1.1 主题拆解:AI知识库、提示词、文档总结与智能问答的关系
我接触过不少团队在搭建AI知识库时,一开始把注意力全放在模型选型上,折腾半天才发现真正卡住效率的地方是提示词。AI知识库说白了就是一个装满文档、资料、FAQ的结构化信息仓库,它可以被搜索引擎调用,也可以被大模型读取。提示词则是你递给AI的那张“任务说明书”,写得好不好,直接决定了AI从知识库里捞出来的东西能不能用。
文档总结和智能问答是知识库落地时最常见的两个出口。文档总结负责把冗长的原始材料压缩成可读、可检索的摘要,智能问答负责在用户提问时精准定位答案并组织语言返回。它们共用同一套知识库底座,却面向完全不同的使用场景。文档总结偏向“生产端”,把知识加工成更轻量的形态;智能问答偏向“消费端”,把知识以对话形式交付给用户。两者之间还存在一条隐形的协作链路——总结结果可以变成问答的上下文素材,问答中高频出现的追问又能反过来指导总结该保留哪些信息。
这条链路我习惯用一个简单比喻来理解:AI知识库是厨房里的食材柜,提示词是菜谱,文档总结是预处理好的半成品,智能问答是顾客点单后快速出餐的窗口。四个环节缺一个,整个知识流转就会卡壳。很多团队只盯着“出餐速度”,忽略了食材预处理和菜谱标准化,结果问答质量忽高忽低。我的经验是,先把文档总结模板和智能问答模板分开设计、分别打磨,再考虑它们之间的衔接,比一上来就搞大而全的万能提示词要靠谱得多。
1.2 文档总结模板与智能问答模板的适用场景与核心价值
文档总结模板最适合处理那些“读一遍太费时间、不读又怕漏关键信息”的材料。比如法务团队面对几十页的合同附件,运营团队拿到一份竞品调研报告,培训部门收到新产品的技术白皮书。这些场景的共同点是信息密度高、结构复杂、读者时间有限。一个设计到位的文档总结提示词模板,能把三五千字的文档压成一张带层级要点的卡片,同时保留原文的关键数据和结论出处。它的核心价值不在“变短”,而在“变准”——该留的一个不丢,该删的一句不留。
智能问答模板的用武之地则偏向即时响应。客服坐席需要快速查产品参数,新员工想弄明白报销流程,销售在客户现场被问到一个冷门政策细节。这些时刻用户没耐心等一份总结报告,他们要的是直接答案,最好带一句来源引用。智能问答模板的价值体现在“定位精度”和“回答边界”两个维度上。定位精度靠的是检索增强,回答边界靠的是提示词里写清楚的规则——哪些问题该答、哪些该拒、哪些该转人工。
我见过一个反面案例,某团队把文档总结模板直接改吧改吧就拿去做问答,结果用户问“第三季度华东区销售额同比变化”,AI返回了一大段季度总结的概述,数据埋在中间,用户还得自己找。后来他们把模板拆开,总结模板负责沉淀结构化摘要,问答模板负责精准抽取单点事实,两套模板各司其职,效果立刻好转。这个教训说明一件事:总结和问答虽然共享知识库,但提示词模板的设计目标完全不同,混用会两头不讨好。
1.3 线性大纲阅读路径:从概念、模板设计到工作流与优化
这份内容大纲我特意设计成一条从浅到深的直线路径,方便你按顺序读下去,也方便你跳到自己最关心的章节。开头部分先把概念地基打牢——AI知识库、提示词、文档总结、智能问答这四个词到底怎么咬合在一起,各自的边界在哪里。概念不清就动手写模板,后面大概率要返工。
中间两大块是实操核心。第2章讲模板设计的通用原则,角色、任务、上下文、约束、输出格式这五个要素怎么摆布,知识库检索增强下提示词该收多紧、引用该怎么写。第3章和第4章分别拆解文档总结模板和智能问答模板的具体写法,从目标设定到分段策略,从事实型问答到冲突信息处理,每一节都配了可改可用的示例。这两章我建议对照着读,因为很多设计思路是相通的,只是侧重点不同。
最后两块收尾于工作流和优化。第5章把总结和问答串成一条线,从文档入库、生成摘要索引到问答检索,讲清楚模板之间怎么衔接、怎么扩展出会议纪要、客服知识库这些场景。第6章落在评估和避坑上,告诉你用什么指标判断模板好不好、怎么根据错误案例迭代、上线前该检查哪些项。整条路径走下来,你手里应该有一套能直接跑起来的提示词模板库,而不只是一堆理论。
2.1 角色、任务、上下文、约束与输出格式五要素
我刚开始写提示词的那阵子,总觉得这东西像玄学。同一段话,加个“请”字效果不一样,换个标点符号结果又变了。后来踩坑踩多了才摸出门道:一份靠谱的提示词模板,拆到最底层,无非五个东西——角色、任务、上下文、约束、输出格式。这五样摆清楚,模板基本就能跑;少一样,AI就开始自由发挥。
角色是给AI一个“站哪儿说话”的定位。你让它以资深法务的口吻审合同,它就会盯着责任条款和违约风险;你让它以客服坐席的身份回用户,它就会注意语气和边界。我试过同一个问题不设角色直接问,AI给的答案四平八稳但没什么用,设了角色之后回答立刻有了侧重。任务描述要具体到“动词+对象+目的”,别写“总结一下”,写“把这份技术白皮书压缩成五个要点,面向非技术背景的销售同事”。上下文是把知识库检索到的原文片段塞进去,让AI基于给定材料回答,而不是靠它自己脑子里那点训练数据瞎编。约束是画红线——不能编造、不能超出检索范围、遇到不确定的要明说。输出格式则是最后那道工序,用Markdown列表还是表格,字段名怎么定,字数控制在多少。
这五要素里,我觉得最容易被忽略的是约束。大家写模板时兴致勃勃地描述角色和任务,到了约束部分就草草写一句“请准确回答”了事。我见过一个问答模板,检索片段明明写着“退款周期为7个工作日”,AI回答时给扩写成“大约一周左右,具体以实际到账为准”,多了后半句,用户拿去跟客服吵架,说你们自己都说不确定。约束没写死,AI就自动帮你“润色”了。后来我在模板里加了一条硬规则:数值、日期、专有名词必须原样引用检索原文,不得改写。问题立刻消失。
输出格式这部分,我的经验是越具体越好。别写“用清晰的格式输出”,直接给出模板骨架——第一行写结论,第二行起分点列依据,每个依据后面用括号标注来源文档名。AI看到这么具体的格式要求,产出的东西直接就能贴进工单系统或者知识库页面,省掉人工二次排版的功夫。
2.2 知识库检索增强下的提示词边界与引用要求
做知识库问答和直接跟大模型聊天是两码事。直接聊天时AI可以天马行空,做知识库时它必须老老实实待在检索回来的那几段材料里。这个边界感要在提示词里反复强调,强调一次不够,得换着花样说。我通常会在模板里写三句话:只使用下方提供的参考资料回答问题;资料里没有的内容直接说“根据现有资料无法回答”;每个关键结论后面标注对应的资料编号。
引用要求这件事,很多团队一开始不当回事,觉得答案对了就行。我吃过亏。有一次内部知识库上线,用户问“年假怎么算”,AI答得头头是道,HR拿去核对发现引用的是一条已经废止的旧制度。问题出在检索环节把新旧两版制度都捞回来了,提示词里又没要求标注来源,AI就把两版内容揉在一起给了个四不像的答案。从那以后我在所有问答模板里强制要求引用格式:每条回答末尾单独一行写“来源:[文档标题]第X节”。用户一眼能看出来答案从哪来的,有疑问直接翻原文核对。
边界和引用其实是同一枚硬币的两面。边界管的是“能说什么”,引用管的是“说出来的话怎么证明”。知识库检索增强的场景下,AI本质上是个信息搬运工加整理员,不是知识创造者。我在模板里经常加一句“如果你在参考资料中找不到直接依据,请回答‘未在知识库中找到相关信息’,不要尝试推测”。这句话看着简单,能挡掉一大半胡编乱造的情况。
还有一种边界要特别处理——多份资料互相矛盾的时候。比如客服知识库里两条FAQ对同一个退货政策描述不一致,AI不能自己挑一条信一条,得把冲突亮出来。我的做法是在模板的约束部分加一条规则:若不同资料对同一问题给出不同答案,请并列列出各方说法并标注来源,由用户自行判断。这样AI不会替你做决策,只负责呈现事实。
2.3 文档总结与智能问答模板的差异化设计原则
文档总结模板和智能问答模板长得像,都是“角色+任务+资料+规则+格式”的骨架,但骨子里的设计逻辑差得很远。总结模板的核心指标是“覆盖率”——原文里的关键信息不能漏;问答模板的核心指标是“精准度”——用户问什么就答什么,多一个字都算冗余。这两个指标一个往宽了走,一个往窄了收,模板写法自然不一样。
总结模板的任务描述要交代清楚“给谁看、看多长、关注什么”。给管理层看的季度报告总结,重点抓结论和数字;给一线执行层看的操作手册总结,重点抓步骤和注意事项。我写总结模板时习惯在任务部分列三个问题:这份文档解决什么问题?读者最需要记住哪三件事?哪些细节可以删掉不影响理解?这三个问题帮AI锁定摘要粒度。问答模板的任务描述就一句话:根据参考资料回答用户问题。多余的背景交代反而干扰AI判断。
结构上,总结模板的输出格式倾向于分层——先给一句话总览,再给分块要点,最后附关键术语或数据表。问答模板的输出格式则是单点聚焦——先给直接答案,再给一两句解释,最后挂引用来源。我试过把总结模板的多层结构套到问答上,用户问“报销标准是多少”,AI先来一段“本制度旨在规范公司费用管理流程”的背景介绍,用户早就不耐烦了。问答就是问答,别加戏。
另一个差异点在容错处理上。总结模板遇到资料残缺时可以标注“本节内容原文不完整”,继续处理后面的部分。问答模板遇到检索结果为空或者明显不相关时,必须果断拒答,不能硬凑。我在问答模板里设了一条兜底规则:如果检索到的资料与用户问题相关度低,回答“您的问题在知识库中暂未收录,建议联系XX部门确认”。这条规则上线后,用户投诉量降了不少,因为大家不用再猜AI给的答案到底靠不靠谱了。
2.4 可复用模板的变量占位与版本管理思路
一套提示词模板如果只能用一次,那写它的时间成本就太高了。我的做法是把模板里会变的部分挖成“空”,用变量占位符标出来。比如总结模板里固定写“你是一名【领域】文档总结助手,请为【读者角色】总结以下文档,重点保留【关注维度】相关内容”,方括号里的内容每次使用时替换。这样一份模板能覆盖法务合同、技术白皮书、市场调研报告好几个场景,改几个词就行,不用从头写。
变量设计有个小窍门——变量的名字要让人一眼看懂填什么。我见过有人用“{{var1}}”“{{var2}}”做占位,过两周自己都忘了var1是读者角色还是输出格式。后来我统一改成“{{读者角色}}”“{{关注维度}}”“{{文档内容}}”这种自解释命名,团队里谁拿去用都不会填错。变量数量也别贪多,一份模板超过七八个变量,填起来比重新写还累,该固定下来的内容就固定写死。
版本管理这块,我吃过没做版本控制的亏。同一个问答模板,张三改一版李四改一版,最后线上跑的是哪一版谁也说不清。后来我们建了个简单的模板台账,每份模板记录三样东西:版本号、修改说明、生效日期。模板文件名带上版本号,比如“智能问答模板_v3_202406.md”,每次修改另存新文件不覆盖旧版。线上用哪个版本在配置表里登记清楚,出问题能立刻回滚。
更细一点的做法是在模板正文顶部加一段变更记录,用注释形式写清楚每次改了什么、为什么改。比如“v2改v3:在约束部分增加数值原样引用规则,原因是发现AI把7个工作日改写成一周”。这段记录不参与实际运行,但后面接手的人一看就知道这个模板是怎么一步步长成现在这样的。模板库沉淀到一定数量后,这份变更记录本身就是一份宝贵的避坑指南,比任何培训文档都管用。 你是一名【{{领域}}】文档总结助手,服务对象是【{{读者角色}}】,使用场景是【{{使用场景}}】。
任务:对下方文档进行总结,帮助读者在【{{阅读时长}}】内抓住可行动信息。
必留项: 1. 文档核心结论(一句话) 2. 关键数据与时间节点(原样引用,不得改写) 3. 对读者角色有影响的变更点或风险项 4. 需要读者跟进的事项(如有)
可删项: 背景铺垫、重复举例、礼貌性表述、与读者角色无关的技术细节。
约束: - 只使用文档原文信息,不补充外部知识。 - 原文缺失必留项时,标注“原文未提及”。 - 数字、日期、专有名词必须与原文一致。 - 每条要点后用括号标注原文位置,如(第2.1节)。
输出格式: 【一句话总览】 不超过三句话。
【分块要点】 按原文逻辑分3-6块,每块一个小标题,下列3-5条要点。每条要点包含“动作+对象+结果或数值”。
【关键数据与术语】 用表格列出:术语/数据 | 原文值 | 原文位置。
【待确认事项】 列出原文缺失、表述模糊或需要人工核实的点;没有则写“无”。
文档内容: {{文档内容}}
你是【{{产品/服务名}}】的智能问答助手,服务对象是【{{用户角色}}】,回答风格为【{{风格描述,如:直接简洁/耐心引导}}】。
用户问题:{{用户问题}}
检索到的知识库片段: {{检索片段1}} {{检索片段2}} {{检索片段3}}
回答规则: 1. 先判断问题类型(事实型/操作型/解释型/混合型),再按对应结构作答。 2. 只使用检索片段中的信息,片段未提及的内容标注“知识库暂未收录该信息”。 3. 每句事实性陈述后用【片段编号】标注来源,如【1】。 4. 多处片段信息冲突时,并列列出并注明各自出处,不做调和。 5. 回答长度:事实型≤3句,操作型步骤≤7步,解释型≤200字。 6. 不确定用户意图时,先给出最可能的答案,再问一句“您是否在问……?”
输出格式: 【直接回答】一句话结论。 【依据】分条列出,每条带片段编号。 【补充】可选,仅在有额外相关片段时出现。
文档入库 → 清洗分段 → 段级总结 → 文档级总结 → 摘要索引 → 问答检索(摘要层定位)→ 原文回溯 → 问答生成
6.1 文档总结质量与智能问答准确性的评估指标
模板写出来只是开了个头。用起来好不好,得拿指标说话。我见过太多人模板一上线就撒手不管,等用户投诉了才回头查,查的时候又不知道从哪查起。问题就出在没提前定评估指标。
文档总结这块,我盯三个指标。第一个是信息覆盖度:原文里的关键结论、数字、时间节点,总结里能保留多少。做法不复杂,随机抽二十份文档,人工标出十到十五个必留信息点,看总结命中几个。命中率低于八成,总结模板就该改了。第二个是废话率,我用一个土办法量:把总结里“本文主要介绍了”“综上所述”这类空话开头的句子数出来,占总句数的比例超过两成,说明模板被模型带偏了,输出全是套话。第三个是结构完整度,这个偏工程:模板要求的输出字段(概览、要点、关键词)有没有全部出现,字段缺失一次记一笔,一周统计一次丢失率。三个指标一起看,基本能判断总结模板是真在提炼还是在水字数。
问答准确性我用的指标更贴近现场。最直接的是命中率:测试集里一百条真实问题,检索后答案能用的占多少。我一般要求首轮命中率过七成五,低于这个数说明要么检索链路有问题,要么问答模板的上下文利用方式不对。命中之后再看引用准确率,AI给的答案里标注的来源片段,能不能真正支撑那句话。这个指标抓的是“一本正经胡说八道”,模型引了一段原文,原文压根没这个意思。抽查方法我常用反向核对:拿答案里的关键句去比对引用片段,对不上的记一笔。还有一个指标叫追问收敛率,用户多轮追问后能不能得到确定结论,还是越问越乱。这个指标测起来费点功夫,需要人工模拟多轮对话,我一般一周抽十组跑一遍。
指标定了还得定基线。没有基线的数字没法判断好坏。我的习惯是模板第一版上线后,先跑一轮评估记录数字,这组数字就是基线。后面每改一版,跟基线比。涨了记录原因,跌了排查改动。有段时间我改了一版摘要模板,覆盖度涨了五个点,废话率却翻了一倍,翻出改动记录一看,为了追求覆盖度把输出长度限制松开了,模型开始长篇罗列。评估指标单看一个都会误导人,必须组合着看。
说个真实的翻车案例。早期我只定了命中率一个指标,问答模板调了两周,命中率从六成八爬到七成九,我挺得意。结果客服那边反馈回答越来越啰嗦,一个问题回四百字,用户看不完。翻聊天记录才发现,为了提命中率我把上下文注入的片段数量调多了,模型把每条片段都复述一遍,答案又长又碎。命中率这个指标测的是“答案里有没有正确信息”,测不出“信息是不是啰嗦地堆在那”。后来加了答案长度中位数和直接结论首句率两个指标,才算把质量看全。
6.2 基于错误案例的提示词迭代与A/B测试思路
评估指标告诉你哪里有问题,错误案例告诉你怎么改。我现在维护一个错误案例库,用表格存,四列:问题原文、AI回答、错在哪、归因分类。归因分类自己定,我的分法有六类:检索没命中、检索命中了但片段不对、上下文没利用上、模板规则冲突、模型自由发挥跑偏、知识库本身没这个信息。每类攒够十条,我就集中改一轮模板。
这个分法救过我不少时间。有次客服问答连续出问题,我一开始以为是问答模板写得不细,差点把规则从头到尾重写一遍。翻了四十条错误案例,六成归因是“知识库本身没这个信息”,用户问的是新产品政策,文档还没入库。改了也是白改,先去补文档。错误案例一分类,改的是根因,不是症状。
归因明确了,改模板之前先想清楚改哪一层。我的原则是能用数据解决的别动规则,能用规则解决的别改结构。检索没命中,先查索引标签和分段策略,这层改好模板不用动。上下文没利用上,看注入格式,是不是片段太长模型抓不住重点,切短点、加个小标题往往就好了。模板规则冲突这一类才真需要动提示词,而且动之前必须找出具体是哪两条规则打架。我遇到过一条模板里写着“回答控制在三句话以内”,另一段又写着“完整引用原文依据”,两条规则互相拆台,模型每次只能顾一头。合并成“先一句话给结论,再一句给依据,依据里引用原文”才消停。
改完模板怎么验证?小改动我跑测试用例,大改动我上A/B测试。A/B测试的做法比想象中简单:把旧模板和新模板同时挂在系统里,同一批真实问题分别走两条路,答案人工盲评,评完对比。问题集我抽五十条,覆盖事实型、操作型、解释型和边界型,各占四分之一。盲评标准只有三项:答对没、答全没、答得清爽没。三项都占优才算新版赢。麻烦的地方在于让评审不知道哪条是旧版哪条是新版,我踩过这个坑。有次我自己评,心里知道哪版是新改的,评分不自觉偏袒新版,后来拉同事盲评才看出新版其实在操作型问题上退步了。
A/B测试有个前提经常被忽略:样本得代表真实分布。我第一次做A/B测试,问题集全是我自己编的,测出来新版大胜,上线后用户反馈却一般。一查才知道我自己编的问题太规整,跟用户真实提问方式差很远。用户提问经常带错别字、带上下文缺省、一句话问三件事。后来问题集里专门混进两成“脏问题”,这才算贴近真实。脏问题很多时候测出的差距,比干净问题更能说明模板的鲁棒性。
还有一条经验值得记下来。A/B测试跑完,新版赢了也别急着全量上线,先小流量跑三天,看真实用户的追问率和跳出率。模型评测集里表现好,真实场景里用户不买账的情况我碰到过两次。指标是标尺,用户行为是终审。小流量观察期发现异常,回滚来得及,全量上线再回滚,用户那边已经记下体验差了。
6.3 知识库文档总结提示词模板怎么写的常见误区与修正
这一节内容全是踩坑踩出来的。文档总结模板我前后写废过十几版,归拢下来有五类高频误区,每一个都让我交过学费。
第一个误区是贪多求全。新手写总结模板,恨不得把原文所有信息都塞进输出,要求列十几条要点,每条还得带细节。结果模型输出又长又散,总结跟原文差不多长,总结的意义没了。修正方法很简单,在模板里加一条硬约束:“输出不超过五条要点,每条不超过两句话,超出部分删减到最重要信息”。我试过更狠的版本,要求“假如下面这段总结只能保留三条,你留哪三条”,这个自我压缩指令效果出奇好,输出立刻紧实了。总结模板写的是取舍规则,不是信息罗列清单,这一点想明白,模板就写对了一半。
第二个误区是输出格式随意。模板只写“请总结以下文档”,输出格式每次不一样,今天分段列表,明天大段散文,问答模板那边解析起来天天报错。修正方法是把输出结构在模板里写死,用明确的字段标记:概览一段,要点列表三条到五条,关键词五到八个。格式写死之后,下游解析规则才能稳定。我现在的总结模板末尾固定加一段格式示范,把期望输出的样子贴一小段进去,模型照着葫芦画瓢,格式漂移少了很多。
第三个误区是忽略输入边界。文档总结模板面对的是各种文档,有的两千字,有的两万字,有的纯文本,有的带表格。模板只按两千字的文档写,遇到长文档开始丢细节,遇到表格输出一团乱。修正方法是在模板开头就写明输入假设和降级处理:超过五千字的文档按章节分段处理,含表格的文档单独说明表格内容如何保留。写清楚边界,模型至少在边界内运作;不写边界,模型遇到超纲输入就开始自由发挥,发挥出来的东西没法用。
第四个误区是规则写太死。有些模板把总结的每个细节都规定死,规定到“第二条要点必须包含数字”这种程度。规则太细,模型被绑住手脚,遇到不符合规则的文档强行套规则,总结出来很别扭。我现在写模板的规则分两级:硬规则三条以内,必遵守,比如输出长度、必备字段、禁止套话;软规则写成倾向性表达,比如“优先保留原文数字和时间节点”,优先到什么程度让模型自己判断。硬规则保底线,软规则给弹性,这个配比是我试了多轮之后觉得最稳的。
第五个误区最隐蔽:拿短文档测模板,上线后遇到长文档全崩。总结模板对文档长度很敏感,短文档里模型能全局把握,长文档里开头写得好,中间开始遗漏,结尾开始复读。修正办法只有一个,测试集必须覆盖长短两档。我的总结模板测试文档分三档:一千字、五千字、两万字,各存五份。改完模板三档全跑,任何一档出问题都不上线。长文档那档尤其要注意,重点看中段信息有没有丢,我碰到过好几次,长文档总结开头结尾都完整,中间章节的内容被模型顺手略过了,用户追问中段细节时答不上来。
6.4 智能问答模板上线检查清单与持续维护机制
问答模板比总结模板危险。总结出错了用户还能回原文查,问答出错用户直接拿去用,错了就错了。所以问答模板上线前我有一份固定检查清单,逐项打勾,一项不过不放行。
清单不长,八个检查项。第一项,角色和边界规则在不在,模板有没有明确告诉模型“只依据提供的上下文回答”。第二项,无答案场景的兜底话术测过没有,故意问一个知识库里没有的问题,看模型是老实说没有,还是编一个。第三项,引用格式对不对,答案里的来源标注能不能点开、能不能对应上原文片段。第四项,冲突信息处理测过没有,知识库里放两条互相矛盾的规则,看模型是并列呈现还是武断选一条。第五项,敏感内容触发规则生效没有,拿涉密、涉个人信息的测试问题跑一遍,该拒答的拒答了没有。第六项,回答长度在不在范围内,抽二十条真实问题量长度中位数。第七项,多轮追问能不能收敛,模拟三轮追问看结论是否稳定。第八项,追问问题里出现错别字和口语缩写时,检索和回答还正不正常。
这份清单我每次改大版本必跑一遍,跑一遍四十分钟左右,救过的场次数不清。印象最深的是第三项引用格式。有次小改模板措辞,把引用标注的位置从答案末尾挪到了句子中间,测的时候没在意,上线两天用户反馈来源链接点不开,一看是解析规则没跟上标注位置变化。清单里那一条要是认真跑了,这个问题当场就能发现,用不着用户来报。
上线之后靠持续维护机制兜着。我现在的维护机制分三层。日常层是自动监控,每天统计四个数字:无答案率、平均回答长度、追问率、用户负反馈条数。四个数字任意一个比上周均值偏离超过三成,触发人工排查。这个阈值调过好几次,太敏感天天报警,太迟钝漏问题,三成是我实测比较合适的档位。周度层是案例复盘,每周抽十条负反馈案例逐条看归因,归到六类里去,攒够数量集中改。月度层是全量回归,把三个档位的测试集和错误案例库全部重跑一遍,确认老问题没有复发。改了新规则把老问题带回来,这种事我遇到过不止一次,回归测试是唯一能挡住它的手段。
维护机制里还有一件小事,看着不起眼,作用很大:模板变更日志。每次改模板,日志里记三样东西:改了什么、为什么改、影响范围。影响范围那一栏最容易偷懒不写,我逼着自己写。有一次改了一条回答长度规则,日志里写了影响范围是“所有问答场景”,结果培训场景那边用同一套模板,改完术语解释被截断了。日志里写了影响范围,改之前就会想到去通知培训那边测一轮。变更日志是写给三个月后的自己看的,也是写给接手的人看的,模板维护最怕的不是改错,是改错了没人知道改过什么。
最后说句实在话。评估、优化、避坑这一整套东西,本质上是用流程对抗随意。模板写得再好,不评估就不知道好坏;评估了不改,指标就是摆设;改了不复测,老问题会悄悄溜回来。这套流程跑顺之后,我改模板的心态完全变了,以前改完心里打鼓,现在改完跑一遍清单和回归,心里有底。底不是来自对自己的信心,是来自流程给出的证据。