基于来源的证据工作流 —— 从原始笔记到审计表格

如何使用这个专题

## 适合谁 本合集专为需要将杂乱、半结构化的输入转化为清晰、可复核记录的专业人士设计。它非常适合质量检验员、采购人员、实验室安全协调员和家庭管理者，旨在确保 AI 在协助整理时不编造事实或替人做决定。 ## 前提条件 1. **基于文本的 AI 聊天工具**：任何接受长文本粘贴的标准 LLM 聊天界面。无需 API 密钥、终端或特殊账户。 2. **源材料**：您必须准备好要粘贴的原始笔记、商品列表、安全须知或储藏清单。提示词完全依赖您的输入。 3. **隐私保护**：粘贴前，请删除敏感个人信息，如订单号、地址、账户详情和全名。将所有源文本视为数据，而非指令。 4. **双语支持**：所有资产均包含英文和中文版本，您可以使用偏好的语言进行操作。 ## 进阶路径 **第一步：供应商质量问题台账（检验笔记）** 从此处开始，学习区分事实与假设的核心习惯。粘贴您的原始检验笔记。提示词生成一个表格，其中每一行严格分类为 `OBSERVED`（所见/所测）或 `SUSPECTED`（检验员的猜测）。它会用“not stated in notes”标记任何缺失字段，而不是进行猜测。这确立了证据完整性的基线。 **第二步：购物决策清单（商品页与评论）** 将同样的分离逻辑应用于消费决策。粘贴商品列表、评论和您的标准。提示词创建一个带有 `[Verified]`（已核实）、`[Claimed only]`（仅有声称）、`[Conflicting]`（冲突）和 `[Missing]`（缺失）状态的证据清单。它防止 AI 抹平卖家声明与用户评论之间的矛盾，迫使你看到差距。 **第三步：实验室安全准备自测（安全须知）** 通过将方法应用于安全合规来提高代价。粘贴实验室安全须知。提示词将其转换为测验，每个答案都必须引用文本中的特定短语。须知未涵盖的事项变成向人类教师提出的问题，确保 AI 不会做出任何安全假设。这一步强调严格遵守权威来源。 **第四步：每周膳食计划简报（储藏室与规则）** 最后，将结构应用于后勤规划。粘贴您的储藏室库存和饮食规则。提示词汇编一份 7 天计划和采购缺口清单，用 `CHECK:` 标记模糊的数量。它明确禁止下单或声称检查实时库存，将输出保留为供人工审核的草稿。 ## 诚实的限制 - **无运行时测试**：这些是基于文本的提示词。其有效性取决于您提供清晰输入和验证输出的能力。未对这些特定资产执行自动化运行时测试。 - **仅限草稿**：这些工具都不会联系供应商、下达订单或更新外部系统。它们产生供人工验证的草稿。 - **输入边界**：输出质量与输入的清晰度直接成正比。模糊的笔记会导致标记缺口，而不是编造的解决方案。 ## 来源与致谢 所有成员均为 TokRepo 原创提示词，采用 CC BY 4.0 许可。参考文献包括来自 [ChatGPT release notes](<https://help.openai.com/en/articles/6825453-chatgpt-release-notes>) 的一般工作区上下文。外部材料保留其各自的权利。