- 任务拆解
- 成功标准
START WITH A QUESTION
“做一个聪明客服”还不是可执行需求
团队希望客服更高效，于是提出“做一个能解决所有问题的 AI”。这句话没有说明用户是谁、输入是什么、什么算成功。即使模型能回答很多问题，也无法判断它是否真的减轻了工作。
把目标缩小到“为售后人员整理报修描述，并提出需要补问的信息”，就能开始设计。输入是一段报修文字；输出是设备、地点、故障和缺失项；涉及派单等行动仍需人员确认。任务越明确，越容易选择方法和验证收益。
BUILD YOUR VOCABULARY
先把三个概念讲清楚
输入与输出
输入是系统实际能获得的信息，输出是用户要拿去继续工作的结果。不要把不存在或没有权限取得的数据当成输入。
输入报修描述，输出结构化报修草稿，而不是直接承诺已经维修。
约束
规定系统在什么条件下工作，包括时长、预算、权限、错误容忍度和人工复核要求。
只使用当前用户有权查看的资料；信息不全时先补问。
成功标准与基线
成功标准是验收时可观察的条件；基线是用来比较的现有做法。指标应连接业务目标，不能只统计生成了多少字。
对比人工整理耗时，并统计关键字段正确率与需要重写的比例。
FOLLOW THE PROCESS
把原理放进完整流程
- 01
定位用户
描述谁在什么时刻遇到什么阻力，先选一个高频任务。
- 02
界定输出
给出一份合格结果的样例，并列出不能做的行动。
- 03
收集验收样例
包含正常、信息缺失、含糊和越界输入，不只用演示里最顺利的问题。
- 04
与原流程比较
使用同一组样例比较时间与错误，再决定是否值得继续投入。
| 要素 | 本课示例 | 验证方法 |
|---|---|---|
| 用户 | 售后工作人员 | 访谈实际处理人员 |
| 输出 | 可编辑的四字段草稿 | 与人工参考答案比较 |
| 约束 | 缺字段不自动派单 | 专门测试信息不足的输入 |
| 收益 | 减少整理时间 | 比较同组任务的实际耗时 |
CHANGE ONE THING & OBSERVE
组装一份可以验收的任务说明
切换输出、指标和信息不足时的行为，观察它们是否共同支持“报修整理”这个目标。
- 输出与整理任务一致，用户可核对。
- 同时检查关键字段与流程效率。
- 缺字段可补问，不靠编造凑齐。
KNOW THE LIMITS
哪些结论不能直接推出？
指标很好，用户仍不好用
回答长度和调用次数反映使用情况，不能直接证明任务完成。需要检查正确性和流程收益。
让系统负责它无法验证的结果
整理报修信息不等于完成维修。输入中没有维修记录，就不能输出“已修好”。
READ, RUN & EXPLAIN
检查一份报修草稿是否缺字段
以下示例仅使用 Python 3 标准库，可复制到本地 Python 环境运行。先看每一行的作用，再修改一个输入观察结果；无需网络或密钥。
required = ['地点', '设备', '故障']
draft = {'地点': '二楼', '设备': '空调'}
missing = []
for field in required:
if not draft.get(field):
missing.append(field)
print('需要补充：' + '、'.join(missing))复制或下载只获取本课示例，不会自动执行。
逐行解释（7 行）
- 第 1 行
required = ['地点', '设备', '故障']列表保存必须填写的三个字段，方括号表示按顺序存放的一组值。
- 第 2 行
draft = {'地点': '二楼', '设备': '空调'}字典以字段名对应字段值；本例故意没有故障描述。
- 第 3 行
missing = []先创建空列表，用来记录缺失字段。
- 第 4 行
for field in required:依次取出每个必填字段，当前字段暂存在 field 中。
- 第 5 行
if not draft.get(field):get 读取字段；不存在或内容为空时，not 让条件成立。
- 第 6 行
missing.append(field)把缺失字段追加到列表中，缩进表示它属于条件分支。
- 第 7 行
print('需要补充：' + '、'.join(missing))join 把字段名连接成一句话。本例应提示补充故障。
需要补充：故障
CHECK YOUR UNDERSTANDING
换一个角度，检查自己是否理解
已回答 0 / 3 题 · 当前答对 0 题
TAKE IT WITH YOU
带走三个判断，再做一次迁移练习
- 先写清用户、输入、输出与约束，再讨论模型。
- 验收样例要覆盖失败情况，并与现有方法比较。
- 系统输出的承诺不能超出它掌握的证据与权限。
参考与延伸阅读
本课例子、代码和模拟数据为教学设计。以下一手文档用于延伸核对，不代表对本示例的认证。
- Python 官方教程：数据结构列表、集合与队列等示例语法参考。
- scikit-learn：模型评估评估指标与预测、决策的区别。
- IBM：检索增强生成检索与生成组合的进一步说明。
- NIST：AI 风险管理框架可靠性与风险管理的延伸阅读；不是特定项目的合规结论。