整理者的实践建议
开始一个还说不清楚的任务
别急着选工具,先建立最小的共同问题。
- 说清谁使用结果,以及他做完以后要决定或执行什么。
- 列出现在确认的事实、仍不知道的条件和不能触碰的边界。
- 让AI先暴露信息缺口,先做一个可试用、低风险的版本。
- 与真实使用者看结果,再决定改目标、补数据还是改实现。
可以这样开始
请先不要实现。根据这个任务,区分已知事实、关键缺失信息、约束和验收条件。只问那些答案会改变方案的问题,再给出最小可验证的第一步。
有不可逆或高后果操作时,先明确审批与风险边界,不能只靠“先跑”。
来自哪些讨论
还要积累提示词模板吗?
固定模板与主动追问可以并用,关键是补上什么信息。
AI 缺的是更多字,还是关键背景?
资料越多未必越好,真正有用的是能改变判断的事实。
先跑一版,怎样才不只是反复重来?
每次尝试都要带回能改变下一步的新证据。
原话依据
但是实际上我们只需要多加一个中间层,对 AI 说,我现在有这么一个疑问,但是我觉得我还漏了很多信息,我希望你回问我,然后我补充给你,你再去执行任务,反而会做得更好
比如我现在做法规资讯分析,不是先把一套方法设计到很完整再固定下来,而是一开始就把它设计成一个可持续迭代的闭环。 每跑一版,就从真实结果里拿到新的证据:哪些地方错、为什么错、新版本到底有没有更好,然后把这些后验结果继续更新进下一版。 因为现在改 Prompt、规则、流程、Agent 策略的成本都很低,所以没必要特别依赖一开始的先验把所有东西想对,更重要的是让系统能持续用后验把自己修正好。
从一个模糊想法或已有 AI 任务开始,建立刚好足够的初始框架;让需求、方法和评测在真实产物与反馈中逐步成形;支持人工主导、人机协同或自动迭代;并让每一代变化、证据、文档和 Baseline 始终可理解、可比较、可追溯。