专项 08 · 非开发场景
通用场景：内容、讲题、资料、格式转换
我用 AI 的时间有一半不在写代码：做讲义、讲题、整理题库、搜资料、做格式转换。 这一课把那些场景里真正管用的做法挖出来 —— 同一套公式，只是把"改像素"换成"改文字"。
公式
所有非开发场景的通用七步
1. 给样本 —— 一张图 / 一个文件 / 一个已有结果，让它先理解"输入长什么样"
2. 给受众 —— 几年级 / 什么水平 / 给谁看（加四个字，输出全变）
3. 给结构 —— 要哪几块，一块都不许省
4. 给形态 —— md / html / 表格 / 一行一个 / JSON
5. 先做一个样品 —— 我确认了再批量
6. 批量 —— 模板固定，只换变量
7. 抽样检查 —— 每 20 条抽 1 条看一眼
这七步和我做网站那套是同一套东西：说清 + 先看样品 + 批量后抽样 + 不信"已完成"。
批量任务的链路：少了「手做基准」，全盘没有比对对象
原始素材PDF / 图片 / 表格 / 一堆 md
↓
① 拆一个样本几层？几列？什么编码？多大？
↓
② 手做一个基准（最常被跳过）我认可的 1 份成品 —— 这是唯一的"标准答案"
↓
③ 写批量 + 先跑 2–3 个和基准逐字对比，对不上就改
↓
④ 全量跑模板固定，只换输入
↓
⑤ 抽样检查每 20 条抽 1 条，肉眼过一遍
↓
交付并把模板 + 样品存成 skill
最贵的漏步是 ②：没有「手做基准」，批量产出对错全靠 AI 自己说 ——
它说对就是对的。这正是所有数据类灾难（重复词条、空记录、假发音）的来源。
说人话
做批量任务像复印：先复印一张看看正不正、糊不糊（手做一个基准），
没问题再开整批（全量跑），最后随手抽几张翻一下（抽样）。
先印两千张再发现歪了，只能全部作废。
案例
三个真实场景复盘
技巧
「只给我内容」：控制输出形态
AI 的默认输出是"礼貌 + 解释 + 结论 + 建议"。我需要的是能被下一步直接消费的裸数据。
只给我内容
只给我句子就可以
一行一个！！
按照一行一个层次关系给我
不不不，我要按照课本一样给我
只回答（禁止它边答边动手）
不要解释过程、不要描述图片
总结成表格
分成给我两个文件
JSON 数组，不要外壳
判据：如果你要把它的回答复制到别的地方用，就必须加"只给我 X"。
技巧
指定受众：一句话把输出拉到对的层次
✕ 不说受众
"虚拟语气用于表达与事实相反的假设……"
术语堆砌，学生看不懂，你还是得自己重写一遍。
✓ 说了受众
"假设你现在没钱买手机，但你想说'如果我有钱就买了' —— 这就是虚拟语气。"
加了"初二学生"四个字，例子、词汇、句子长度全变了。
学生角度理解，必须让学生通俗易懂的理解。
我是初二学生，按我角度翻译。
跟我详细说一下通俗易懂的，我不是很明白你说的。
技巧
搜索调研：三个可复制的约束
| 约束 | 我的话 | 作用 |
|---|---|---|
| 门槛 | 星数几十 K 以上，不要几 K 的 | 直接筛掉 90% 噪声 |
| 数量 | 给我多找几个 / 所有的 / 列出 10 个 | 防止它只给一个 |
| 权威性 | 权威 / 官方文档 / 要能查到出处 | 防止它编 |
「权威」这两个字我单独发过一条消息。因为 AI 在"规范、标准、政策、比价"这类问题上特别容易编，而且编得很像。
自检