优化实践.pptxVIP

nAI投研的效率评价应从“模型账”上移至“任务账”。单次模型价格、Token数或响应速度仅反映局部成本，完整任务还包括检索、数据提取、口径核验、建模、写作、审校及返工等环节。我们认为，应以“通过质量门槛的完整研究任务”为效率单位，并以质量调整后任务成本（QATC）综合衡量模型、工具、人工及返工等投入。

nToken、耗时与质量应作为“三本账”同步计量。Token下降并不必然对应墙钟时间下降，搜索、文件解析、工具调用、人工确认和返工均可能成为关键路径。效率优化应在质量不下降的前提下，同时降低资源消耗和交付时间，并区分平台原生Token、分词器估计及字符代理等不同计量口径。

n重复读取、上下文膨胀、全文重写和口径返工，是当前AI投研流程中较典型的隐性成本来源。同一份年报被多个阶段或多个Agent重复全文读取，历史对话和工具返回在后续调用中持续携带，局部修改触发整篇报告重新生成，以及前序数据口径错误导致后续分析链整体返工，均可能显著放大任务成本。

nSkill的核心并非增加Prompt长度，而是将研究经验转化为可执行流程。Prompt描述单次任务，SOP固化研究原则，脚本承担确定性计算，Skill则进一步连接任务路由、工具调用、证据规则、失败处置和终止条件。面向正式投研场景，我们认为“证据型Skill”尤其值得关注，其