01 / 05
AI 协同阅读
让阅读留下问题、证据和自己的判断，而不是把理解外包给摘要。
- 来源项目
- AI 辅助研究与产出系统
- 解决问题
- 长材料的理解、对照与回看。
- 适用边界
- 不替代原文阅读、个人判断或独立感受。
Methods · From practice
方法
这里既有可复用的方法卡，也有仍在运行、继续接受证据修正的工作系统。
工作系统
查看工作系统说明 →实践驱动研究循环
先让行动进入真实现场，再让现场里的证据改写下一次行动。
- 01实践做出能被使用的版本
- 02触发现场摩擦暴露问题
- 03研究用证据校准假设
- 04总结形成阶段性判断
- 05公开让判断接受新反馈
- 06反哺改变下一轮行动
闭环条件反馈真正改变下一轮行动
每一轮留下的不是一套固定答案，而是一个更准确的问题、更可靠的判断和一个更好的实践起点。
方法索引
02 / 05
双数据源架构
用不同数据线分别承担时效与覆盖，而不是让单一输入承担相互冲突的目标。
- 来源项目
- 新媒体 AI 内容生产系统
- 解决问题
- 资讯与知识输入脱节。
- 适用边界
- 两类输入需要持续供给且彼此互补。
03 / 05
三步精炼 Prompt
把长文本处理拆成有输入输出契约的步骤，保留检查与降级空间。
- 来源项目
- video-scribe
- 解决问题
- 单轮处理长文本时遗漏重要信息。
- 适用边界
- 适合可分阶段验收的长文本，不适合实时对话或逐字保真。
04 / 05
三维决策框架
从重复度、规则化和失败代价判断 AI 应该介入到什么程度。
- 来源项目
- 新媒体 AI 内容生产系统
- 解决问题
- 把不适合自动化的工作流误交给 AI。
- 适用边界
- 适合已有稳定流程，不替代早期方向探索和组织能力判断。
05 / 05
实践驱动研究循环
把做事过程中出现的摩擦、证据与判断变化，带回下一次实践。
- 来源项目
- Suniverse 实践记录
- 解决问题
- 项目经验难以沉淀为可继续使用的方法。
- 适用边界
- 需要真实现场与可回看的证据，不能把包装当作研究。