茶杯狐快速复盘：先把口径讲清楚，再来实验记录式标注
最近在捣鼓茶杯狐（TeaCupFox）的时候，遇到一个挺有意思的体验。说起来，这更多的是一次关于“复盘”的复盘，希望能给正在使用或者准备使用茶杯狐的朋友们一些参考。
问题出在哪？“口径”没讲清楚
在我看来，茶杯狐作为一个强大的AI工具，它最核心的功能之一就是能够帮助我们进行信息的梳理、分析和生成。但我在实际操作中发现，很多时候我们想要的“复盘”效果，并没有达到预期，原因往往在于最开始的“口径”就没有交代清楚。
这里的“口径”可以理解为我们给AI设定的上下文、目标、约束条件以及期望的输出风格。如果我们含糊不清地丢给AI一堆信息，然后期待它能“快速复盘”，那就像是让一个从未听过故事的人，直接去概括故事梗概——它无从下手，或者只能给出非常表面、不贴切的答案。
举个例子：
假设我给茶杯狐一段产品用户反馈，我希望它帮我“复盘”用户的问题。
- 模糊的口径： “茶杯狐，帮我看看这些用户反馈。”
- 清晰的口径： “茶杯狐，请分析以下用户反馈，重点找出用户在使用[某产品功能A]时遇到的主要痛点，并按照‘问题描述-用户情绪-潜在原因-建议’的格式进行标注，期望的输出是能直接用于产品改进会议的简洁总结。”
你看，仅仅是增加一些明确的指令和输出格式的要求，AI对信息的理解和处理能力就会天壤之别。
在把“口径”讲清楚之后，我发现让茶杯狐的复盘过程更像一次“实验记录”，反而能带来更精确、更可信的结果。这和我们平时理解的“快速复盘”可能有些不同，它更侧重于过程的透明化和结果的可追溯性。
具体来说，这种“实验记录式”的标注包含以下几个要素：
- 输入信息（The Specimen）： 清晰地记录你提供给AI的原始数据或信息。这可以是文本、代码、链接，甚至是你的想法。
- 设定的口径（The Hypothesis）： 详细列出你给AI设定的所有指令、参数、约束条件，以及你对结果的预期。这就像你在设计实验时要明确的假设和方法。
- AI的原始输出（The Raw Data）： 将AI直接生成的、未经修饰的输出结果完整保存下来。
- 标注与解读（The Analysis）： 在AI的原始输出基础上，进行逐条的、细致的标注。这里你可以：
- 确认/修正： 指出AI哪些地方理解得准确，哪些地方有误。
- 补充： 添加AI未提及但你认为重要的信息。
- 提问： 针对AI的某个输出，进一步追问，引导AI进行更深入的分析。
- 格式化： 将AI的输出整理成你最终需要的格式。
- 迭代与优化（The Refinement）： 根据标注和解读的结果，你可以调整“口径”，再次输入给AI，进行新一轮的“实验”。
为什么这样做？
- 避免“黑箱”操作： 你能清楚地知道AI是如何处理你的信息的，而不是仅仅看到一个最终结果。
- 提升AI的能力： 你的每一次标注和修正，实际上都在“训练”AI更理解你的需求，让它在下一次的“实验”中表现得更好。
- 结果的可信度： 这种过程化的记录，让最终的复盘结果更具说服力，也更容易被他人理解和验证。
- 学习与成长： 无论是对AI的学习，还是你自身对信息梳理能力的提升，都非常有帮助。
总结一下：
与其一味追求“快速”，不如先花时间把“口径”讲清楚。然后，将与茶杯狐的互动看作是一系列的小型实验，用“实验记录”的方式来标注和复盘，你会发现，不仅复盘效果会大大提升，整个过程也会变得更有趣、更有章法。
希望这个“复盘的复盘”能给你带来一些启发！
