分项分析先于汇总报告
避免模型首轮输出空泛的“全面报告”。如果一开始就要求模型写一篇综合报告，模型倾向于使用通用模板填充段落，而不是真正分项处理。SRC-CAREER-003 的作者明确指出首版通常只是框架，需要继续多轮对话完善。
标签匹配
任务描述、口语长句、创作者、工具和仓库名称都可以直接搜索。
按名称、标签、主题和内容相关性排列
避免模型首轮输出空泛的“全面报告”。如果一开始就要求模型写一篇综合报告，模型倾向于使用通用模板填充段落，而不是真正分项处理。SRC-CAREER-003 的作者明确指出首版通常只是框架，需要继续多轮对话完善。
标签匹配
按公司业务结构拆分输入并生成逐块分析
标签匹配
一条针对 AI 研究产物的三段式工作流：先用结构化提示生成研究初稿，再用独立于生成工具的审计接口对初稿逐句质疑，最后由人对每条异常做裁决。它强调"生成"和"审计"必须解耦——同一个模型审自己，往往会复述同样的错误。
标签匹配
课程隔离（Per-course Project Isolation）
内容匹配
Claude Code Subagents 多 Agent 协作与统一主计划
内容匹配
这是一种用于演示文稿制作的人机分工方法：先由人确定页数、信息层级、文字重点和论证结构，再让 AI 处理容错空间较大的封面、背景或装饰素材；信息主体仍由人用原生工具搭建。这是 PPT 教练小木在四页电影主题 PPT 改稿中总结出...
内容匹配
AI 在只收到任务名（例如"帮我写催款信"）时容易产出官腔、冰冷、缺乏重点的"罐头式"邮件。这一框架要求在 Prompt 中显式提供对象、目的、语气和限制四类信息，从而把已有写作意图转化为可生成的初稿。
内容匹配
把一个重复性交付任务拆成"规则说明 + 确定性脚本 + 版式模板"三层，分别交给最合适的载体处理，最后保留人工审核作为闭环。在本案例中，这三层被统一封装进一个 Claude Skill（engineering-monthly-...
内容匹配
把 AI 辅助备课拆成五个相对独立的阶段，每一步的输入、输出与检查点都可独立审查；教师在每一步都保留主导权，AI 只在指定环节介入。该方法最早由一线教师褚旭斌在《不简单的杠杆》一课中提出并在人民教育出版社《小学科学》公开。
内容匹配
diff 审查 + 第二轮 Agent 或人工复核
内容匹配
模型首轮输出常常只是框架，语句完整但深度不足、缺乏证据。SCR-CAREER-003 的作者明确指出首版通常只是框架，需要继续多轮对话完善。本方法用于把“首版框架”逐步推进为可用的研究产物。
标签匹配
图片识别—生成候选—核对型号—比较商家条件
内容匹配
把分析任务从模糊的“分析一下这家公司”变成可检查的约束集合。模型默认输出常常带有通用模板和自由发挥；通过显式声明角色与少量关键规则，可以减少模型在关键口径上的偏离。
标签匹配
在使用 AI 工具撰写商务邮件时，把客户名称、金额、合约编号等敏感字段直接放入 Prompt 可能将这些商业信息暴露给第三方服务。这一方法要求在生成前先用代号替换，再到人工改稿阶段还原具体内容。
内容匹配
把"AI 报告中的引用到底能不能信"这一笼统问题，拆成五个互相独立的核验层次。每一层对应一种典型的失败模式，单独处理、单独判断。
内容匹配
不要求 AI 一次产出完整教案或整套课件，而是把备课过程拆解为多个局部任务（学情参考、概念图、实例库、活动方案、过渡语、PPT 框架等），让 AI 在每个局部中精准介入，再由教师逐项审查与修改。该原则与 method-ai-a...
内容匹配
AI 模型面对不确定内容时倾向于"补全"——猜一个人名、一个数字、一个截止时间——从而把猜测混入最终纪要。"不确定信息显式标记"通过 Prompt 强制模型对无法确认的事实显式打上"待确认"标签，禁止自行补全，把不确定性显式留...
内容匹配
研究—生成—筛选—构建—交付（个人作品集建站工作流）
内容匹配
口播文案先审后制（Script-first Review-then-Generate）
内容匹配
两轮法（先问 AI 方法再生成提示词）
内容匹配