一、文本事件与时间序列：把材料变成可检验的脉冲
如果要判断外部事件是否改变某类资源配置、技术关注或组织行为，不能只列事件表，也不能只画年度折线。更完整的做法是把文本事件库、主题强度和数值时间序列对齐：先用大规模文本建立事件和主题索引，再把主题在不同年份或月份的出现强度量化，随后用断点、变点、滞后项、固定效应或协变量控制判断冲击是否存在。关键不是说“某件事之后数值变了”，而是说明变化发生在何时、持续多久、是否滞后、是否被其他因素解释、是否只影响某一类主题。
BERTopic 这类模型可以把大量文本压缩为主题，并观察主题强度的变化。它适合回答“哪些语义方向变多了”“哪些词组开始共同出现”“某类文本的注意力是否转向”。但主题模型本身不证明因果，只提供结构化的文本变量。要把它用于解释，还需要时间顺序、对照组、安慰剂检验、滞后结构和外部证据。文本模型负责把材料变成变量，因果判断要靠研究设计。
时间序列里检测到断点，只说明序列的均值、斜率、波动或结构发生变化，不自动说明原因。解释断点需要回到事件库、制度变化、技术周期、统计口径和数据质量。一个好的断点分析至少要同时给出：断点时间、变化方向、变化幅度、置信区间、可能机制、替代解释和稳健性检验。否则断点只是图上一个漂亮的竖线。
二、设备规划与数据能力：不要把采购写成买机器
设备采购的论证重点不是“买什么”，而是“补上什么能力”。一套数据分析设备应被表述为支撑数据采集、清洗、存储、计算、建模、可视化、报告生成和成果复用的能力平台。硬件参数只是底层条件，真正需要解释的是它如何解决现有痛点：算力不足、存储分散、数据安全、多人协作、项目交付周期、模型实验复现、报告生产效率。采购文本要把设备、软件、人员、数据和成果串成闭环。
设备论证不能只写预算，也不能只写先进性。每一项投入都应对应一个使用场景和一个可验证产出：服务器对应本地模型推理或批量文本处理，存储对应数据资产沉淀，数据库对应结构化查询，自动化工具对应报告流程缩短，可视化平台对应成果展示和复盘。这样写出来的不是“需要钱”，而是“现有工作流缺什么，补上后能产出什么”。
咨询报告、专利文本、论文、项目资料、政策文本、访谈纪要等材料如果只是堆在文件夹里，后续会变成不可检索的沉没成本。数据平台应至少具备统一命名、元数据、版本管理、权限分级、全文检索、向量检索、引用溯源和备份机制。前期哪怕只做轻量结构，也要保证未来可以扩展，而不是每个项目重新建一套孤立目录。
三、自动化研究流程：先做骨架，再做智能
长流程 AI 任务不要让一个模型一次性生成全部结果。更可靠的方式是拆成检索、提取、分类、比较、推理、写作、校验、引用八类节点，每个节点都有输入、输出和检查标准。这样模型出错时能定位在哪一步，而不是面对一整篇貌似流畅但无法追溯的文本。
面向研究和咨询的自动化系统，最终文本必须能回到证据。证据接口可以是原文片段、文件名、页码、段落 ID、主题编号、指标来源或模型中间输出。没有证据接口的 AI 文本只能用于草稿，不能用于正式判断。自动化的价值不在于替人写漂亮话，而在于把材料、推理和结论连接成可复查链条。
百篇级别文本可以做主题、嵌入、新颖性、代表性文档和人工复核，但不适合包装成宏大规律。小样本的正确用法是形成方向判断、案例线索和后续采样策略。方法上可以做语义嵌入、JSD、余弦距离、Top K 新颖文档和人工归类；表述上要避免说“证明了趋势”，更适合说“识别出可能的新增语义方向和代表文本”。
