工作流
Workflow
学到 会用 就够：能亲手用起来
你可能会说
“我的文献处理总要经过检索、核对、提取和归档，怎样让 AI 按一致顺序处理，同时保留必要的人工判断？”
工作流把任务组织成有输入、步骤、分支和完成条件的过程；它可以含人工操作、普通程序和 AI，不必每一步都由模型决定。
使用 AI
科研里的例子
先核对论文题名和作者，再检查全文可读性，通过后才提取变量；无法读取的记录进入缺失清单，不参与机制综述。
预先确定路径的工作流适合规则明确、需要反复执行的任务，例如先检查元数据，再处理全文缺失。它与智能体的主要区别常在于步骤由谁决定，而不是是否使用了大模型。流程中可以设置质量门槛、失败分支和人工节点，避免前一步错误一路传到终稿。设计得好还应明确每步产物和状态，让下一次继续工作时知道真正停在哪里。
在你的学科里，直接拿去用
把模糊需求变成可执行任务
我不熟悉AI术语。请把我的需求转成明确的任务说明。 我的原话：[粘贴] 可用材料：[列出文件、表、链接或说明目前没有材料] 使用者与用途：[填写] 先用普通中文复述目标，再给需要时才用的关键中英术语。区分任务、输入、约束、输出和可检查的完成标准。若缺项会实质改变结果，最多问3个问题；其他假设明确列出。先交付任务说明，不擅自执行与改文件。方括号里的内容换成你自己的。来自知识增量《科研中英表达与 Prompt 指南》PG01
把数据分析要求写成可复现说明
请先为这项分析形成可复现的任务说明，再建议代码。 问题：[填写] 数据字典及已有规则：[提供] 可用软件与现有代码：[提供] 明确一行数据代表什么、样本范围、连接键、单位、缺失码、变量构造、估计对象和输出。区分描述分析与因果分析；缺少识别依据时不要把回归系数直接称为因果影响。给出小样本核对、异常记录和可重跑顺序。保留原始数据，所有转换写到派生结果并留记录；不能为得到显著结果修改数据或筛选规则。方括号里的内容换成你自己的。来自知识增量《科研中英表达与 Prompt 指南》PG08
判断
亲手检查一次
顺着一条实际记录走完整个流程，确认每一步有输入输出，失败有去处，并能区分跳过、报错和成功状态。
它做不到的
把任务画成流程图并不等于已经运行，也不代表内容核验自动完成；固定流程不适合所有开放性的研究判断。
增量，由你来写
读完这张，你的理解变了什么？
留言功能会在后面的版本开放。现在可以先在 X 上 @knowledgedelta 告诉我。