方法论

共 5 篇文章。

慎用指标：AI 岗位评估里最容易做错的那一步

一个指标只要能被主动生产，它就会被生产。而 AI 岗位的关键能力恰好全都难以测量——于是人会用"容易测的量"替代，结果往往适得其反："代码提交量"度量的是复杂度增长，激励方向与目标恰好相反。给出三个慎用指标及其失败模式、以行为锚定替代打分的做法，以及为什么岗位定义本身也有半衰期。

2026-10-11

一份优化技术清单没有用，坐标系才有用。一套三层坐标（任务流阶段 × 软硬件层级 L1–L7 × 技术维度），三个带阈值的判墙判据，并用一个完整推导说明为什么坐标重要——GQA 模型的 KV 头数会决定张量并行是否在白白复制 KV Cache，以及该如何切回来。

2026-10-11

一次 AI 对话要变成可复用的资产，需要三件它通常不产出的东西——置信度、适用边界、可执行形式。一套六段式对话结构（原始提问 → 初答 → 人类追问链 → 综合论证 → 元指令集 → 自进化触发器）、追问链该推的三类问题，以及为什么最终形态必须是配置而不是散文。

2026-10-11

一个自动化闭环最容易被漏掉的部分不是流程本身，而是"谁来验收、拿什么验收、不通过怎么办"。复盘两个真实系统的设计：三位一体对齐与不做清单，以及一套把"还行"变成数字的评分卡、五层监督与自动卡点——并给出一个关键判据：规则与机制的差别，在于有没有卡点。

2026-10-11

有些判断听起来很像洞察，甚至能被数据支持，却无法指导任何动作——它们是把相关当因果的伪洞察。一套可复核的检验：三条判据（机制穿透性、可验证性、范式价值）、一条从噪声到结论的 SOP、五层递进的能力台阶，以及用技术/业务/资本三个视角对同一个判断做压力测试的方法。

2026-10-11