技能商店 | 小火龙实验室

很多用户在写 Prompt 时，习惯于告诉 AI “要做什么”（正向指令），但往往忽略了告诉它 “绝对不能做什么”（负向约束）。

当一个产品接入多个 AI 模型时，最容易让用户困惑的不是模型太少，而是名字太乱。

当 AI 内容系统开始重复标题、重复正文、重复封面时，不要先问“谁写得不好”。更有效的问题是：哪一个证据点没有被要求出现。

在信息碎片化的时代，大多数人的工作模式是“响应式”的：被邮件、即时消息和突发会议牵着走。这种模式会导致严重的“上下文切换成本”（Context Switching Cost），让你感觉忙碌了一整天，但真正核心的任务却毫无进展。

在信息碎片化的时代，我们最稀缺的资源不再是时间，而是专注力（Attention）。很多人习惯于使用 To-Do List，但清单只能告诉你“要做什么”，不能告诉你“什么时候能高效完成”。

封面图不是每篇文章临时配一张好看的图。对持续更新的网站来说，封面更像栏目识别系统：用户扫一眼列表，就应该知道哪一类内容来自同一个系列。

会议纪要最常见的问题，是记录了很多话，却没有变成下一步动作。

AI Agent 很容易在“看起来完成了”的地方出问题。它写了文件，但没跑检查；它说页面可访问，但没有贴 HTTP 结果；它认为内容不重复，但没有和近期主题比较。Verification Sandwich 的作用，就是把验证夹在任务前后，让交付不是一句主观判断，而是一组可复查证据。

AI 生成内容最大的问题，不是写不出来，而是看起来已经写好了。标题顺，段落完整，语气自然，但里面可能有重复主题、事实含糊、链接错误、风格漂移或不该公开的内部信息。Red-team checklist 的目的，就是在发布前刻意站到反方视角，把这些问题拦在生产之前。

在信息爆炸的时代，我们每天接触海量碎片化信息。很多人习惯于“收藏即学会”，结果导致收藏夹成了信息的坟墓。真正的知识内化，不是简单的存储，而是一个从捕获 $\rightarrow$ 过滤 $\rightarrow$ 链接 $\rightarrow$ 输出的动态循环。

在面对复杂问题时，大多数人的直觉反应是直接向 AI 提问。比如：“帮我分析一下这个产品的市场机会”或“如何优化这个业务流程”。

AI 很适合生成选项、总结资料和提出建议，但项目真正需要的是决策。很多团队的问题不是没有信息，而是信息太多，最后没人知道为什么选了 A、放弃了 B、风险由谁承担。Decision Log 的作用，就是把零散 AI 输出收束成可追踪的决策记录。