发帖
雷达卡
这一周的内容围绕七组问题展开：AI能力与模型选型、Prompt与结构化表达、数据分析审校、伦理隐私治理、AIGC职场工作流、RAG与Agent，以及经管知识和学习方法。你可以按岗位和当前问题选择阅读路径，每篇文章都保留一个可执行方法和一道自测题，便于边读边判断。
1、本周适合谁阅读
如果你在经营、财务、市场、运营、产品、数据或管理岗位中使用AI，本周内容重点帮助你区分模型能生成什么和组织可以把什么交给模型。文章不要求编程背景，但会要求读者保留证据、核对数字、说明边界并确认最终责任。
2、七条推荐阅读路径
选择路径的依据不是哪个术语更热门，而是你当前要解决的业务问题。
AI基础与选型：从任务适配、训练与推理成本、Token、算力到多指标验收。 Prompt与表达：把目标、上下文、示例、输出约束和结构化方法拆开使用。 数据分析审校：处理缺失值、异常值、指标口径、预测区间、图表和数据血缘。 伦理隐私治理：检查公平、最小化、匿名化、隐私技术、注入攻击和申诉记录。 AIGC工作流：覆盖写作、翻译、PPT、图片、视频、数字人、代码和GEO内容。 RAG与Agent：理解切分、向量、召回、重排、版本更新、工具调用和多智能体。 经管与学习方法：用主动回忆、费曼输出、间隔复习和基础经济金融判断完成复盘。
3、怎样使用这份专题目录
**第一次阅读不必从头到尾。**先从当前最急的问题进入：需要选模型时看 AI 基础与选型，需要提高报告质量时看 Prompt 与数据审校，准备把知识库接入业务时看 RAG 与 Agent。每条路径都从一个具体场景开始，再逐步补充定义、边界和操作步骤。
完成一篇后，先做文末自测，再用一句话复述结论。已经整理好的相关主题会集中在本页，适合按问题连续阅读；如果某个概念仍说不清楚，就回到例子和反例重新核对，而不是只记术语。
4、从 AI 闪卡练习到完整的能力成长路径
**从一组 3 题开始。**第二生命的学习入口从 AI 闪卡开始：先完成一组 3 题，用主动回忆检查自己能不能说出关键结论，再决定下一步补什么。
**重点结论：**先用闪卡检查记忆，再按薄弱点选择测评、实战、课程或复盘。
AI闪卡练习：完成作答后查看解析，并用自己的话复述结论。 能力测评：观察不同岗位和能力方向的起点，用于安排学习顺序。 实战任务或课程：把知识迁移到需求、营销、分析、RAG、PPT、写作等任务。 成长记录：把错题、报告和作品放在一起回看，安排下一步练习。
下载入口：立即下载“第二生命”APP
当前路径：第二生命 → 首页“闪卡式学 AI”→ CAIE Level 1 → 完成第一组 3 题。
本周内容目录
AI基础与模型选型
AI项目立项前先问什么？从业务目标判断大模型是不是正确工具 机器学习、深度学习和AIGC怎样落到经营流程？一张决策表分清用途 训练成本和调用成本为什么不能混算？AI预算要分成两本账 CPU、GPU和NPU怎么选？经营分析系统别只比较峰值算力 合同太长不是多发几次就能读完：Token预算怎样影响审查质量 参数更多为何不一定更适合客服？模型选型要看四个业务指标 会议录音、白板和表格怎样一起交给AI？多模态输入先做对齐 MoE为什么能降低部分计算量？企业选模型还要看路由稳定性 AI建议很像专家意见，管理者为什么仍要保留否决权 准确率、延迟、成本和风险怎样一起评估？AI验收不能只有一个分数
Prompt与结构化表达
Prompt先写角色还是先写目标？任务说明的顺序会改变输出质量 资料越多回答越好吗？给AI上下文前先做证据分层 只说“写得专业”为什么无法验收？输出约束必须变成检查项 用5W2H写AI需求，怎样避免遗漏对象、时间和成本 Few-shot示例应该展示什么？别把错误格式教给模型 Zero-shot能解决哪些任务？首次使用先做小样本压力测试 System、User和Assistant冲突时谁优先？企业提示词要分层管理 SCQA怎样把经营汇报从材料堆变成决策问题 MECE不是把清单写得整齐：问题树如何避免重叠和漏项 5Why问到第五次就结束吗？根因分析要停在可行动处
AI数据分析与审校
让AI分析Excel前先锁定哪些单元格？生成与计算必须分开 缺失值能直接填平均数吗？AI清洗数据前要识别缺失机制 异常值该删除还是保留？从大额订单看AI数据清洗边界 指标名称相同为何算出不同结果？KPI口径要先于AI解读 相关性很高就能制定策略吗？AI分析必须区分共变与因果 销量预测为何必须给区间？单点数字会隐藏不确定性 图表看起来很有说服力，坐标轴却可能改变结论 代码解释器算出的结果怎样复核？保留输入、脚本和输出链 AI引用了数据来源就可信吗？数据血缘要能追到原表 经营报告发布前怎样做四层复核？从数字到责任逐项过关
AI伦理隐私与治理
招聘模型没有使用性别字段，就一定公平吗？代理变量仍会泄露偏见 AI项目为什么要少收数据？数据最小化能降低哪些成本 删掉姓名仍可能认出个人：匿名化要防组合重识别 数据不出企业就等于安全？联邦学习仍要防梯度泄露 差分隐私中的噪声越大越好吗？隐私预算要和可用性一起算 同态加密能让数据永不解密吗？先看计算范围和性能代价 一封外部邮件怎样诱导知识助手泄密？Prompt注入要分层防护 AI生成图片能直接商用吗？版权、肖像和训练来源要分别检查 模型给出错误审批建议，责任不能写成“AI决定” 被AI拒绝的用户如何申诉？可解释记录要服务真实纠错
AIGC职场工作流
AI写行业报告先找证据还是先搭结构？顺序错了容易产生套话 专业翻译怎样避免术语漂移？词表、上下文和回译缺一不可 AI做PPT为什么先写页面关系？单页漂亮不等于能支持决策 文生图提示词怎样减少随机感？主体、关系、镜头和限制要分层 扩散模型和GAN怎样选择？修复、生成和一致性要求各不相同 AI视频人物为什么会忽然变脸？首帧、动作和镜头要连续控制 数字人声音很像真人就能上线吗？授权和标识必须先确认 AI写代码能运行就算完成吗？测试、依赖和权限必须一起审 营销文案怎样避免千篇一律？AI需要真实证据和受众差异 GEO内容怎样更容易被引用？定义、边界和来源要写成完整句子
RAG、Agent与企业应用
企业什么时候需要RAG？先判断知识是否私有、变化快和可追溯 文档切得越小检索越准吗？Chunk要保留完整语义和层级 Embedding为什么不是关键词列表？向量表示要服务相似性任务 RAG找得多还是找得准？召回率和精确率要按风险权衡 Rerank和引用怎样减少答非所问？检索后还要重新排序与核验 制度更新后知识库为何仍答旧版本？RAG需要完整的更新链 Agent和Workflow怎样分工？确定流程不要交给自由规划 工具调用和MCP解决什么问题？模型不能凭文字直接操作系统 多智能体开会为何可能更差？角色重复会放大错误和成本 企业AI试点怎样验收？从回答正确转向任务闭环指标
京公网安备 11010802022788号
