来源
企业公告、监管与司法文件、年报、数据库、独立研究和可信媒体。
方法与透明度
把事实、解释与不确定性，清楚地分开。
GEMTIA 先保留证据边界，再形成解释。读者应该能够知道一个判断来自哪里、能说明什么，以及还有哪些部分尚未被证明。
从来源到模式
中间每一步都需要证据。
一个来源不能直接变成普遍结论；一个案例也不能单独证明规律。
可核验事实
把事实拆成能够单独核验的陈述，并保留时间和出处。
案例
围绕一个经营对象或问题形成连续事件、条件与边界。
观察
从案例形成解释，同时说明证据强度与仍未知的部分。
模式
跨企业、跨行业和跨时间重复出现，并经反例检验后才逐步增强可信度。
模式晋级
“反复出现”只是起点，不是规律。
模式只有在不同企业、行业和时间中持续出现，并经历反例挑战后，才逐步增强可信度。
单个案例中出现值得解释的机制。
多个独立案例出现相似机制，但仍可能只是巧合或样本偏差。
主动寻找反例，比较行业、地区、时间和经营条件差异。
在更多情境中仍有解释力，同时明确哪些条件下不成立。
案例研究
不是每个案例都需要同样的深度。
回答“发生了什么、为什么值得跟踪”，用于进入研究队列。
形成基本事实、管理问题、边界和多源证据，适合快速理解。
进一步拆解决策、机制、能力变化、证据矩阵、可迁移条件、反事实与跨案例比较。
四种陈述
读者应该知道自己正在看哪一种判断。
同一页面可以同时出现事实、解释、假设和建议，但它们不能混成一种语气。
可核验事实
来源可以直接支持的陈述。
解释
基于事实，对经营意义作出的分析。
假设
仍需要更多案例、反例或数据检验。
建议
面向行动的选择，需要同时说明适用条件。
深度案例标准
获得感来自“决策与机制”，而不是更长的时间线。
先给出可以被挑战的 Case Thesis，而不是新闻摘要；
明确企业真正面对的经营问题与决策约束；
把关键事实与关键决策分开，解释替代路径与取舍；
用经营机制说明变量如何相互作用，并写出机制边界；
用 Claim–Evidence Matrix 区分事实、解释和假设；
必须包含可迁移条件、不可照搬的条件与反事实；
最终通过跨案例比较形成候选模式，而不是从单个案例直接得出普遍规律。
AI 使用原则
AI 可以加速研究，但不能替代证据责任。
AI 可用于发现来源、结构化提取、比较、聚类、冲突检测和草稿整理。公开事实仍应连接可追溯来源，并经过人工治理。
理论、模型和框架属于解释层。任何模型都不能“拥有”案例事实，也不能因为单个案例与它相符就被视为获得普遍验证。