政策研究与智库 · 材料到判断实战深水

1.1 政策研究与智库岗在做什么

政策研究与智库岗的核心工作，是把政策文件、统计数据、各方利益诉求，整理成「有依据、有逻辑、可决策」的研究报告与政策建议——回答三个问题：问题是什么（识别）、为什么会出现（分析）、应该怎么办（建议）。报告的服务对象是政府决策、公共政策、机构战略，所以「结论要经得起追问、建议要可落地」是这个岗位的第一生存法则。

岗位迁移的方向是「从资料整理员走向判断型研究员」：资料聚合与初稿生成被 AI 自动化后，政策研究岗的增量价值集中在「判断」——政策真不真、口径对不对、影响怎么评估、建议敢不敢担责。入门时你被要求「会看 AI 的产出、能指出 AI 哪里数据错了、能解释为什么这样下结论」。政策判断与报告担责永远在你身上——这是全课贯穿的第一条红线。

我是经济学专业学生，求职方向为政策研究/智库岗，请帮我梳理岗位认知与能力要求：
1. 按政策研究核心能力（问题识别/信息收集/政策解读/影响评估/建议方案）说明岗位中的核心运用。
2. 说明 AI 在政策研究中能做什么（信息聚合/报告草拟）与必须由人完成的判断（研究结论/担责）。
3. 结合我的情况，给出进入政策研究岗的 3 步路线。
4. 只依据公开岗位 JD 与教材通识，不得编造，不确定处标「待核」；最终职业判断归我。
[粘贴你的求职方向与经历]

2.1 政策研究的经典分析框架

政策研究的起点是框架，不是数据。经典框架有五环：问题识别（要解决什么问题、问题有多严重）、目标设定（政策想达成什么）、工具选择（行政/经济/法律/信息工具怎么选）、影响评估（对谁有利、谁受损、成本收益几何）、建议方案（怎么做、怎么落地、风险在哪）。框架的作用是告诉你「该看什么」，AI 的作用是帮你「把该看的快速整理出来」——但「看什么、结论是什么」永远是你定。

政策研究不是「把资料堆在一起」，而是「框架选得对不对、信息填得准不准、结论推得稳不稳」。课堂政策案例均为教学模拟数据，非官方政策统计。

2.2 AI 研究框架看板工作流

用 AI 把政策研究拆成「框架→分析点→信息需求」分级看板。正确的姿势是：你把选定的政策议题与研究目标喂给 AI，要求它输出分析看板——每个环节下该看什么、需要哪些信息、建议优先级，你负责核验框架有没有被 AI 遗漏或虚构。框架选择与结论由你定，AI 只做看板梳理与执行提醒。

我要研究「XX 政策议题」（教学模拟，勿引入真实敏感信息），请帮我生成研究框架看板：
1. 按「问题识别/目标设定/工具选择/影响评估/建议方案」分级列出分析点。
2. 每个分析点标注需要的信息类型与建议来源（官方/公开可核类型）。
3. 标出各分析点对结论的重要性（高/中/低）。
4. 输出为 Markdown 表格，只依据通用分析框架，不确定处标「待核」，不得编造具体政策/数据。

3.1 政策问题识别：定义与证据

政策研究的起点是「把问题说清楚」：问题是什么（定义）、有多严重（量化证据）、影响到谁（受影响群体）、是不是真问题（与表象区分）。问题识别决定了研究的方向——问题定偏了，后面所有的分析都白做。AI 能帮你把媒体报道、数据线索聚合起来，但「这是不是真问题、问题边界在哪」的判断归你。

3.2 政策信息来源与可信度分级

政策研究的信息来源分四级：权威官方（政府公报/部委文件/统计局数据，A 级）、公开报告（智库白皮书/学术文献，B 级需核读）、媒体与转载（C 级谨慎）、AI 生成（只能当整理产物，不可当信息源）。引用 B 级信息必须「核读真实材料后回填 + 标注材料名+发布时间」；未核读不引数字。这是数据红线，也是政策研究岗的信用底线。

3.3 AI 信息聚合与交叉验证工作流

用 AI 做政策信息收集的正确姿势：AI 聚合候选信息→你核对来源与定义→跨源交叉验证→标注来源入库。AI 帮你把「找信息」从 6 小时压到 1 小时，但「信息可不可信、口径对不对、样本偏不偏」的核验判断归你。凡是 AI 给出而无出处的信息，一律标「待核」，不得直接进报告。

请帮我收集「XX 政策议题」的候选信息（教学模拟场景）：
1. 列出可能的官方/公开信息来源及对应 URL 类型（政府公报/统计数据/学术文献）。
2. 对每个来源标注可信度（A/B/C）与你判断的理由。
3. 提醒我哪些信息需要人工核读原始文件，不得直接引用。
4. 输出为 Markdown 表格；没有把握的项标「待核」，不得编造数值。

4.1 政策文本怎么读

政策解读是政策研究的中枢：政策文本的核心四看——目标（要解决什么、导向是什么）、工具（行政/经济/法律/信息手段怎么组合）、对象（约束/激励了谁）、传导（通过什么链条影响行为）。解读不是背条文，而是看「政策想改变什么、靠什么改变、会传导到哪里」。

已核读可引用（标注出处）：教育部《2025年全国教育事业发展统计公报》（2026-07-06 发布）显示高等教育毛入学率 61.30%，全国普通、职业本专科在校生 3953.96 万人，毕业生 1105.10 万人——作为教育/就业类政策研究的宏观背景锚点。其他未核读指标一律不引数字。

4.2 政策传导分析：从政策到行为

政策传导的核心方法是「传导链」：政策工具 → 中间变量 → 行为变化 → 结果。比如就业补贴政策 → 企业用工成本下降 → 企业扩招 → 就业改善。传导链要用逻辑推，不是 AI 帮你结论——AI 可以帮你把传导路径列全，但「这条传导在你研究的场景成不成立」要你用政策常识判断。

4.3 AI 政策解读工作流

用 AI 做政策解读的姿势：AI 列政策要素清单与口径说明→你核对文件权威性与适用范围→AI 给传导路径候选→你判断哪些路径对目标场景成立。AI 帮你把「查文件、查背景」从 3 小时压到 30 分钟，但「这个政策对谁影响、传导成不成立」的判断归你。

请帮我做政策解读（教学模拟场景）：
1. 列出「XX 政策」的目标/工具/对象/传导四要素及官方文件来源。
2. 对每个要素给出到目标场景的可能传导路径，标注逻辑强度。
3. 提示我哪些路径需要数据验证、哪些是常识性推断。
4. 输出为 Markdown 表格；不得编造具体政策/数据，未核读标「待核」。

5.1 政策影响评估的三层

政策影响评估围绕三层：受益与受损（谁受益、谁受损）、成本与收益（显性/隐性成本、量化/质性收益）、影响强度（受影响群体的规模与程度）。评估不是「影响多还是少」的判断题，而是「对谁、多大、通过什么机制」的分析题。

影响评估的数据以已核读来源为准（A/B 级标注出处），课堂测算为教学模拟口径；引用外部评估数据须标注出处，未核读不引数字。

5.2 评估口径：评估的边界在哪

影响评估的关键是「口径」：评估的时间窗口（短期/长期）、评估的对象范围（只算直接受益方，还是算上间接影响）、评估的基准（跟什么比——政策前/无政策情形）。口径决定了结论的适用边界。AI 能帮你把测算表搭出来、把数据填进去，但「口径怎么定、边界画在哪」的判断归人。

5.3 AI 影响评估工作流

用 AI 做影响评估的姿势：AI 搭评估框架与测算表→你定评估口径与假设→AI 计算并出情景表→你判断口径合理性与结论表述。AI 帮你把「搭表、算数、做情景」从 5 小时压到 1 小时，但「口径怎么定、结论怎么读」的判断归你。

请帮我搭政策影响评估框架（教学模拟场景）：
1. 基于我提供的评估口径（时间窗口/对象范围/基准）建立测算表结构。
2. 输出公式逻辑与输入输出清单，标注哪些是人工判断项。
3. 生成受益/受损与成本/收益的评估清单框架。
4. 输出为 Markdown 表格；公式逻辑可核，数值以我输入为准，不得编造。

6.1 政策建议的四个标准

政策研究最终落到「建议方案」：目标对齐（建议指向已识别的问题与目标）、可行可落地（有执行主体、资源与路径）、风险与代价（诚实列出副作用与成本）、建议依据（每条建议背后有分析支撑）。建议不是「提想法」，而是「提一个可执行、可评估、敢担责的方案」。

6.2 方案取舍：怎么在多个建议里选

政策建议往往不止一个方向。取舍的标准是「目标对齐度 × 可行性 × 风险容忍度」：建议 A 效果大但代价高，建议 B 温和但稳妥——选哪个，取决于研究目标与价值判断。AI 能帮你把候选建议列全、把利弊摊开，但「选哪个、为什么选它」的判断归人，且要敢担责。

6.3 AI 政策建议工作流

用 AI 做政策建议的姿势：AI 按你的分析列出候选建议→你逐条核目标对齐与可行性→AI 帮你查漏（风险/副作用/遗漏）→你定取舍并担责。AI 帮你把「从空白页开始」的启动成本压到最低，但建议的「判断、取舍、责任」必须是你定的——AI 代写研究是红线，建议署名与责任归人。

请基于我提供的分析要点草拟政策建议初稿（教学模拟场景）：
1. 按「目标对齐/可落地/风险代价/建议依据」四标准组织。
2. 每个建议基于我提供的分析与数据，不得自行编造。
3. 生成后列出一份「待你人工确认」清单：哪些是取舍判断项、哪些需要数据溯源。
4. 主动列出可能的副作用与风险供我校验。

7.1 政策研究报告的标准结构

一份能放进作品集的政策研究报告，结构是「摘要（结论先行）→ 问题识别 → 政策解读 → 影响评估 → 建议方案 → 风险提示 → 结论」。核心逻辑是「论据链」：每个观点都要有数据/事实支撑，每条数据都要能溯源，每个结论都要经得起追问。报告是你判断的载体，不是资料的堆砌。

7.2 论据链：观点-证据-校验

政策报告的信用来自论据链：观点必须有证据，证据必须有出处，出处必须被校验。三步走：先立观点 → 再找支撑（数据/事实/逻辑）→ 最后反证（有没有反例，结论是否站得住）。AI 可以帮你把证据列全、把反证提出来，但「观点成不成立、要不要修正」的判断归你。

7.3 AI 报告起草工作流

用 AI 写报告的姿势：AI 按你的框架草拟初稿→你逐段改出你的判断→AI 帮你查漏（风险/反证/遗漏）→你定稿并担责。AI 帮你把「从空白页开始」的启动成本压到最低，但报告的「判断、观点、结论」必须是你写的——AI 代写研究是红线，报告署名与责任归人。

请基于我提供的研究要点草拟政策研究报告初稿（教学模拟场景）：
1. 按标准报告结构组织（摘要/问题识别/政策解读/影响评估/建议方案/风险/结论）。
2. 每个部分基于我提供的事实与数据，不得自行编造数值。
3. 生成后列出一份「待你人工确认」清单：哪些是判断项、哪些数据需溯源。
4. 主动列出可能的遗漏风险与反证点供我校验。

8.1 五条工作流组装成岗位生产力

回看全课，你手中已经有了五条 AI 政策研究工作流：①信息聚合与交叉验证（ch3）→ ②政策解读（ch4）→ ③影响评估（ch5）→ ④建议草拟与取舍（ch6）→ ⑤报告起草与查漏（ch7）。这五件套组合起来，就是「AI 提效资料环节、人掌握判断与担责」的完整岗位生产力。

8.2 红线清单与职业底线

政策研究与智库岗的红线，零容忍：AI 代写研究（让 AI 直接出结论/写报告并照抄署名）、编造数据（用 AI 伪造/虚构政策数据进报告）、误导政策解读（用不实数据或断章取义误导政策判断/决策）、越线代判断（让 AI 替你做政策分析与建议并担责）。判断与担责归人，是全课最后的落点。

结业指引：完成 ch1~ch8 学习后，进入「AI 辅助政策研究报告实战」大作业（5 维评分，≥85 分结业）。大作业交付物=政策研究报告（问题识别+政策解读+影响评估+建议方案）、AI 工作流清单（≥3 条）、数据来源与核验记录、岗位 AI 能力自评。结业测验 10 题（单选 6 + 多选 4）通过 ≥85 发放结业证书，结业认证会记录到你的学习档案。

我是政策研究岗备考学员，已完成政策研究报告，请帮我做交付前自检：
1. 按报告构成（问题识别/政策解读/影响评估/建议方案）逐条对照我的产物给出达标自检表。
2. 对每条红线（AI 代写研究/编造数据/误导政策解读）逐项排查并给出自检结论。
3. 输出「待补强」清单与修改建议。
4. 输出为 Markdown 表格，只依据教材通识，不确定处标「待核」；最终交付判断归我。
[粘贴你的研究报告]