实验笔记

Fineuralab Lab Notes

把这个站背后的判断写出来

这些不是新闻摘要，也不是 prompt 模板。它们是 Fineuralab 在设计 AI 使用工具时反复用到的短判断：什么时候该脱敏，什么时候该暂停复核，什么时候该把长对话变成可交接的工作包。

01 输入

真正有用的问题不是 AI 能不能看这段材料，而是模型需要什么、哪些信息应该留在 prompt 之外。

任务很急的时候，人很容易把整段日志、邮件或聊天记录直接贴给 AI。这个捷径常常有效，直到里面混进 token、内部链接、客户姓名，或者不应该离开本地工作流的决策信息。

我的默认规则是保留诊断结构，移除身份信息。AI 通常需要错误形状、约束条件和已经尝试过的修复；它很少需要真实账号、邮箱、Bearer token 或私有项目路径。

这也是 Fineuralab 先做脱敏和粘贴前检查的原因。目标不是让用户变得紧张，而是在模型看到材料之前，把最小但足够有用的上下文整理出来。

默认规则 保留结构，移除身份。

02 复核

风险不只是幻觉，而是一个漂亮回答让人误以为艰难判断已经完成。

一个写得很顺的回答可能藏着薄弱来源、跳过的假设和脆弱建议。回答越自然，人越容易忘记它可能是在补全缺失信息。

我更愿意用三个问题复核 AI 输出：它明确给了什么证据？它漏掉了什么边界？有没有一个不需要付出不可逆代价的测试动作？如果这三点不清楚，答案还不应该变成决策。

Fineuralab 里的回答质量检查和行动计划提取，就是围绕这个暂停点设计的。它们不替代判断，只是把采纳之前的那一瞬间拉长一点，让判断有机会发生。

默认规则 自信是表达形式，证据才是结构。

03 续接

有用的续接会保留目标、决策、阻塞、文件和下一步，而不是保留每一句话。

长对话有两种成本：模型越来越难抓重点，人也越来越难检查。把所有内容复制到新聊天里，经常是噪声留下了，真正重要的工作理由反而丢了。

更好的续接包会写清目标、当前状态、约束、已经做过的决定、未解决阻塞、涉及文件和下一步安全动作。这足够让另一个模型，或者几天后的自己重新接上工作。

这也是 Fineuralab 把 AI 使用当成工作流设计的原因之一。好的工具不只是生成文字，还要保留下次工作不容易断裂的小线索。

默认规则 延续决策线索，而不是延续聊天体积。