今天看到一个挺有意思的Skill工具，叫 huashu-report 花叔刚开源在 GitHub 上的一份给 AI 用的研究报告规范。简单来说，它想做的事情就一件：把那些大机构写报告的路数拆下来，变成一套 AI 能照着干的规矩。作者先把 2026 年能下载到的顶级机构报告全下了一遍。斯坦福、麦肯锡、波士顿咨询、普华永道、世界银行、路透新闻研究院都在里头，一共拿到 42 份。量化统计按 41 份算，因为世界银行那份的概览册和正文算同一份报告的两个文件。市面上管写作的AI工具不少，管报告规矩的不多；而AI写作里最难的一段，恰恰是长报告。
他原本只想找选题弹药，读到一半发现更值钱的东西在版式和行文里。这些机构在结构、口径标注、图表标题、配色上有一套高度一致的做法。而 AI 默认写出来的报告，全不长这样。于是把这批实物拆了，量出这套做法，写成规范。装上之后，AI 做行业报告、白皮书、年度调研、数据洞察和学术论文时，会按四个角色依次干活。这四个角色是研究员、编辑、信息设计师和数据可视化师，一个接一个来，而不是把搜到的资料码成一个文档。
场景痛点
做研究、写报告这行的人应该都有这个感受：让 AI 去查一圈资料，回来一大篇，看着挺厚，读起来像把网页摘抄了一遍。数据没有出处，图表标题写的是主题不是结论，配色花得不像正经报告。做内容创作的朋友更熟悉这种狼狈：你又不想自己一张张调图、一段段改口径，折腾半天搞不出一份能发出去的。
功能特点
规矩来自实物，出处可查
每条规矩都有出处：仓库里的 corpus 目录放着 43 份报告的来源清单，写着机构、日期、页数、官方链接和许可状态，另有一份 41 份报告的量化解剖数据。需要说清一点：那是规范的出处，不是资料下载站。报告实物一份不放，因为它们加起来约 234MB，而这是个要被人复制到自己 AI 里的仓库。想核查基线，或者给自己领域的报告也立一套基线，从那份解剖数据开始量就行，它覆盖全部 41 份，只含量化结果、不含原文。
三条反直觉的实测结论
- 正文近黑色：41 份里有 40 份（98%）正文用近黑色，品牌色在正文里的字符占比中位只有 2.8%。品牌色是稀缺资源，只用在图表、章节标记和强调数字上。想把正文染成品牌色之前，先想起这条。
- 图表标题写结论，不写主题：写「年轻从业者的岗位缺口在持续扩大」，而不是写「分年龄段就业变化」。研报型是唯一的例外。
- 都留一段反驳自己的文字：顶级机构会在报告里专门写一段预先反驳自己的内容。斯坦福那份报告主动把结论降级成「描述性指标不是因果估计」，这段反而成了所有人引用它时的锚点。
六种原型，八种图型
六种报告原型各有自己的章节骨架和选型表，图表部分给出八种图型各自适用于比什么，还配了能直接改配置的制图脚本和渲染脚本。渲染时会自动回填目录页码，并做一遍机械自检。
这类工具推荐里，它属于少见的一份：不联网、不调外部服务，是那种装上就静静待着的效率工具。
一条判据，管住取舍
写报告时总在纠结某段留不留。规范给的判据只有一条：把这句话删掉，读者对研究结论的判断会不会改变？不变就是工作日志，删。样本框、纳入排除标准、口径统一属于方法论，必须写；工具怎么装的、脚本哪里报错、中间返工了几次属于工程记录，不写。
使用教程
它不依赖任何外部服务，跨 agent 通用。装法是把仓库复制到 AI 的技能目录：
也可以把整个目录打成压缩包，上传到支持自定义技能的产品里。作者实测豆包可用，会完整跑通里面的生产流程。装好之后不需要专门点名，直接说「做一份某某的调研报告」「出个白皮书」就会触发。想找同类东西，在实用软件这个分类里翻，它算另类，因为它是给 AI 用的；代码在GitHub上，随时能自己改。
使用感受
第一点：最值钱的是那批数据。规矩不是拍脑袋想的，是 41 份实物量出来的，数字就摊在仓库里，想查就能查，这在AI相关这批东西里挺少见。
第二点：判据好用。删掉这句话，读者对结论的判断变不变，一句话就把某段留不留的纠结掐死了。
第三点：边界写得老实。单篇文章和演示稿不适用，规范来自英文报告、中文语境要自己再校一遍，41 份样本还偏 AI 与科技主题。把短处写在明面上的AI教程，反而更可信。
如果你经常要让 AI 出长报告，又不想每次自己收拾排版和数据口径，这个值得试试。
官方网站
项目主页：https://github.com/alchaincyf/huashu-report
下载地址
https://pan.quark.cn/s/de78e4e90442
相关推荐
Vivid Figures 生动数据图：让 AI 用数据生成科研图表的工具｜两种风格、五套配色、内置 108 个图表配方覆盖常见科研图型
2026-09-15
