AI 缺的是更多字,还是关键背景?
为什么这样整理
业务理解怎样影响结果
7 月 15 日,数读说“你对业务的认知决定了你能输出的上下文”;7 月 23 日又说自己的工作业务很重,需要精细地表达需求。这和北鱼先表达产品意图、再让 AI 开发,并不必然冲突:两种任务要补的背景不同。[12][37]
不是把资料越堆越多
有用的背景包括:到底要什么,过去为什么这么选,什么不能变,哪些是例外,哪些错可以接受,最终谁来使用。字数增加了,不代表这些问题就答清楚了。业务方最初提的“需求”,也可能需要双方一起重新澄清。[87]
写下来之后,还要维护
8 月 25 日的方法总结建议,把环境、规则和历史经验放到 Agent 能自己读取的地方。后来多工具同步的讨论又提出新问题:哪份最新?哪些只是旧假设?能读到,不等于可信;写进文档,也不等于已经理解。[80][99]
Context 很重要是群中反复出现的判断,但“所有失败都只是上下文不足”并未被验证,也不应由这条经验推导。
还可以继续问
在你当前项目里,哪一条没被写下来的事实最可能改变 AI 的答案?
核对早期整理措辞
最早的核心判断
7 月 15 日,数读把领域认知和 AI 交付连接起来:“你对业务的认知决定了你能输出的上下文。”7 月 23 日又强调,自己的任务业务很重,需要精细的需求表达;这与北鱼通过产品意图推进开发的方式并不必然冲突。[12][37]
上下文不是资料仓库的另一个名字
对任务有用的信息包括真实目标、历史选择的原因、限制条件、例外、可接受的误差,以及谁使用最终结果。仅增加篇幅,可能仍没有触及这些因素。业务方提出的初始需求,也可能还需要共同澄清。[87]
从反复解释走向可读取的事实
8 月 25 日的方法总结提出把环境、规则和历史经验外置,让 Agent 能自行读取。随后多工具记忆同步的讨论提醒:外置以后还要知道哪份最新、哪些只是过时假设。可访问不等于可靠,可记录不等于已经被理解。[80][99]