hibridge.

文章

手册讲怎么做，文章讲为什么这么做、别人怎么做。海外来源全部译成中文并标注原作者与原文链接。免费阅读，无需登录。

共 33 条
按发布时间倒序
四大里有三家因为 AI 编的引用撤回了报告德勤退款、安永下架、毕马威撤稿——都是同一个原因：报告里的引用是 AI 编的，没人核。这不是一个理论风险，这是这一行过去十二个月里真实发生过三次的事故。文末是一份交付前的核查清单。
值不值得、会不会错
2026/08/05HiBridge
官方删掉了 Claude Code 系统提示词的 80%而且评测分数没掉。Anthropic 列出了六条已经过时的老经验——「多给规则」「多给例子」「重要的话说两遍」全在里面。如果你的 CLAUDE.md 是照着老经验写的，现在该减肥了。
把材料喂进去
2026/07/24Thariq Shihipar
聊天机器人的黄昏：从「一起做」到「派出去做」有一项针对 Claude Code 使用者的研究发现：决定成败的不是使用者是不是程序员，而是他在那个领域有多深的经验。这句话把「AI 是技术人的工具」这个前提整个翻掉了。
值不值得、会不会错
2026/06/30Ethan Mollick
让它上网查资料：四种方式，各管一段搜公开信息、读一个已知网址、进需要登录的数据库、把 PDF 转成可检索的文字——这是四件不同的事，走的是四条不同的路。用错了就会卡住。
把材料喂进去
2026/05/29HiBridge
转录访谈时，模型为什么会把品牌名听成别的它不是听错了，是在用统计补全。受访者说的小众品牌、新型号、行业黑话，会被替换成训练数据里更常见的近音词——而你在文字稿里看不出这一步发生过。
把材料喂进去
2026/05/21HiBridge
材料该用什么格式喂给模型访谈稿、问卷数据、编码框架——用什么格式装它们，直接影响模型能不能读准。关键是分清「序列化」和「定界」这两件不同的事。
把材料喂进去
2026/05/21HiBridge
别让它输出一堵 Markdown 墙：要 HTML同样的内容，让它输出一个 HTML 文件而不是一大段 Markdown，读起来完全是两回事——可以折叠、可以并排比较、可以画图、可以做成翻页的幻灯片。而且不需要任何构建步骤。
把结果做出来
2026/05/08Thariq Shihipar
什么时候该把活儿交给 AI：一个可以算的判断Mollick 给了三个变量——自己做要多久、AI 一次做成的概率、你请求加等待加检查要多久。算清楚就知道该不该交出去。更重要的是后半段：写交付说明这件事，咨询行业本来就在做。
值不值得、会不会错
2026/01/27Ethan Mollick
用 Claude 做分类：从 70% 到 94% 的三步Anthropic 官方 Cookbook。同一个分类任务，基础提示词 70%、加上检索相似样例 94%、再加思维链更高。每一步加了什么、为什么有效，讲得很清楚。
把结果做出来
2025/10/14Anthropic
用 Claude 做文档摘要Anthropic 官方 Cookbook。从基础摘要到引导式、领域定制与元摘要，含长文档处理和一套评估思路。原文以法律文件为例，方法适用于任何冗长的专业文档。
把结果做出来
2025/10/14Anthropic
上下文工程：为什么塞得越多，效果反而越差Anthropic 官方工程博客。上下文是有限资源，塞满会「腐化」。核心原则是找到能最大化目标达成率的最小高信号 token 集合——附三种长任务的处理技术。
值不值得、会不会错
2025/09/29Anthropic
一个人加 AI，等于两个人：宝洁 776 人的对照实验哈佛与宝洁合作的随机对照试验。结论有点反直觉——一个人配上 AI，表现和一个两人小组一样好；而且专业分工的边界消失了，研发的人开始写出商业视角的方案。
值不值得、会不会错
2025/03/22Ethan Mollick
从 PDF 和手写表单里提取结构化数据纸质问卷扫描件、手写记录、发票、附件里的表格——先定义好你要的字段，再让模型按这个结构填。一份发票折算下来只有 821 个 token。
把材料喂进去
2025/02/06Google
用带搜索的模型写公司研究报告Google 官方 Cookbook。给一个公司名，模型自己规划要查什么、去搜、然后写出一份带最新信息的报告。附系统指令原文与一份改写给咨询场景的版本。
把材料喂进去
2025/01/08Google
为什么它在几百页材料里找错了地方「营收环比增长 3%」——这句话被切出来单独存进检索库之后，没人知道它说的是哪家公司、哪个季度。Anthropic 给了一个便宜的修法：先让小模型给每一块补一句上下文，检索失败率降了 49%。
把材料喂进去
2024/09/19Anthropic
读图表：客户给了一张图，没给数据表别人报告里的柱状图、手绘的架构草图、整本 PPT——都可以直接扔给模型问。一个实用上限：单次请求最多能接收 3,600 张图，也就是说整本幻灯片不用拆。
把材料喂进去
2024/08/13Google
结构化输出：让它的答案能直接进表格「请用 JSON 回答」和「保证符合我给的这张表结构」是两件事。前者只保证语法合法，后者保证字段一个不多一个不少——这个差别决定了你能不能把一百份材料的结果直接拼成一张表。
把结果做出来
2024/08/06OpenAI
把口述的想法变成一份像你写的初稿录一段自己说的话，加上两三篇你以前写的东西，让模型照着你的文风起草。关键不在录音，在那几篇样例——它们才是决定初稿像不像你的东西。
把材料喂进去
2024/05/14Google
让 AI 帮你写提示词：元提示词Anthropic 官方 Cookbook。你知道要做什么，但不知道提示词该怎么写——元提示词专治这个「空白页问题」。你交待任务，它产出一份可迭代的提示词模板。
把结果做出来
2024/03/18Anthropic
引用功能：让每一句结论都能指回原文Anthropic 官方 Cookbook。与「让模型自己标出处」不同，这个功能在机制上保证引用只指向你实际提供的材料——不会指向不存在的位置。
把结果做出来
2024/03/14Anthropic
这份研究说的是因果，还是只是相关？一份研究说「用了我们产品的用户留存高 40%」——这是产品的功劳，还是本来就爱用的人才会用？这个提示词帮你判断一份研究的结论到底能不能这么说。
值不值得、会不会错
2024/03/04Ethan Mollick & Lilach Mollick
处理图表与幻灯片Anthropic 官方 Cookbook。讲清怎么把图表密集的 PDF 交给模型、常见的三个坑，以及「叙述法」——让模型逐页口述整份 deck，把它转成可检索的文字稿。
把材料喂进去
2024/03/04Anthropic
半人马与赛博格：758 名咨询顾问的对照实验沃顿商学院 Mollick 团队与 BCG 合作，把 758 名顾问随机分成用 AI 和不用 AI 两组，做 18 项真实咨询任务。用 AI 的那组每一项指标都赢。但在一道故意设计成 AI 会答错的题上，用 AI 的人正确率反而从 84% 掉到 60–70%。
值不值得、会不会错
2023/09/16Ethan Mollick

留下邮箱，直接进入

邮箱第一次出现就自动建号。没有密码，没有审核。登录只为查看你的订单与兑换链接——Wiki 始终无需登录。