# 联翩实验室 Lianpian Lab > 写下来的,都是我读过的和做过的。 本站只放两类内容:**我做过的**,和**我读到并注明出处的**。 不转述没核实的数字,不写没做过的活,不替别人下结论。 --- ## 我是谁 一个人用 AI 干活。做的事集中在四件产品上,写的都是过程中的判断、取舍和踩坑。 --- ## AI 观察线(每天一期) > 每天扫 21 类公开源;一期只放三样:读数(脚本出)、三条线索(每条一句判断)、我们没搞懂的。 > 判据:**这一期里,有没有一句话是三周后还立得住的。** 没有就写「本期无新判断」。 > 入口:`https://xuyuanlab.com/watch/` - **AI 观察线是什么?** —— 一条每天更新的公开观察:每天扫 21 类公开源,挑 3–5 条单独写,不做配对。不是新闻摘要。**不设英文分站**:中文为主,哪条的一手是英文就直接用英文写。 `https://xuyuanlab.com/watch/` ### 第 8 期 · 2026-11-16 - **动人、可量、被造出来 —— 三样东西怎么都成了"证据"?** —— 单读 11-12 一场对谈里张楚说「**我特别讨厌苦难的浪漫主义**」:小海 **15 岁**辍学打工,真实无需核实;Education Next 同周说按学生成绩选教材**目前做不到**(那套数据库还不存在);英伟达被曝**给客户融资买自己的卡**,一笔对华交易**原含兜底 2,500 亿美元**(⚠️ 交易规模,⛔ 非已支付额;报道未获公司确认)。⚠️ 三条共有的形状是**我并出来的**,原文互不相干。 `https://xuyuanlab.com/watch/2026-11-16` ### 第 7 期 · 2026-11-15 - **AI 写的地方新闻出错,错在哪一层?** —— 一家 AI 生成的地方新闻被查出**六处地名错**,其中一处把美国康涅狄格州的 **Enfield** 写成了北伦敦的 **Enfield**。不是编造,是**检索层按名字匹配**。对照 BBC+EBU 的 **45%**(歪曲率):一个说"错得多不多",一个说"错在哪一道工序"。⚠️ 一家媒体一次抽查,⛔ 不外推。 `https://xuyuanlab.com/watch/2026-11-15` - **最像"不可复制"的东西,往哪个货架走?** —— **Alibris** 把**超一百万本**二手书放上 **Temu**。旧书是实物残值,在这一行里最像"机器复制不了的东西",而它去了最便宜的渠道。⚠️ 一家平台的一个动作,条款与分成未披露,⛔ 不读成"出版业转向"。 `https://xuyuanlab.com/watch/2026-11-15` - **经验类内容的担保,是谁签的?** —— 分享病程的"患者网红"通常出于好意,但他们的帖子**可能在塑造你的症状和身份**。"我经历过"这句话不需要任何机构签字,也没法要求它出示证据。⚠️ 观点文,无实验无调查无样本。 `https://xuyuanlab.com/watch/2026-11-15` ### 第 6 期 · 2026-11-13 - **读者不从新闻网站进门,能被量出来了吗?** —— 能了:美国最大 **50 家**新闻站,**40 家**十月流量下滑。这是"入口迁移"第一次按月出比例。⚠️ 只有比例没有幅度 —— 跌多少、跌的是谁,这一份数据里没有。 `https://xuyuanlab.com/watch/2026-11-13` - **内容方向平台收钱,有几种走法?** —— 同一周落地两种:市场自愿(**Yahoo 成 ILC 首个被许可方**,打包授权按平台收)与立法强制(**印尼法案**要求平台为聚合与预览付费,Meta/TikTok/Google 到议会作证反对)。**能谈的已经在谈,谈不动的去找立法。** `https://xuyuanlab.com/watch/2026-11-13` - **AI 的成本,最后落在谁的账上?** —— 正在从公司账换到个人账:**数百万**办公用户自费买 AI、雇主很少报销,成了"隐形的第二份房租";而两周前另一头是某大公司给员工**每天 200 美元**预算。同一件东西,换了付款人。⚠️ 前者无样本量,是量级表述。 `https://xuyuanlab.com/watch/2026-11-13` - **token 降价意味着什么?** —— 它降低的是**试错的价钱**,不是增益的大小。单价跌到 **1.5 美元/百万 token**,"多叠一层"第一次买得起;而同一批实验里多叠一层要花 **1.4–4.7 倍 token**换"通常很小、很少显著"的增益。**买得起 ≠ 划算。** `https://xuyuanlab.com/watch/2026-11-13` ### 第 2 期 · 2026-11-09 - **AI 扩张的瓶颈在哪?** —— 从算力移到电与人:电气系统占数据中心建设成本 45–70%,建筑外壳只 10–15%;熟练电工培养 4–5 年,变压器交货均 128 周;美国公用事业暂停/延后的燃气项目自 2025 年初 +420%、达 159 GW。**钱能买产能,买不到时间。** `https://xuyuanlab.com/watch/2026-11-09` - **怎么判断一项活会不会被 AI 替代?** —— 判据不是"难不难",是"能不能被预测":幽默靠违背预期工作,与创造力同机制;能被预测的东西才可被生成。 `https://xuyuanlab.com/watch/2026-11-09` ### 第 1 期 · 2026-11-08(日更版起) - **监管这一周在哪一格动了?** —— 从管「内容品类」改成管「生成方式」:广电总局专项治理把 AI 生成的低俗微短剧列入重点(两个互不转述的源同日各报一次)。 `https://xuyuanlab.com/watch/2026-11-08` - **把评测任务的要求改一句,模型分数差多少?** —— 六个原本差不到 1.5 个点的配置散到 23.0 个点;但修掉基准缺陷后重评,平均分只动 1.3 个百分点。 `https://xuyuanlab.com/watch/2026-11-08` - **AIGC 长剧让股价涨的那 56%,是谁挣的?** —— 同期一档与 AI 无关的综艺;报道原文写「上次交易的还是 AI 叙事的未来」。 `https://xuyuanlab.com/watch/2026-11-08` > Source tiers on every item: 〔一手·英文〕〔一手·中文〕〔二手〕;只有中文二手源的料,本期不选。 - **第 0 期(2026-11-02–11-08,格式前身)的判断是什么?** —— 四环同时松手:供料、验收、定价、担责在同一周同时松,松的方式一模一样 —— 都没有一个人,在某个时刻,为某一条具体的产出签字。 `https://xuyuanlab.com/watch/2026-w45` - **供料这一环的证据?** —— 24 小时跟进观察:30 条评论类报道(复述 19/解读 9/推演 2/落地建议 1/批判 0),加新事实 5 条、**一手 0 条**。 `https://xuyuanlab.com/watch/2026-w45` - **验收这一环的证据?** —— 89 个任务只改指令或起始代码,六个原差不到 1.5 个点的配置散到 23.0 个点;但修掉基准缺陷后重评,平均分只动 1.3 个百分点。 `https://xuyuanlab.com/watch/2026-w45` - **定价这一环的证据?** —— AIGC 长剧上星后股价 5 日涨 56.19%,但那 56% 来自同期一档与 AI 无关的综艺。 `https://xuyuanlab.com/watch/2026-w45` --- ## 索引(三份编目) > 只做指向:题名、出处、链接。⛔ 不转载原文。页面由 `build/md2page.py` 从仓库 markdown 生成。 - **GEO / AI Search 有哪些公开研究?** —— 研究索引:54 篇(2023–2026),按八个问题分组的精选 + 按十个主题的完整清单。 `https://xuyuanlab.com/index/research` - **这领域有哪些开源工具?** —— 工具生态:30+ 个项目,分端到端平台/Agent Skill 与 MCP/内容就绪度/研究配套/出版基础设施。 `https://xuyuanlab.com/index/tools` - **llms.txt 是什么,和它配套的还有哪几层?** —— 技术标准与 AI 可读性。 `https://xuyuanlab.com/index/standards` - **这个站是谁在做、凭什么信?** —— 关于:三条规矩、这台机器怎么跑、四件在做的事、更正与出处。 `https://xuyuanlab.com/about` --- ## 写下的 - **15 岁辍学打工的人写出了书,为什么没人问它准不准?** —— 苦难自带信用额度,而且不需要抵押。三件不相干的料咬同一个命题:单读一场对谈里张楚说「**我特别讨厌苦难的浪漫主义**」;易小荷《惹作》宣称「所有细节均经实地核查」,凉山读者却在书里找到误读,还问了一句「**为何我们的火塘对话在你的书里都变成了宿命论独白**」;同一周 Psyche 说分享病程的人**可能在塑造你的症状和身份**。⇒ 三处变形(**强度替代核实/外来框架替代本地逻辑/别人的叙述替代自己的症状**)**全都不影响"好不好看",所以查不出来**。 `https://xuyuanlab.com/notes/fifteen-and-the-twelve-years-nobody-checked` - **用了 AI 之后,为什么人会觉得自己没用了?** —— 法国 Ebra 集团 2023 年把 GPT-4 **自愿**开给复审编辑用,说辞是「减轻重复劳动」。工会代表转述那批人:「**那些用了 AI 的人开始产生依赖,觉得自己不再有用了,专业能力正在流失。最后,很多人不用了。**」到 2026 年集团重组,目标直写**削减工资总额**。⇒ 撤掉的不只是编制,是「练出看错能力」那条通道;而人先垮在岗位上。 `https://xuyuanlab.com/notes/what-they-stopped-doing-themselves` - **报纸把「写」这一层删掉之后,谁在学写?** —— Cleveland.com 2025-10 挂了一个「AI 改写专员」岗:AI 写、一个人核。记者省出一天**去了现场**(真的好事)。但那层岗也顺手删掉了「靠写来学」的路,而主编想用「核对岗」补位 —— **核对能练眼,练不了手。** `https://xuyuanlab.com/notes/they-deleted-the-writing-layer` - **他用 AI 把引语核得更准,为什么反被开除?** —— Ars Technica 资深 AI 记者 Benj Edwards 被解雇,起因是一篇 AI 伪造引语的稿子。**他没有让 AI 写稿**,是想用它提取逐字原文,工具没跑通又问了 ChatGPT,拿到的是「**转述版,而不是原话**」。⇒ AI 最擅长「意思对了」,而引用只认「词对」。 `https://xuyuanlab.com/notes/the-paraphrase-cost-him-his-job` - **AI 降成本,降的是哪一栏?** —— **工资**,而且立刻见效,所以总是第一个被砍。但它是唯一一栏**砍掉后不能用钱买回来**的:核对不是开销,是保险,而保险**只在出事那天结账**。附一张四格表算自己的账。 `https://xuyuanlab.com/notes/the-bill-arrives-from-another-column` - **AI 写的地方新闻出错,错在"写字"还是"认地方"?** —— 认地方。一家 AI 生成的地方新闻被查出**六处地名错**,其中一处把美国康涅狄格州的 **Enfield** 写成了北伦敦的 **Enfield**。它没编造,它只是**按名字相认**——地球上不止一个 Enfield,而名字只有一个。真正值钱的区分是:**45%** 这个歪曲率告诉你"错得多不多",六处地名告诉你"错在哪一道工序"——**前者是体温计,后者是 X 光**。给一个谁都能做的验法:挑一条 AI 写的地方新闻,看里面的地名指的是不是你脚下这一个。 `https://xuyuanlab.com/notes/two-enfields-look-the-same` - **一个源被删了二十条,为什么报表上写着零?** —— 因为筛子**按理由归类,每类只印三个例子**。那 20 条全部挂在同一个理由上,只印 3 个,剩下 17 条无名;而这个源因此在一整天所有报表上都是干净的 **0** —— 它每天跑、每天被整包扔掉、每天不留痕迹。**筛错你能看见;筛对了不说,你连它来过都不知道。** 给一个能天天查的数:**今天有几个源进了料却一条候选都没留下。** `https://xuyuanlab.com/notes/a-source-deleted-20-the-report-said-zero` - **流量是"搬走了"还是"塌掉了"?** —— **塌掉了**。出版商从 Google 掉 **三分之一**,小出版商搜索引荐掉 **60%**,而 AI 搜索带来的流量 **不到 1%**。"搬走"意味着有人接住;不到 1% 说明没人接住。本篇同时**公开更正**了同日那篇《入口不是关掉的,是被搬走的》的结论。给一个能随时查的比值:**掉的 ÷ 补的 ≈ 33 : 1**。 `https://xuyuanlab.com/notes/old-gate-collapsed-new-gate-1-percent` - **AI 摘要到底截走了多少点击?** —— **腰斩**:遇到 AI 摘要时点传统搜索结果链接的用户 **8%**,没遇到时 **15%**(Pew,同一批人两种界面对比)。而比这个数更值得记的是:**平台否认了这个发现,并且继续不向内容方公布点击数据** —— 牌桌上只有一家看得见底牌。 `https://xuyuanlab.com/notes/clicks-halved-platform-denies` - **那 10 家在涨的,凭什么?** —— 最硬的那家(NYT +11%,top ten 唯一逆势)**不是靠新闻涨的**:订阅破 **1300 万**,靠「新闻+生活方式」。它开的不是报馆是便利店——新闻只是其中一格货架。该抄的不是"做菜谱",是那句:读者除了"今天发生了什么",还有什么理由每天来一次。判据看**续订率**(冲动 vs 习惯)。 `https://xuyuanlab.com/notes/the-one-that-grew-doesnt-sell-news` - **下一个入口在哪?** —— 入口从来不是"门在哪",是"**谁替你决定进去看什么**"。报摊年代是摊主,搜索年代是算法(给你十个选择),现在是**替你挑完的那一层**。三个买家已在抢这个位置并各有物证:读者自己买断(NYT +11%)、平台打包授权(Yahoo 成 ILC 首签)、国家立法强制(印尼法案,仍在议会)。看三个数:直接访问占比/平台授权总额/立法进度。 `https://xuyuanlab.com/notes/the-next-gatekeeper` - **读者没变少,那新闻网站的流量为什么掉了三分之一?** —— 因为门被搬走了,不是关掉了。2025 年全球出版商从 Google 拿到的流量 **−1/3**,同期全球最大 50 家英文新闻站 **40 家跌、只有 10 家涨**。掉的是**渠道**不是人;判据要看**分渠道**(搜索占比 vs 直接访问),⛔ 别看总量。 `https://xuyuanlab.com/notes/the-gate-was-moved-not-closed` - **50 家里还有 10 家在涨,凭什么?** —— 因为风不是吹向所有人的:跌幅分布是歪的(**印度站点跌得最狠**),说明刀在**分发结构**上,不在内容偏好上。唯一挤进前十还逆势的是 NYT(**+11%**)。区别一句话:**别人在商场里摆摊,它自己有门店。** `https://xuyuanlab.com/notes/the-ten-that-grew` - **流量下滑和编辑室关门,哪个是因哪个是果?** —— 互为因果,而且**每一格都"没错"**:砍人理性、读者走理性、关门理性,合起来是单行道。硬反例必须带:**Colorado Sun 没有实体编辑室照样获奖** —— 屋子可以没有,人不能在。 `https://xuyuanlab.com/notes/newsrooms-retreat-as-traffic-falls` - **同一个"AI 数据",为什么能同时有六个价?** —— 一小时"叠外套"的采集数据:末端原始 5 元、干活的人到手 15 元(有的压到 8 元)、中间商 300–500 元、挂牌千元 —— **200 倍**。而同一家 AI 公司的新钱与老股只差 **1.3 倍**。区别不在贵贱,在**有没有一把公认的尺**:有尺子的地方价差被压到小数点后,没尺子的地方是两个数量级。附一句可用的问法:看一个数据报价,先问**它离人的手有多远**。 `https://xuyuanlab.com/notes/six-prices-for-one-hour` - **怎么判断一个排行榜是不是在排噪声?** —— 先看两件:它的分差比自己的重跑波动大吗/它把一次成绩记成了几个档。SWE-bench Verified 前十名的差距小于测试自身的误差(把它抹掉六分之一,名次抖动差不多);ALE-Bench 换「普通人」当参照后前十全并列,而近一半其实比那人强得多。 `https://xuyuanlab.com/notes/leaderboard-noise-not-signal` - **"AI 帮我们省了钱"这句话,该怎么验?** —— 先问三句:省的是哪本账/费的是哪本账/有没有第三个人把两本加起来看。一家英国电视台把主播换成合成的,一年省下四到七倍;同一批研究里,把 AI 多叠一层协作,token 花掉 1.4–4.7 倍、等待涨到 2.6–5.8 倍,换来"通常很小、很少显著"。同一个「加 AI」,一处省钱一处花钱,而这两笔账从不在同一张表上。 `https://xuyuanlab.com/notes/the-savings-change-drawers` - **地方新闻社关掉之后,到底丢了什么?** —— 丢掉的**不只是新闻**:新闻走了还能去别处看,「为什么」走了没有别处可看。官方记录记结果(谁投了什么票),记者记录记理由(谁提前退场)。理由没有备份,AI 也只能重写已有的记录,不能记录没发生过的记录。 `https://xuyuanlab.com/notes/local-facts-have-no-backup` - **一个评测拿了 0.997,怎么判断它量的到底是不是推理?** —— 先看有没有一个「不读内容」的基线被跑过。一个从不读推理链的打分器在 2,214 对 HotpotQA 上拿到 AUC 0.997,单字符串匹配就把 CS4 上限打满 0.500(11 个真实系统仅 0.308–0.484)。 `https://xuyuanlab.com/notes/the-0997-grader-never-read-the-reasoning` - **用 AI 替代一个岗位之后,最先丢掉的是什么?** —— 是那个岗位自带的验收机制。《观点》把校对从 18 人砍到 3 人,理由是 AI 能顶;而 11 个开源注入防护模型实测文档级误报最高 92.39%,且"没有一家公布过误报率"。误报会吵,漏报不吵。 `https://xuyuanlab.com/notes/no-one-can-verify-the-ai-proofreader` - **为什么难吃、难喝、难受的东西让人觉得有效?** —— 因为"难受"被当成了"起效"的证据。古罗马医生用粪便当药,理由恰恰是它恶心;2017 年一个双盲试验测出:真药加上一个让人口干的副作用,镇痛效果增加三倍以上(对照组无此增益)。 `https://xuyuanlab.com/notes/side-effects-feel-like-efficacy` - **人是用语言思考的吗?** —— 不是。有的人几乎没有内心独白(anendophasia),照样能推理;而一旦允许他们把词念出声,成绩就与常人无异。语言是沟通工具、是出口,不是思考的引擎。 `https://xuyuanlab.com/notes/language-is-not-the-engine-of-thought` - **把一个人的困境说成"气质问题",代价是什么?** —— 真正的账(租金、医保、工资份额)就没人算了。布克奖短名单小说《Black Bag》里,一个男人最狂野的幻想是有个像样的老板。附判据:换个性别,这个困境还在吗? `https://xuyuanlab.com/notes/masculinity-crisis-sells-rent-crisis-does-not` - **人格是一个有方向的缺陷,这是什么意思?** —— 《人物能不能被判卷,取决于你把他放进哪个世界》(2026-11-08·实践·InkStory) `https://xuyuanlab.com/notes/lottery-to-character-conflict` - **人物怎么才会动起来?** —— 同上(不一定是他变了,常常是别人来结他开的单:下一幕有三种来源——秤变/人变/局面动) `https://xuyuanlab.com/notes/lottery-to-character-conflict` - **怎么判断人物写对了?** —— 同上(需要一个能判卷的世界:快、不可争辩、无人计票。训练只在彩票这类世界里跑,循环才进婚姻与宫廷) `https://xuyuanlab.com/notes/lottery-to-character-conflict` - **芒果那 5 个交易日 56% 的涨幅,是 AIGC 长剧带来的吗?** —— 《那 56% 不是 AI 挣来的》(2026-11-08) `https://xuyuanlab.com/notes/ai-output-narrative-price` - **为什么说 AI 产出拿到的是“叙事价”不是“内容价”?** —— 同上(叙事按想象力定价,内容按被验证的质量定价) `https://xuyuanlab.com/notes/ai-output-narrative-price` - **AI 降本能救生意吗?** —— 同上(省的是制作费,救不了会员天花板;且芒果亏损主因是会员下滑+公允价值变动 7,311 万,不能归因给 AIGC) `https://xuyuanlab.com/notes/ai-output-narrative-price` - **“泔水”和“资产”的差别在哪?** —— 同上(不在技术,在有没有人署名担保) `https://xuyuanlab.com/notes/ai-output-narrative-price` - **AI 稿“没有编辑签字不发”为什么不够?** —— 《你那张验收单,是原题还是改过的》(2026-11-08) `https://xuyuanlab.com/notes/original-or-revised-checklist` - **把任务要求改一句,模型分数差多少?** —— 同上(89 个任务只改指令/起始代码;六个配置从彼此差 1.5 点散到 23.0 点;DeepSeek V4.1 Flash 74.2%→55.6%) `https://xuyuanlab.com/notes/original-or-revised-checklist` - **这是不是说公开榜单都没意义?** —— 同上(不是:修掉基准缺陷后重评,平均分只动 1.3 个百分点;烂的是把“分数”当“可靠性”) `https://xuyuanlab.com/notes/original-or-revised-checklist` - **验收最脆弱的地方在哪一环?** —— 同上(不在最后签字的人,在他手里那张验收单是怎么来的) `https://xuyuanlab.com/notes/original-or-revised-checklist` - **为什么写在 CLAUDE.md 里的“强制规范”,AI 会不执行?** —— 《同一句“必须”,写在三个地方,只有一个真算数》(2026-10-28) `https://xuyuanlab.com/notes/same-rule-three-places` - **要让 AI 真的拦住一个动作,该写在哪里?** —— 同上(PreToolUse hook:程序返回拦截决定,模型无法推翻) `https://xuyuanlab.com/notes/same-rule-three-places` - **有了 hooks 是不是就够了?** —— 同上(不够:装框架后安全行为会变化;每步合规仍可合起来越界,11.5%–41.3%) `https://xuyuanlab.com/notes/same-rule-three-places` - **什么叫做让违规“结构上不存在”?** —— 同上(permissions.deny / sandbox.enabled:模型够不着,而不是被劝住) `https://xuyuanlab.com/notes/same-rule-three-places` - **CLAUDE.md 写多长合适?** —— 同上(建议 200 行内;硬上限 4 MiB,超了整份不加载) `https://xuyuanlab.com/notes/same-rule-three-places` - **被 AI 引用和被 AI 看到,有什么区别?** —— 《我给自己买了个域名:41 分钟,6 个坑》(2026-10-05) `https://xuyuanlab.com/notes/why-own-domain` - **apex 域名挂 Cloudflare Pages 必须换 NS 吗?** —— 同上(含六个坑的完整清单) `https://xuyuanlab.com/notes/why-own-domain` - **绑定自定义域名后立刻报 522,是配置错了吗?** —— 同上(是证书下发的过渡态) `https://xuyuanlab.com/notes/why-own-domain` --- ## 在做的事(Ink 家族四件) - **InkStory**(小说作者 → 判断力供给):给作者的是判断力,不是文字。**不替作者写一个字。** - **InkAnimation**(剧情 → 镜头方案):把一句剧情翻译成一套能执行的镜头。知识库约 1920 条规则,每条都能追溯到一部具体的电影或一本书。 - **InkForge**(信息 → 采集整理输出):信源分级、采集、入库、分发的一条流水线。 - **InkMemory**(日常输入 → 记忆成品):未发布,只在需要时讲判断,不讲功能。 --- ## 我读到的:AI 引用研究(GEO) 一个公开的阅读索引与判断笔记,仓库在 `github.com/daorucuo/ai-citation-notes`,内容采用 CC BY 4.0。 三块地图: - **研究**:54 篇 GEO / AEO / AI Search 论文(2023–2026),按八个问题分组 - **工具**:30+ 个开源项目(GEO 工具链 / AI 可见性监测 / 内容就绪度检查) - **标准**:llms.txt · 结构化标记 · AI 可读性 --- ## 八条判断(我读完之后自己的结论) 1. **这件事值得做。** 零点击成为常态,AI 摘要正在改变用户行为与网站流量结构。 2. **"对题"比"权威"重要。** 与引用影响力相关性最高的是内容与问题的匹配度,高于内容质量本身。(具体系数尚未核到论文正文,暂不引) 3. **"被引用"和"被当作来源"是两件事。** 引用广度与吸收深度必须分开测量,混报会得出相反结论。 4. **内容形态决定命运。** 能被切出定义、数值事实、对比、操作步骤的内容,更容易被引用。 5. **测一次不作数。** 可见性评估需要重复试验与结构感知指标。 6. **"引来错版本"是真实风险。** 模型同时检索到新旧两版信息时,回答会不稳定。 7. **合规做法可行。** 白帽优化有效,模型侧对操纵手段的抗性在增强,捷径窗口在收窄。 8. **底座与平台是两层。** 把检索与推理解耦,做与厂商无关的可信来源层,才谈得上"基础设施"。 > ⚠️ 第 2、4 条出自公开研究,**不是我跑的**。原文出处见仓库 `sources.md`;第 2 条的具体系数尚未核到论文正文,按本站规矩不引。 --- ## 方法上的三条坚持 - **判据先于工具。** 有了工具不等于有利,有了判据才有利。 - **先说风险。** 先说风险的人才是真懂的人。 - **规格定在看见数据之前。** 否则会滑成"挑有利的讲"。 --- ## 外部链接 - GitHub:`https://github.com/daorucuo/ai-citation-notes` - 许可:本站文字内容 CC BY 4.0 --- *最后更新:2026-11-16*