For the complete documentation index, see llms.txt. This page is also available as Markdown.

AI 任务简报

在 AI 学习或项目开始前写清真实任务、数据边界、来源、评估集、人工责任、成本、失败处理和交接条件。

复制到私有项目目录,在模型调用前填写。它不是 prompt 收集器,而是一张开始许可:如果任务、数据、来源、验收或责任人仍然不清楚,就先不要让模型生成最终结果。

不要写入密码、证件、精确住址、医疗隐私、儿童数据、客户记录、未公开漏洞或无权使用的第三方内容。敏感材料先脱敏,或改用组织批准的环境。

1. 任务与责任

# AI Task Brief - YYYY-MM-DD

真实场景:
使用者/受众:
要完成的决策或动作:
为什么现在做:
截止时间与不可错过的节点:
最终负责人与人工审阅者:
如果不做或延迟,谁会受影响:

把“学 AI”“做一个智能助手”改成可观察的动作,例如“用户能在 10 分钟内导入一份文件,并看到一份能解释来源和错误的报告”。

2. 输入、来源与数据边界

输入/主张
类型
来源、版本与位置
可否提供给模型
核验人
失效条件

事实 / 推断 / 个人经验 / 用户数据 / 第三方内容

公开 / 脱敏 / 组织批准 / 禁止

允许使用的文件和字段:
明确不提供的材料:
数据敏感等级:公开 / 内部 / 机密 / 受限
收集、传输、留存和删除期限:
是否取得必要同意:
版权、许可证、引用和署名要求:
模型能接触的最小数据范围:

来源不等于真相。每个关键主张要能回到原文、版本、数据口径或直接观察;模型给出的链接、数字和引语仍需人工核验。

3. 输出与评估集

建立一份小而真实的评估集,不要只用模型最擅长的示例:

样本
输入条件
预期结果
不可接受结果
实测结果
证据位置

正常样本

边界样本

缺失/冲突输入

真实历史样本(已脱敏)

验收至少回答:事实是否可追溯,关键动作是否完成,错误是否可见,权限是否正确,失败是否可停止。流畅、快速或“像人”不是验收标准。

4. AI 的工作范围

先让模型复述目标、输入、限制、未知项和验收,再开始生成。提示词版本化;不要把一次聊天窗口当作唯一的项目记录。

5. 人工门

门
必须由谁确认
通过证据
未通过时

来源门

原始链接、版本、位置

标记未核验,不传播

事实门

抽样核对、数据口径

删除或降级主张

隐私/权限门

数据范围、同意、访问日志

停止处理并脱敏

质量门

评估集、边界样本、真实反馈

修复、缩小或拒绝交付

成本门

token、时间、人工返工与预算

降级模型或停止

责任门

具名批准和披露文字

不发布、不自动执行

关键决定不能只由生成模型、自动评分或单个开发者自己批准。高风险领域回到当前一手材料和合格专业人员。

6. 成本、留存与可逆性

一次便宜的调用如果造成隐私事件、错误决定或大量返工,真实成本并不便宜。记录模型费用之外的人工时间、审阅、失败、重跑和沟通成本。

7. 失败、暂停与回滚

触发条件
立即动作
通知谁
恢复/回滚位置

找不到来源或版本

停止传播,回到原始材料

评估集硬门失败

禁止发布或自动执行

输入越过权限边界

停止上传,撤销访问

成本/延迟超过上限

降级、限流或停止

真实用户报告伤害

下线、保留证据、升级处理

如果没有明确的停止人、通知路径和已知可用版本,就还没有准备好接入真实流程。

8. 交接与公开说明

交接者不应需要翻找聊天记录才能知道下一步。公开文本至少说明工具参与了哪一步、哪些事实由人确认、哪些内容仍是候选。

9. 开始前检查

最后更新于