实战笔记

文件删了，但用户本机的缓存里还留着一份，页面照样能播。问的必须是服务器，答案必须送到每一个角落。

同一个问题用英语问，前面挤着一堆答案；换一种语言问，几乎没人回答过。

一张截图里读出三件事，直接算出对方到我们大概每秒多少字节。之后所有优化都只在这条线上做。

同一个页面，人能打开、搜索引擎没收录、AI 读不到正文。三个层次三种原因，对策完全不同。

这条滑坡很具体也很诱人：余额为零、门槛差一点、自己刷一笔就够了。它不是捷径，它有个正式名字。

不是做不出来，是错了指不出来。实测两成多分错，改提示词几乎没用，三种检测手段最好的一种只覆盖一半。

买家用什么币付、平台抽了多少、当地税加了多少，都不进用户余额。一条不变量，省掉后面所有的对账争吵。

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。

绿色的意思是「已经定好、不用你管」。而那一处恰恰是查过之后推翻了原结论、需要你拍板的地方。

计划归计划，观察到的证据归证据，两者分开记。OpenAI 给的这套目录结构，本质是一份防止「说做完了但没验证」的制度。

想让现成的收款通道多接一条业务线，逐条查完条款后结论是全部禁止——而且后果会反噬主业务。

新模型更准、能边转边出、还能给专有名词。但字幕格式、时间戳、翻译、说话人分离——这四样没有直接的替代。

一个写错的额度数字，在某一门语言的首页上活了不知道多久。所有测试都是绿的，是人用眼睛看出来的。

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。

一条筛子用来找客户连着错了一周；换到找影响者上，立刻变成最准的那一条。

它们拦的都是用户本来也不会做的事，而每一道在真实用户身上都有误伤。

官方口径一回事，实际撞墙又一回事。而撞墙那天的失败提示，藏在页面左下角，颜色淡得几乎看不见。

我们删过好几个功能，每删一个就留一条测试盯着它别回来。不留的话，谁顺手加回来都不会被发现。

三个教科书级的目标客户，点进去一看：一个转行了，一个做的事根本不产生我们要的东西，一个在做别的。

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。

结算字段是整数，单位定死之后，价格就只能落在一张网格上。不在网格上的价，得先迁移全部存量数据。

上百个纸面完美的目标客户，挂着完整档案、写着业务介绍，然后就不来了。这不是偶然。

两次把价格表往下塌。档位是自己给自己找的麻烦——每多一档，就多一处对不上的地方。

分不清说话人的时候，待办事项没法归到人头上，客户的原话也可能被安到别人身上。这一篇讲整条链路，也讲它最该被警惕的几处。

个人、国内公司、海外公司，同一笔钱算三遍。数字摆出来，选择就不用争。

每一单的费率在提交时抄一份存进那一单里。一次性的小改动，省掉的是永远的争议。

第一家拒了不是终点。当天就把备选路列完、各自的代价写清楚，比过几天再想强得多。

把一整类公司从竞品栏挪到客户栏那天，获客名单、话术、定价逻辑全部要重写。

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。

材料清单、证件公证、代办怎么选，以及为什么这三个月里别去催。

市面上的 AI 工作台大多是给软件工程师设计的，直接推给研究员会撞上四堵墙。这篇把市场归成六种互不重叠的形态，每种都写清楚它换来什么、放弃什么。

官方原件一辈子只寄一次，代办的验证信几天就能拿到。哪一份在什么场合更管用。

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。

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。

金字塔原理、SCQA、Shipley 的 Win Theme 与 Color Team 评审——先把这套语言讲清楚，再谈哪几个环节值得交给 AI。最该 AI 化的不是写初稿。

准确率是一场没有终点的军备竞赛。改成承诺过程之后，能兑现的话终于说得出口了。

Delaware 的名气是给要融资的公司准备的。一人公司真正在意的是另外三件事。

普通指令说「接着做这件事」，目标说「一直做到这个结论成立为止」。差别在于完成的判据从「它觉得好了」换成了「证据说它好了」。

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。

国内一套签合同开发票，海外一套收全球的钱。不是为了避税，是这两件事根本走不到一条路上。

OpenAI 官方给企业用户的提示词指南。核心不是话术技巧，是把「要干什么、背景是什么、什么算干好了」说清楚——它给了同一件事从「凑合」到「很好」的四组对照。

它「大体对、但总漏掉小字」和「字都认出来了、但推错了」是两种病，要拧的是不同的旋钮。OpenAI 给了一张按症状对应处置的表。

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。

结构、示例与迭代——写出能让 Claude 给出更好结果的提示词。

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。

Chroma 测了 18 个模型。结论：模型不是均匀地处理上下文的。最反直觉的一条——把材料打乱顺序，模型反而表现更好。

能访问私密数据、会读到不可信内容、能对外发送信息——三样凑齐，攻击者就能骗你的 AI 把资料交出去。这不是理论，微软、GitHub、GitLab 的产品都中过招。

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。

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。

Google 官方 Cookbook。在视频里搜特定事件并带回时间码、把满墙便利贴转成表格、梳理用户测试录像的关键动作。以及一个必须知道的限制：默认每秒只取一帧。

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。

Anthropic 官方工程博客。工作流和智能体是两种不同的东西。五种可组合的模式，各自适合什么——以及那句最重要的忠告：先做简单的。

「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%。

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。

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。

「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。

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。

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。

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。

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。

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。

普通摘要靠删减，这个方法靠增密——五轮迭代，每轮字数不变但塞进更多关键实体。最后那版短小、自足、信息量远超同长度的普通摘要。

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。

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%。

OpenAI 官方 Cookbook。转录 API 有个 prompt 参数，但它和给 GPT 写提示词完全是两回事——它跟随的是风格，不是指令。而且只认最后 224 个 token。

OpenAI 官方 Cookbook。文档装不进上下文窗口时，把它切块、逐块提取、最后合并。附一份模板提示词——其中「带上页码」和「没有就说没有」两条最要紧。