的文章

本篇是第二份指令库，覆盖内容改写、风格定制、排障三类场景。 一、内容改写类 卡片 1：一稿多平台 [doc_prompt label=’把分析改写成公众号长文’ tag=’改写’] 请把上面的...

本篇是一份可直接复制的指令库，覆盖「生成分析」与「追问纠错」两大类场景。 用法：点击卡片右上角的「复制指令」→ 粘贴到你的 AI 工具 → 把中括号内容替换成你的实际信息。 一、分析生成类 卡片 1：标准赛前分析（最常用） [doc_pro...

你有没有这种体验：对话聊到几十轮之后，AI 明显变笨了——忘了你早期的要求、风格开始漂移、甚至重复之前已经纠正过的错误。 这不是它坏了，是上下文被填满了。 一、为什么会变笨 语言模型的注意力是有限的。上下文越长，早期信息在注意力分配中所占的...

同一个指令，在不同 AI 工具里效果可能完全不同。原因不是模型差异，而是「工具能力（harness）」差异。 这一篇把主流工具的能力边界说清楚，让你知道什么话该在什么平台说。 一、四类工具的能力对照 能力 WorkBuddy Cursor ...

编造数据是 AI 最危险的缺陷，因为它编得很有说服力——格式正确、语气自信、甚至带小数点。 如果你把它编的内容直接发出去，损失的是你自己的信誉。 一、三个典型编造场景 场景 它会说什么 真实情况 问实时信息 「该队核心中场因腿筋伤势将缺席 ...

内容创作者最大的效率损失，不是 AI 写得不好，而是写得不能用——格式不对，还得手工重排一遍。 这一篇解决这个问题。 一、格式约束的四个维度 维度 约束写法示例 长度 「总字数 800~1000 字」 结构 「分为 5 个小节，每节一个 H...

这是整个知识库里使用频率最高的一篇。建议收藏。 核心问题只有一个：AI 的回答我不满意，下一句该说什么？ 一、决策树：先定位，再开口 症状 根因 下一步动作 全是正确的废话 缺数据 → 让它先做数据盘点 编了不存在的数据 超范围生成 → 加...

上一篇讲了怎么追问。这一篇讲一个更细的技术：如何在不丢掉已有进展的前提下，纠正 AI 的错误方向。 一、为什么「重新来一遍」是最差的做法 很多人遇到不满意就直接说「重新写一遍」。结果是： 已经确认对的部分也被推翻了； AI 随机换了一个方向...

一个合格的指令，必须包含四个要素。缺任何一个，AI 都会替你猜，而猜的结果通常不是你想要的。 一、四要素模型 要素 回答的问题 示例 角色 你以什么身份做这件事？ 你是一位足球数据解读分析师 任务 具体要做什么？ 基于我给的数据，写一段战术...

绝大多数人用不好 AI，不是 AI 不行，是他诊断不出问题出在哪。 这一篇教你先学会「看病」——拿到一个不满意的回答时，先判断它属于哪一类问题，再决定怎么处理。因为不同根因的处理方式完全不同，用错方法只会越改越糟。 一、四大根因诊断表 你看...