通过 MCP 接入外部工具（Model Context Protocol）
通过 MCP 接入外部工具（Model Context Protocol）
筛选结果
任务描述、口语长句、创作者、工具和仓库名称都可以直接搜索。
按当前筛选条件浏览
通过 MCP 接入外部工具（Model Context Protocol）
筛选结果
CLAUDE.md 项目级指令文件（Claude Code 项目宪法）
筛选结果
分阶段反馈改写剧本法（Stage-gated Co-writing）
筛选结果
教学输出的人工验收清单（教材/课标/学情/隐私）
筛选结果
把 AI 生成的概览、学习指南、思维导图、时间轴或音频概览当作目录和提问起点，而不是已经核验过的最终答案；再根据概览中的节点、问题或疑点，回到原始材料精读关键片段。
筛选结果
回到原始证据裁决（Back-to-source Verdict）
筛选结果
Claude Code 计划模式工作流（Plan Mode）
筛选结果
数据飞轮（低置信度池 → 人工 → 知识库）
筛选结果
基准文献 + 第二模型作为问题发现器（Anchor-paper + Cross-model Audit）
筛选结果
让模型一次只处理一段经历，保留事实，写清楚动作、对象、方法和结果，并自然使用与 JD 一致的专业词。逐条改写让求职者能在每一步做"改写前后比对"，防止"参与"被升级为"负责"、"协助"被升级为"领导"，或被凭空添加百分比、营收...
筛选结果
针对 AI 辅助生成的网文初稿中常见的模板化痕迹（叙事套路、句式生硬、情绪表达模板化、人物语言趋同），由人工进行二次润色。其核心是把"AI 味"当作可识别的语言现象，逐项改写而不是整体重写，让文本更贴近网文读者的阅读习惯。
筛选结果
知识库约束生成（Knowledge-constrained Generation）
筛选结果
在 NotebookLM 类资料工具中，先明确一个边界清楚的主题，再围绕该主题建立一个独立笔记本，并把与主题直接相关的资料都汇入同一笔记本，避免不同主题的材料混在同一个工作单位里。
筛选结果
明确禁止 AI 自行接受邀约、承诺任务或决定日期；Agent 只输出回复草稿、行动建议与候选事件，由人在界面上完成最终确认与发送。在 16-01-work-delivery--34-src-work-007-ai-agent-...
筛选结果
AI 引用是否真正支持表述的核验流程
筛选结果
占位符脱敏（用通用描述替换真实公司、项目与内部数据）
筛选结果
简历事实底稿（让 AI 不能补写未经核实的经历）
筛选结果
渐进式 Agent Harness 工程化
筛选结果
把 AI 辅助备课拆成五个相对独立的阶段，每一步的输入、输出与检查点都可独立审查；教师在每一步都保留主导权，AI 只在指定环节介入。该方法最早由一线教师褚旭斌在《不简单的杠杆》一课中提出并在人民教育出版社《小学科学》公开。
筛选结果
把分析任务从模糊的“分析一下这家公司”变成可检查的约束集合。模型默认输出常常带有通用模板和自由发挥；通过显式声明角色与少量关键规则，可以减少模型在关键口径上的偏离。
筛选结果