补齐 prompt 体系分层、架构选择前置判断、生产护栏与可靠性
5.3.6 新增「Skill:场景化按需加载的 prompt」:定义 skill 为"场景化按需加载的 prompt";区分 skill/MCP/plugin;给出适用条件与分工原则。
5.4 架构选择新增「第零刀」:改架构前先排除 skill——干预手段优先级 skill→system prompt→workflow/agent。
5.4.5 新增「错误代价×可检测性矩阵」:给每个动作按"错误代价×可检测性"分别定级。
5.4.6 新增「能力不足时缩范围不加编排」。
5.5 新增「生产护栏与可靠性」:三层护栏(输入/输出/流程)、三个可靠性机制、human-in-the-loop 三阶段路径。
Anthropic Prompt Engineering 精读落地 + 里程碑收尾
5.3 生成把关:框架标准先于测试题、prompt 非万能药(归因到"哪一段 prompt")、提示词技术阶梯、system prompt 五层 + 8 条把关清单、详略分寸。
5.4 架构选择:CoT vs workflow vs agent 的两刀判断、企业场景自主性能少则少。
新增第六章「AI 产品观」:AI 产品是一连串 tradeoff、核心工作是把模糊能力规定成清晰承诺、能力边界母表要尽早。
追问部分新增两种澄清方式(结构化澄清 vs 推理式澄清)
当不确定性来自"语义多义"而非"具体字段缺失"时,须用推理式澄清(AI 临场生成分支,无需预定义字段)。纠正技术常见误区"语义多义无法追问"。
重组 Ch5,从"落地三视角"改为"测试 + 数据运营"双阶段(ADLC)
明确 L1/L2/L3 是测试手段,不是数据运营工具;测试与运营按"时机/数据/目的/核心能力"四线区分。
5.2 数据运营独立成"数据流"大节(十子节):五步闭环+起点前置、先窄起步、三源分工、点踩设计原则、后台打标+分类器版本化、行为信号、信号价值分级、error analysis 引擎、归因派单、隐私治理。
新增 error analysis 操作流程(Day3 精读落地)
open coding→axial coding→理论饱和四步;三个延伸洞察:起点破环、人机分工、演绎×归纳互补;嵌入「两轮测试」的完整流程。
三处地基校正(真实项目动手前复盘)
判区与验收解耦:核心区是应然承诺,表现浮动不改变区域归属。
路由降级:路由不构成独立场景,改为三身份(动作/归因/trace 观察切面)。
命名清理:严重度统一 S0/S1/S2,评测手段保留 L1/L2/L3。
厘清验收视角的总结构——四层结构图 + 三轴交叉
5.1 开篇加四层结构图(期望→判定→应然/实然→决策)+ 三轴交叉 + 验收规范表样例。
关键澄清「判定层 vs 决策层」分离。严重度(应然)与聚合指标(实然)的区分。
新增 5.1.6 决策层心法。
完成 Hamel 全文精读(L2/L3)并结合真实项目落地
三层评测补齐 L3 定位。新增 5.1.5「PM 职责边界」。
5.2 监控视角回填 L2 方法、L3 行为/结果信号埋点、冷启动数据策略、归因靠基础设施。
精读 Hamel《Your AI Product Needs Evals》并结合真实项目落地
评测三层按「判定方式→能测的问题种类」区分;断言的本质 + PM「抽骨头留肉」;
L1 落地三步;通过率定法。
经真实项目讨论校正——三区升级为三种产品承诺
核心区加入准确率/召回率/重复一致性要求;边缘区同时观察完整处理与安全降级;
明确模糊/多意图/复杂问题不天然属于某一区域;增加交叉知识判定规则;
界外区验收改为"动作匹配度 + 边界表达正确性"。
拆分场景、动作、归因,引入两套坐标系
引入能力三区与处理链路两套坐标系;将路由和意图切换从界外区移出。