补上下文，用检查表迭代

建议用时：25 分钟（含练习）

学习目标

能够根据首版偏差补充必要上下文，并用固定检查项比较迭代结果。

本节产出

上下文包、评测表与第二版输出

核心知识：迭代要有明确的改进对象

得到第一版答案后，很多人会说“再好一点”“不够深入”“换一种写法”。这些反馈有时能改变文风，却很难稳定改善事实和结构。有效迭代需要先判断问题属于哪一类，再决定补材料、改任务、换方法还是修正输出。否则，你可能反复重写整篇文章，却始终没有解决最初缺少数据的问题。

可以将失败分为四类。输入缺口是没有提供必要事实，例如缺少活动时间；理解偏差是材料存在但用途被误解，例如把面向初学者的解释写成专家报告；执行错误是方法或计算发生问题；验收遗漏是输出看起来完整，却漏掉任务说明中的必需字段。分类不一定唯一，但应指出下一步具体改什么。

上下文补充也要针对问题。若缺的是活动时间，加入已经确认的通知即可，不需要上传整个聊天备份。若缺的是概念深度，应补足原理、反例、推演和读者前置知识，而不是机械增加段落。所谓“内容更长”只有在每一段都解决一个学习问题时才有价值。

图中的回环要配合停止条件。满足必需标准并且剩余问题不影响用途时，就可以结束本轮；如果关键信息仍拿不到，应输出清晰的缺口，暂停依赖它的部分。无限生成新版本不会自动产生缺失的事实。

一张检查表应同时有硬条件和质量判断

硬条件

硬条件可以明确判断，例如是否覆盖三场活动、是否包含日期、链接能否打开。

质量判断

质量判断需要样例和尺度，例如“初学者能否理解”可以要求第一次出现的术语有解释，案例不依赖前文未讲过的知识。

不要把主观质量简单压成一个没有定义的百分制分数。

保留前后两版能够帮助定位退步。例如第二版解释更清楚，却删掉了第一版的来源链接；只凭整体印象，你可能没有发现这种回归。每次重写后用同一张表重测，尤其检查以前已经通过的硬条件。

案例：把一份薄弱的 AI 概念卡改成可学材料

初稿只有一句：“模型负责生成，工具负责行动。”它不算错误，但无法帮助读者判断真实产品。若反馈只是“扩写到一千字”，模型可能重复定义。更好的反馈是：“补一个合并表格的案例，分别展示提出方案、调用工具、保存文件和验证结果；解释每一步需要什么证据；增加一个没有执行工具却声称完成的反例。”

这一轮补充直接针对学习缺口：读者原本不知道怎样观察行动，现在可以根据文件与工具结果判断。下一轮再检查 API 与工具是否混淆，案例中的数据是否公开或虚构，图解的箭头是否与文字一致。每一轮都有明确目标，不必同时调整标题、配色、语气和案例主题。

你还可以用小型对照实验验证改进：给两个没有读过原稿的人同一个判断题，分别看他们能否指出“输出代码”和“实际执行”之间的区别。样本很小，不能据此宣称课程有效率大幅提高，但足以发现明显的解释缺陷。记录观察，而不是编造评测数字。

怎样写可执行反馈

反馈可以使用“位置—问题—依据—期望修改”的格式。例如：“第二段把报名人数写成到场人数；通知第三区分了两者；请改用实际到场值，并保留报名值作为另一列。”这比“数字不准确”更容易实施，也便于复核是否修到位。

当多个反馈相互冲突，先回到任务用途。例如一位读者希望更短，另一位希望更详细，可以用正文讲主线、附加示例供深入阅读，而不是在每段里折中成谁都不满意的密集文字。迭代是满足用途的过程，不是把所有反馈原样叠加。

动手练习

1. 取上一节任务说明生成或手写一版初稿，建立至少四项检查，并标明硬条件与质量判断。
2. 选出最影响用途的两个问题，为每个问题写出可执行反馈。只补与它们相关的上下文。
3. 修订后重新检查所有项目，记录哪些改进、哪些没变化、是否出现回归，以及本轮是否可以停止。

参考答案与推演

展开

完成检查

• 每条反馈能定位到具体内容，有明确修改依据。
• 修订没有用猜测填补缺失事实。
• 使用相同检查表比较前后版本，并检查回归。
• 写明停止条件与未解决事项，不以生成次数代表质量。

参考与来源

• Anthropic：Demystifying evals for AI agents：了解如何建立明确任务和评估标准。
• OpenAI：Evaluation best practices：了解持续评估与代表性样例的设计。