AI从零开始(第9课):锁定事实,写一条得体的进度询问

新闻操作系统:AI驱动的动态溯源与多模态对齐实践 新闻生产正从单点写作工具迈向具备事实锚定能力的系统化工程。其核心原理在于将信息溯源、多模态信源对齐、逻辑断点检测等能力内嵌为底层机制,而非依赖大模型的语言生成能力。这种技术路径显著提升报道可信度与核查效率,支撑深度调查、政策解读、突发事件响应等高风险高价值场景。尤其在政务公开数据调用、跨媒介证据互证、模糊表述强制溯源等环节,展现出区别于通用AI的不可替代性。本文聚焦新闻操作系统(Journalism OS)的落地设计与记者实操闭环,揭示AI如何重塑‘核实优先’的职业范式。 阅读详情

想问别人“做得怎么样了”,又怕显得在催人,很多人会让AI帮忙写一句。但如果只说“帮我催一下”,它很容易替你编出一句“你答应今天交的”,把希望写成对方的承诺。

第9课只做一件事:用同一组事实写两种语气的进度询问,最后由你核对、自己发送。不会代码也能练,拿一张纸或手机备忘录就够。

先分清事实、愿望和不知道的事

下面是人工编写的练习场景,不是真实聊天记录,也不是模型实测:你和小林讨论过读书交流活动的海报,对方会整理一份初稿,但双方没有约定交稿时间。你希望今天18:00前知道进度。如果初稿还没有完成,可以请对方估一下何时方便发来。

注意,“18:00前知道进度”是你的需求,不是对方承诺的交稿期限。也不知道对方是否遇到困难、大家是否正在等海报,不能让AI替你补出来。

先写这张事实锁定卡:

已知:讨论过读书交流活动海报;小林会整理初稿。
未约定:交稿时间。
我的需求:希望今天18:00前知道进度。
可以询问:初稿进展;还没好时,何时方便发来。
不能添加:对方已答应今天交、别人都在等、已造成耽误。

真实练习时把姓名、单位和活动细节换成占位词。不要上传同事手机号、客户资料或整段私聊截图。

第一步:给AI一个明确的小任务

打开你已有权限使用的文字对话工具即可。工具是否收费、能否打开,要看它当前页面;本课不需要先购买服务或切换某个指定型号。没有可用工具,也可以直接用下方人工参考做比较。

把上面的卡片放在提示词后,再复制这段:

请根据事实锁定卡,写两版询问海报初稿进度的短消息。
A版:熟人之间自然、轻松。
B版:普通合作关系,礼貌、清楚。
两版都要问进度;如未完成,请对方估计方便发来的时间。
“今天18:00前知道进度”只能作为我的请求,不能写成对方已承诺。
每版最多两句,不添加原因、责备、他人态度或交稿承诺。
先列出不能改动的事实,再写A/B两版。

“两句”只是方便你检查,不是越短越好。对方需要知道你在问哪件事,也需要一个容易回答的问题。

第二步:对照两份人工参考

A版可以是:小林,想问问读书交流活动的海报初稿现在进展怎么样啦?方便的话,能在今天18:00前告诉我一下进度吗;如果还没整理好,也想了解你大概什么时候方便发来。

B版可以是:你好,想确认一下读书交流活动海报初稿的进展,方便在今天18:00前告知当前情况吗?如果暂时还未完成,也请告知预计方便发送的时间,谢谢。

两版改变的是称呼和语气,已知事实保持一致。它们只是参考答案,不保证对方一定回复,也不意味着适合所有关系。你可以根据真实关系删掉不自然的词,再自己发送。

第三步:抓住三种常见问题

如果AI写“你之前答应今天交”,这是新增承诺。可以追问:原始资料没有交稿约定,请删除这句话,保持18:00只是我希望了解进度的时间。

如果AI写“大家都在等,别耽误活动”,这是新增他人态度和后果。追问:不要推断别人是否在等或是否耽误,只保留询问进度和预计方便发来的时间。

如果AI写成“有空再说吧”,又丢掉了你的实际需求。追问:请礼貌表达希望今天18:00前知道进度,不能改成要求今天18:00前交初稿。

发送前的一分钟检查

  • 事情是否明确:问的是哪份初稿?
  • 时间是否准确:问进度的时间,没有偷换成交稿期限?
  • 承诺是否真实:有没有凭空加入“你答应过”?
  • 语气是否合适:读出来像自己平时会说的话吗?
  • 是否留有回答空间:未完成时,对方能说明预计时间吗?
  • 信息是否必要:没有多余个人资料、指责或未经确认的后果?

这份卡可以用在询问资料、确认预约安排、跟进小组分工等普通场景。涉及合同争议、债务或重要人事问题时,不能只靠一段AI生成消息判断怎么处理,应按实际规则和相关人员意见核对。

今天的小练习与下一课

把“海报初稿”换成一个真实但不敏感的小场景。先只改A版语气,再与B版逐项核对:已知事实、未约定的事、自己的需求是否仍一致。发现一句新增承诺,就删掉并重新表达。

下一课练习让AI比较几个备选方案:先补齐缺失信息,再决定比较什么,避免只看一个“推荐第一名”。今天的提示词和检查卡就在正文里,可以复制到自己的备忘录。

来源与核验

OpenAI提示词指南支持明确任务、提供上下文和约束的通用做法;本课的事实卡、场景、两版消息和检查清单为原创人工教学示例,并非该指南中的案例,也未冒充模型测试结果。官方技术文档面向开发者,零基础读者不必先学接口。

内容由AI辅助整理。表达自然不代表事实正确,发送前请自行核对,不要提交他人隐私。

Responsible AI、Ethical AI与Constitutional AI三框架协同落地指南 AI伦理不是抽象哲学命题,而是可工程化落地的系统性实践。Responsible AI作为操作手册,聚焦公平性、透明性与可问责性的全流程治理;Ethical AI作为思辨指南,通过后果主义、义务论与德性伦理提供价值校准工具;Constitutional AI则作为运行时守则,以代码化宪法实现毫秒级自我审查。三者构成‘设计定方向—开发建护栏—部署做哨兵’的时间闭环,在金融风控、医疗AI、政务问答等高敏场景中协同降低合规风险、提升模型鲁棒性并增强用户信任。本文即面向产品经理、算法工程师与法务人员的实战协同方法论。 阅读详情

相关推荐

GPT-5.5 Pro 实战指南:企业级可信推理与合规文档处理

大语言模型正从通用文本生成迈向企业级可信推理,其核心在于结构化知识调用、多源证据链构建与强约束条件下的稳定输出。GPT-5.5 Pro 并非参数堆叠的升级,而是通过分层任务调度、法规条款锚定和动态知识图谱,实现‘快’与‘准’的工程平衡。它特别适用于医药、金融、制造等强监管行业,在FDA合规报告、GDPR审计、ISO标准比对等场景中,显著降低事实错误率与人工复核成本。本文聚焦其在真实工作流中的能力边界、配置要点与组织适配路径,帮助技术决策者判断是否值得重构SOP。

cuk0051的博客 964

【一键下载】手把手入门 MIPS CPU 设计:一套能跑通全部测试的 HUST 实训代码

正在做计算机组成原理大作业?这套 MIPS CPU 设计(HUST) 实训代码值得收藏。代码覆盖了从指令译码到 CPU 数据通路搭建的完整链路,且已被作者验证可通关全部测试,适合刚接触 CPU 设计、想看懂"一条指令怎么被硬件执行"的同学。 ## 这套实训代码里都装了什么 核心代码在 [代码.zip](https://link.gitcode.com/i/79a65bdde9b611501c7

gitblog_00613的博客 389

CLI与MCP关系详解:从进程入口到AI Agent协议标准

命令行界面(CLI)是操作系统与工具交互的传统入口,以脚本化、自动化方式驱动任务执行。而模型上下文协议(MCP)则定义了AI智能体与外部工具之间的标准化会话规范,使模型能够动态发现工具、理解参数并处理结构化返回结果。二者并非替代关系——CLI解决进程启动,MCP解决上下文暴露与工具可发现性。随着AI编程工具(如Codex CLI、Claude Code)的普及,MCP本地部署的价值日益凸显,它不依赖SaaS服务,可连接本地文件系统、数据库或开发环境。通过封装现有CLI为MCP Server,团队能在保留人工

weixin_34345753的博客 452

从指令到对话:AI 交互设计模式的演进、分类与工程化实践

AI 交互设计模式的分类体系——输入引导、过程反馈、输出校验、上下文管理——覆盖了从用户输入到 AI 输出的完整交互链路,每一类模式解决特定环节的体验问题。输入引导降低表达门槛,过程反馈消除等待焦虑,输出校验建立信任桥梁,上下文管理维持对话连贯性。落地路线建议:第一步,在 AI 产品的输入环节引入预设提示模板,将高频任务模板化,降低新用户的上手成本;第二步,在输出环节添加置信度标识和来源引用,对低置信度内容主动提示用户核实,逐步建立用户对 AI 的理性信任;

weixin_49475940的博客 4480

Mythos阶跃能力与闸门式释放机制深度解析

大语言模型的因果推理与反事实推演能力,正从通用生成迈向可验证、可约束、可审计的决策协同时代。Mythos代表了这一演进的关键节点:它通过跨模态因果图谱构建、约束性反事实采样和意图-行动-后果三元闭环验证,实现了推理能力的本质跃迁。其技术价值不仅在于提升准确率,更在于将高风险推理过程显性化、可控化,从而支撑金融、法律、工程等强监管领域的可信AI落地。这种能力升级天然伴随访问控制机制的精细化——领域准入、任务复杂度与结果可信度三层闸门,共同构成企业级AI治理的新范式。本文聚焦Mythos能力体系的设计逻辑、闸门

weixin_30654419的博客 339

对话日志如何变成AI经济价值热力图

在AI落地实践中,'对话'正从交互副产品升维为衡量经济影响的核心数据源。其底层逻辑在于:AI的真实价值往往隐藏于用户自然语言表达的行为意图、服务中断节点与跨系统响应延迟中,而非传统KPI或模型准确率。通过清洗多源日志、构建业务原子级意图、标注可审计的替代成本与风险规避价值,企业能将千万级对话流转化为可归因、可优化、可审计的经济热力图。该方法尤其适用于客服降本、B2B销售提效、设备预测性维护等强流程耦合场景,让AI投入产出比(ROI)真正锚定在人工工时节省、LTV提升与隐性风险规避等财务可验证维度。

weixin_30607659的博客 651

Coupang单周净增10个HC:台北首开大批岗位,AI与工程高阶岗怎么选?

Coupang单周净增10个HC,总在招38个,台北站点首次成批开放,AI与工程路线均放出L7及以上高阶位,开发者怎么选?据脉脉用户讨论(属个人样本/有时效性),此轮扩招集中在AI搜推与商品系统,L8的AI TestOps岗出现,新增覆盖北上首尔及台北,对寻求海外电商经验的技术人是个值得核验的窗口。

HanaYao的博客 148

AI绘画唱歌配音一体化本地部署方案

AI绘画、AI唱歌、AI配音是当前内容创作三大核心能力,其底层分别依赖图像生成模型(如Stable Diffusion)、语音转换技术(如RVC/So-VITS-SVC)和文本转语音系统(如Edge-TTS/Coqui TTS)。三者在计算范式、硬件需求与环境依赖上存在本质差异:AI绘画重GPU显存与CUDA版本匹配,AI唱歌需CPU-GPU协同与模型轻量化,AI配音则面临网络稳定性与本地离线权衡。实现三者共存的关键不在于统一环境,而在于进程隔离、资源调度与智能降级机制。本方案面向Windows/macOS

weixin_34037173的博客 536

本地部署Ornith 9B模型:Agentic编程在16GB Mac Mini的实践

上周,我在一台闲置的 16GB M1 Mac Mini 上尝试运行 Ornith 1.0 的 9B 模型,原本只是想验证一下“本地跑大模型”的可行性,结果却意外地发现,这个看似简单的测试背后,其实藏着一个更值得讨论的问题:当 Agentic 编程模型开始强调“本地可运行”时,我们到底在追求什么?是单纯的技术炫耀,还是真的找到了一种新的开发范式? 过去一年,AI 编程助手的发展路径似乎越来越清晰:要么追求云端大模型的极致能力,要么在本地寻找轻量但实用的替代方案。而 Ornith 1.0 提出的 Agentic

weixin_33834628的博客 445

视觉SLAM十四讲习题答案

阅读《视觉SLAM十四讲》中遇到的问题及习题资源整理,或为原创,或来自网络,如有问题请与我联系,会在第一时间加以修正。 后来自己写完看到另一位写的博客,相形见绌,大家可以互相结合的看。 第一讲 1.线性方程的解:转载自宋洋鹏(youngpan1101),了解线性代数可关注B站3Blue1Brown,以及线性代数,知乎上有其精细笔记。 2.高斯分布参考这位博主Johnny-Cuii的文章,具体...

INFINITE POSSIBILITIES 1万+

ICG cell如何通过Latch结构消除与门clock gating中的glitch?

本文深入解析了ICG Cell如何利用Latch结构解决传统与门时钟门控中的毛刺问题。通过将电平敏感锁存器与门控与门结合,ICG Cell将使能信号的变化严格限制在时钟低电平的安全窗口内采样和锁存,从而在时钟有效沿期间提供稳定的控制信号,从根本上消除了因信号延迟不同步而产生的glitch,确保了门控时钟的纯净与电路功能的可靠性。

weixin_29234423的博客 472

为什么Qwen3-1.6B-A0.9B的checkpoint与Qwen3-30B-A3B完全一致?safetensors独立专家权重结构深潜

Qwen3-1.6B-A0.9B 是一个基于 Qwen3-30B-A3B 构建的迷你 MoE 测试模型,专为推理优化中的开发与测试而生。它的最大特点是 checkpoint 结构与原版 Qwen3-30B-A3B 完全一致:单文件 safetensors 存储、每层 16 个独立专家、每个专家拥有独立的 gate_proj / up_proj / down_proj 权重。本文带你深潜这套独立专家

gitblog_00001的博客 498

MIMIC-IV数据库中患者院内死亡的单因素生存分析

目的 由易到难,对mimic-iv的查询进行实际操作,体现先前文章中提到的mimic-iv数据查询的规律。 数据分析计划 死亡,是重症患者最重要的结局指标,在MIMIC数据库中收录了院内死亡的数据,以及进出ICU的时间(和进出医院的时间),所以我们可以获得是否死亡,以及从入ICU(或入院)到死亡发生之间的时间,有了这两个指标,我们可以通过Cox单因素(参数和非参数)模型来观察ICU(和医院)内死亡的趋势,以及某个变量(比如,性别和种族等)对死亡趋势的影响,以为后续的分析奠定基础。 数据的获取 我们需要数个变

skyskytotop的博客 3185

2023年AI落地四大核心:办公提效、内容生产、边缘AI与合规落地

人工智能在企业级场景的规模化应用,已从概念验证迈入深度集成阶段。其本质是模型能力、工程约束与业务规则三者的动态平衡——RAG增强生成提升事实准确性,轻量化与量化技术推动大模型向边缘设备下沉,而检索增强、提示约束与人机校验机制共同构筑办公提效的可靠性边界;在内容生产侧,AI正从通用文本生成转向基于用户画像、行业知识库与物理可行性校验的创意协作者;与此同时,边缘AI的爆发依赖芯片架构、模型精度与工业环境的三角匹配,而非单纯算力堆叠;最终,所有技术落地都必须嵌入可审计、可追溯、可兜底的合规操作系统。本文聚焦202

weixin_30740581的博客 674

ZYNQ程序固化实战:从BOOT.bin生成到QSPI/SD卡双启动模式详解

本文详细解析了ZYNQ 7000系列程序固化的完整流程,重点解决了程序断电丢失问题。通过实战演示,从生成BOOT.bin文件到配置QSPI与SD卡双启动模式,逐步指导开发者实现程序在外部存储中的永久驻留,确保产品脱离调试器独立运行。

weixin_29193259的博客 517

组建高效AI开发团队:角色、技能与协作

在当今科技飞速发展的时代,人工智能(AI)已经成为各个领域的核心驱动力。组建高效的AI开发团队对于企业和科研机构来说至关重要,它能够推动创新、提高竞争力、实现业务目标。本文的目的在于为那些希望组建或优化AI开发团队的管理者、技术负责人以及相关从业者提供全面的指导。范围涵盖了团队角色的定义、所需技能的分析、团队协作的策略,以及实际项目中的应用和相关资源的推荐。本文将首先介绍AI开发团队的核心概念与联系,包括团队角色、技能和协作之间的关系。接着阐述核心算法原理和具体操作步骤,结合数学模型和公式进行详细讲解。

2502_91592937的博客 995

AI项目管理:面向大模型时代的三维重构方法论

AI项目管理正从传统流程驱动转向以不确定性应对为核心的新范式。其本质是解决技术路径不可预测、数据持续漂移、价值兑现滞后的‘三重不确定性’问题。基于Transformer架构演进与RAG系统落地等典型场景,需构建覆盖技术成熟度动态映射、数据生命周期闭环、价值兑现节奏建模的三维坐标系。该方法论不仅支撑大模型微调、智能质检、医疗影像辅助诊断等高复杂度AI工程落地,更推动组织级AI能力生长——让算法负责人、解决方案架构师和IT总监等一线实践者,在数据契约、模型退化响应与价值密度度量中掌握真实话语权。

weixin_33762130的博客 262

【即插即用模块】注意力篇 | TGRS 2025 | MFA聚特征+HPDown保细节+HFF融层级,三大模块各司其职,性能翻倍!

本文介绍了MTMLNet网络中的三大核心模块:MFA(多阶段特征聚合)、HPDown(混合池化下采样)和HFF(分层特征融合)。MFA通过双尺度深度卷积和注意力机制增强特征提取能力;HPDown结合平均池化和最大池化,有效保留下采样过程中的特征信息;HFF采用三注意力机制实现自适应特征融合。这三个模块协同工作,在红外小目标检测与分割任务中取得了SOTA效果。实验表明,各模块在特征提取、信息保留和融合方面均优于传统方法,可灵活应用于各类视觉任务中。

主要更新底层视觉(去噪、超分等)相关的科研内容,形式为【论文精读】+【论文复现】 287

《AI协同开发深潜:从架构迷雾到系统澄明的实战路径》

这种“边编码边优化”的模式,让重构代码的初次通过率从传统开发的60%提升至85%,原本需要反复调试的语法错误、逻辑冲突大幅减少,节省了大量不必要的返工时间。在工具中输入“调度指令生成至订单状态更新的完整链路”后,Cody很快生成了详细的调用路径图,清晰展示了从调度指令创建、库存锁定、车辆分配到订单状态同步的每一步,还在其中一个节点标注出“调度指令执行成功后,未同步更新订单‘配送状态’字段”的逻辑断点—这一问题若进入测试阶段,可能需要测试人员反复复现场景才能定位,而Cody仅用10分钟就完成了排查。

ewwer3的博客 982

MATLAB基础应用精讲-【数模应用】数字预失真(DPD)(附MATLAB代码实现)

近年来,随着无线通信技术的发展,高功率放大器 (PA) 在提高信号传输功率的同时,也带来了非线性失真问题。PA的非线性失真会造成信号频谱扩展、功率下降、邻道干扰等问题,严重影响系统性能。为了克服PA的非线性失真,数字预失真 (DPD) 技术应运而生。DPD技术通过在发射机中引入一个非线性模块,对信号进行预失真处理,从而补偿PA的非线性失真。

qq_36130719的博客 897

Windows报无法成功完成操作,因为文件包含病毒或潜在的垃圾软件的解决方法

Windows报无法成功完成操作,因为文件包含病毒或潜在的垃圾软件的解决方法 在Windows的搜索框中输入Windows安全中心,搜索到后将其打开 点击病毒和威胁防护将鼠标移动到Microsoft Defender防病毒选项处,将定期扫描打开 下滑找到管理设置 先关闭篡改防护,再点击添加或删除排除项 先点击添加排除项,再点击文件,选择报出异常的文件,将其添加到排除项中,过程中会存在跳框确认,皆点击确定,完成后就可以运行报无法成功完成操作,因为文件包含病毒或潜在的垃圾软件异常的文件

123 2万+

Gentle AI Agent Builder 实战指南:从自然语言描述到多 Agent 技能的一站式生成与安装

> **导读**:本文基于 Gentle AI 仓库中的产品需求文档 [PRD-AGENT-BUILDER.md](https://link.gitcode.com/i/f430ae721f1e3664828ea96e72537eb5),完整解析 "Create your own Agent"(Agent Builder)功能的定位、六步 TUI 交互流程、生成引擎抽象、提示词策略、输出解析、跨

gitblog_00084的博客 376

win10 跳过U8环境检测的IE WebControls.rar

win10 安装u8的时候 提示IE WebControls 不通过,这个工具可以欺骗u8的检查。 跳过U8环境检测的IE WebControls。提示导入失败后,重新检测通过。

Pipecat 变更日志精读:从 1.9.0 的延迟分解与 OpenAI Live 委托,看懂版本演进与升级检查清单

Pipecat 是一个开源的语音智能体与实时多模态 AI 框架,其 [CHANGELOG.md](https://link.gitcode.com/i/328d85da8628995097bd147a55a8a7c4) 遵循 Keep a Changelog 格式与语义化版本(SemVer),从 2024 年 3 月的 0.0.2 一路记录到 2026 年 9 月的 1.9.0,全文超过 1.7

gitblog_00904的博客 193

jre9下载 jdk9

(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】

SIMATIC S7-1200, S7-1500 PID 控制[手册]

SIMATIC S7-1200, S7-1500 PID 控制[手册]

没装Blender也能出4K三维科普片:两个AI工具跑通全流程复盘

本文分享了仅用AI工具(AiPy+DeepSeek-V4.1-Flash)在无Blender、无3D经验条件下,自动生成36秒4K机械手表三维科普片的全过程。通过自动化环境配置、依赖安装、错误诊断与修复,甚至从零构建numpy渲染管线,实现真实三维投影、PBR着色与景深效果。项目以“物体即解释”为核心,完成从提示词输入到成片输出的全链路自主执行,展现了Agent在复杂工程任务中的规划、调试与自我迭代能力,为AI驱动内容创作提供了可复现范例。

Blairqingsong26的博客 491

老版QQ原生表情gif动态

这是老版的QQ表情,不过全是动态的的,Windows照片查看器是不会动的,可以右击用浏览器打开查看,再说一遍是老版的,只是分享给宁愿用老版也要动态的人。

AI智能体记忆安全:防御隐形记忆注入攻击的OpenClaw加固实践

向量数据库作为现代AI系统的核心记忆组件,通过将文本转换为高维向量实现语义检索与长期记忆。其原理基于嵌入模型将信息映射到向量空间,使相似概念在空间中距离相近。这一技术为AI智能体提供了持续学习与个性化服务的能力,在个人助手、知识管理等场景价值显著。然而,记忆存储机制也引入了新的安全风险——记忆注入攻击。攻击者可通过污染外部知识源或篡改本地存储,向向量库中植入恶意记忆,导致AI基于虚假信息决策。本文以OpenClaw框架为例,深入分析openclaw配置nvidia nim等集成场景中的攻击面,探讨如何通过记

weixin_30402343的博客 536
上一篇: Python流式取消与部分结果:不可变状态机、终态冻结和15项离线测试
下一篇: Python有界任务队列完整实现:固定worker、背压与12项离线测试
FlowBarAI
博客等级 码龄169天 0粉丝 31原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值