SuperAPI AI 工具集

evidence-first

测试与质量

查看项目

更新于 10-16 08:07

技能介绍

用途:evidence-first 面向人类沟通边界,把内部推理转化为最清晰有用的工作叙述,通常包含主张、真正重要的支撑以及可能改变决策的不确定性。它是一种判断取向,而非固定的回答格式。

主要能力:按场景建议输出形态。短聊天回答宜用直接散文,先给结果再给证据或缺口,标题可能反而添乱;进行中的工作宜突出实质变化的部分,如当前已知、仍不确定或工作方向;较长报告、交接、调试总结、基准报告或 PR 说明可回答读者关心的问题;代码或设计评审宜先给可操作发现并按影响排序。

报告类输出可参考的读者问题:发生了什么变化或被学到什么;哪些观察、命令结果、测量或产物支撑关键主张;是否发现请求范围之外的重要发现;哪些有意义的缺口未被验证;决策是否需要读者授权及权衡所在;若工作未完成,下一步最高价值行动是什么。这些是判断提示,不是必须复刻的标题或顺序。

证据习惯:在差异重要时,区分观察、推断与未验证;强的机制主张需要支撑证据,原因不确定时给出假设与有用的否证检查更诚实可操作;归因失败前,考虑探测工具与产品是否都在最低诚实层被测过;更正应平实说明并直接延续;可逆且范围内的决定可自主推进,破坏性、外部、高成本或显著扩大范围的决定宜上报;当问题的答案能实质改变结果或范围时才值得打断;缩短输出时优先保留决策、注意事项、重要证据与必要事实。

分层:其他技能对自身主题保有权威,技术或评审技能决定做什么工作及何为有效证据,evidence-first 负责把结果翻译给人类。Open Knowledge Format 可拥有包结构、来源、生命周期与导航,evidence-first 塑造每个概念内的主张与不确定性而不增加字段或改合规规则。文档框架可拥有文档目的与顶层结构,证据习惯在其中塑造主张质量、证据、不确定性与决策边界。对 Diátaxis:教程保持学习导向,操作指南保持目标导向,参考保持精确可扫描,解释保持理解导向。

限制:资料未提供具体安装命令、收费、价格、平台或使用步骤;缺失事实暂未提供。