毕业项目:发布一个可复用知识工作流
建议用时:25 分钟(含练习)
学习目标
能够从 Vault 取材,经过检索、上下文、证据、生成、评测和审核发布真实成果。
本节产出
完整工作流、最终成果和复用说明
核心知识:交付别人能够复用的完整过程
毕业项目要把前面的方法串起来:
- 从问题出发
- 检索资料
- 制作上下文包
- 建立证据映射
- 生成内容
- 运行评测
- 完成审阅
- 交付可复用模板
成果可以是一节公开课、一份研究简报或一个项目说明,重点是解决明确问题,并让另一人无需依赖你的口头解释也能使用。
项目不以收藏数量或文章长度评分。完整意味着读者知道输入是什么、过程怎样进行、结论依据什么、哪些地方仍不确定,以及下次如何替换资料再运行。你可以用少量高质量公开资料完成优秀项目,也可能用大量资料写出无法核对的内容。
图中的每一步都有可交付产物,方便发现错误发生在哪里。检索清单不等于证据包,证据包不等于最终文章,文章通过语言检查也不等于事实已核实。把这些对象区分清楚,能够减少返工时的混乱。
案例:制作“如何核查 AI 回答”的入门课
假设目标读者第一次使用 AI,课程要求他完成一次主张与证据核对。你选择三至五份公开资料,设计一个虚构回答,其中包含一条有证据事实、一条范围夸大的句子和一条无来源数字。最终课程包括解释、对照表、流程图、练习和答案。
| 交付物 | 必须包含 | 验收问题 |
|---|---|---|
| 任务说明 | 读者、问题、学习目标 | 学完能做什么 |
| 检索记录 | 查询、范围与选择理由 | 为什么使用这些资料 |
| 上下文包 | 来源、片段、冲突与未知 | 别人能否理解证据 |
| 正文与图解 | 完整案例和练习答案 | 无私人背景能否学会 |
| 评测记录 | 正常与边界样例结果 | 方法是否能重复使用 |
| 复用模板 | 变量、步骤、限制与版本 | 换材料后怎样重跑 |
私人研究笔记可以帮助你形成问题,但公开产物必须重新检查可公开性。读者不应被要求访问作者个人目录,也不应看到无关真实人物、账号或私人附件。原创案例使用虚构数据,并清楚说明哪些数字只是练习设定。
把图画在最有解释价值的地方
流程图适合表达核查顺序,对照表适合比较证据强度,概念图适合解释事实、推断和观点的关系。不要为了让页面更满而重复同一段文字。每张图都应有明确问题、正确箭头和文字说明,手机上也能读清标签。
图解同样需要审阅。若箭头表示先后,就不要让读者误以为因果;若某条路径会失败或停止,应在图或相邻文字中说明。没有证据的数据不应被画成精确统计图。示意图可以简化,但不能通过简化改变概念关系。
完成一次独立复用
让同伴换一组公开资料,只按模板制作另一段练习。观察他是否知道怎样选择来源、处理缺失信息和核对答案。不要在旁边不断解释隐藏步骤,否则无法判断模板本身是否完整。
如果他误把观点写成事实,检查分类要求和示例是否清楚;如果找不到图的公开资源,检查发布产物是否完整;如果引用失效,补充来源维护机制。每次修订都重跑相关检查,再形成最终版本。
发布与交付状态要说清楚
公开发布前核对授权、目标、版本、资源和访问效果。生成草稿、上传文件、公开可访问是不同状态,应分别验证。若只是课堂练习,可以交付完整的待审稿与模拟发布检查;不要把没有发生的发布写成已经完成。
最终说明先讲成果解决什么问题,再给必要验证与限制。保留作者用来维护的版本记录,同时给读者简洁清楚的学习入口。维护复杂度应留在作者工作流程里,不需要塞满读者页面。
动手练习
- 选一个明确学习问题,提交六类交付物。
- 完成至少一次正常输入和一次缺失或冲突输入的运行检查。
- 邀请同伴独立复用,记录反馈,修订正文、图解和模板。
参考答案与推演
核查课程的合格答案应保留有证据事实,缩小范围夸大的句子,并删除或标明无来源数字。流程图可以从识别主张开始,经寻找证据、检查范围,最后进入保留、改写或暂缓结论。三种处理都应有解释。
最终包应让同伴知道怎样替换资料与案例,而不会复制本次临时信息。交付结论应准确说明实际运行、审阅与发布状态,并列出尚未覆盖的场景。毕业项目的价值在于形成一个可以反复改进的可靠方法。
完成检查
- 成果解决明确问题,学习目标可以通过练习验证。
- 正文与图解完整,公开来源可访问。
- 评测和独立复用反馈已经影响最终修订。
- 工作流、版本、维护责任与实际发布状态清楚。
延伸:从知识工作流到 FDE 交付
知识工作流很适合用 FDE 的方式推进:先进入现场观察任务,而不是先决定要用哪个模型。把问题拆成输入、判断、动作和交付四段,记录哪些步骤重复、哪里最容易返工、哪里必须由人承担责任。再用价值、可行性、风险和复用四个维度筛选场景。高价值不代表马上自动化;如果数据不可获得、结果无法复核或错误后果不可控,就应该缩小范围,先做影子工作或只提供建议。
最小 POC 要有可以复查的证据包。准备一组 Golden Set 代表正常工作,再准备包含缺失资料、相互冲突、范围夸大、提示注入和无来源数字的 Bad Case。对每个样例写清楚预期结果、禁止动作、人工接管点和停止条件。比较系统建议与人工基线时,不只看文章是否流畅,还要看主张与证据的映射、未知项是否保留、工具调用是否越权、成本是否可接受以及失败后能否恢复。
如果 POC 通过,下一步是把资产分层沉淀。工作流记录步骤和上下文输入;评测集记录样例、阈值和回归结果;数据规则说明字段、来源与版本;产品能力再处理权限、界面、通知和审计。这样的分层也能和 Agent 组件对应:模型负责生成候选内容,Harness 负责上下文和状态,Tool 负责有限动作,Skill 负责稳定方法,Memory 负责适用范围清楚的长期信息。不要把一段提示词单独当成完整产品。
交付复盘练习
把本节的“核查 AI 回答”案例改写成一个真实但低风险的团队任务。填写四维场景表,定义一个两周内可完成的 POC,并输出 workflow、Golden Set、Bad Case、评测表和人工责任说明。交付时明确“已设计”“已模拟”“已实际验证”“未发布”四种状态,让接手者不会把草稿误解为生产能力。
参考与来源
- Obsidian:Properties:组织项目资料与状态信息。
- OpenAI:Evaluation best practices:设计可重复的质量检查。
- W3C:PROV Overview:理解来源与最终产物的追踪关系。
毕业项目:发布一个可复用知识工作流
3 道题 · 及格分 60 分