横纵分析法方法论介绍 - 该方法是一种结合纵向时间轴与横向对比轴的研究框架，用于快速建立对陌生事物的认知[10] - 纵向分析旨在还原研究对象从诞生至今的完整历史脉络，理解其起源、关键节点、爆发或转折原因[10] - 横向分析旨在将研究对象置于当前时间点，与同赛道竞品进行比较，以理解其市场定位、差异化优势及用户选择逻辑[10] - 关键步骤是将纵横两条轴交叉分析，从而发现单独看任何一条轴都难以洞察的深层联系，例如当前优势可能源于多年前的微小决策积累[11] 方法论的学术与实践来源 - 该方法论脱胎于语言学的历时分析与共时分析，以及社会科学的纵向研究与横截面研究等经典学术视角[13] - 作者将其与商业及竞争战略分析思路结合，并封装成适用于AI执行的通用研究框架[14] 方法论的应用工具与形式 - 该方法已封装为Prompt版本和Skill版本，并已在Github仓库开源[15][16] - Prompt版本需配合具备深度研究功能的AI模型使用，如ChatGPT DeepResearch、Claude深度研究、豆包专家模式、DeepSeek专家模式等[16] - Skill版本名为“hv-analysis”，安装后可直接指令AI助手进行研究，该版本具备自动联网搜索、查询arXiv论文API及生成排版PDF报告等功能[40][42] 方法论的应用效果与案例 - 使用该方法配合Claude深度研究模式，可在约13分钟内生成一份约一万字的研究报告[25][39] - 以研究“Harness”为例，生成的报告纵向清晰梳理了其诞生、爆发及关键节点历史，横向则将其与Prompt Engineering、Context Engineering、Agent Engineering进行了专业对比[27][33][34] - 该方法适用于研究产品、公司、技术概念甚至人物等多种对象，并能根据对象类型自动调整分析侧重点[40] 方法论的价值与局限性 - 核心价值在于能帮助研究者在极短时间内建立一个相当完整的认知框架，作为深入研究的起点，大幅提升从零开始的研究效率[6][49] - 局限性在于其无法替代真正深入的亲自研究，且AI生成报告的质量受所用模型和工具性能影响较大，可能存在信息不准确的情况[46][47] - 报告质量与AI工具能力正相关，使用支持深度研究的工具效果更佳，而仅支持普通联网搜索的工具效果可能大打折扣[47][48] - 建议工作流为：先通读AI生成的报告建立框架，再针对存疑或感兴趣的点进行人工深度挖掘[49] 方法论背后的核心驱动力 - 该方法本质是一个预设的提问框架，帮助研究者在面对陌生事物时系统性地提出问题，方向由人制定，AI负责高效执行[53][54] - 作者强调，在信息获取成本因AI而趋近于零的时代，研究的稀缺性在于好奇心本身，方法论和工具服务于好奇心[50][60][61]