怎样让已有知识与计算支持新的探索？
研究资料、数据分析与候选方案可以进入同一流程，再由相应的计算或实验方法检验。
我们的工作方法用 AI 解决任务，
用 AI 解决任务，
从理解目标开始。
一项任务可能涉及资料、软件、专业判断和多人协作。我们把这些环节放回同一个目标中，构建能够实际运行的方案。
我们的共同方法是理解目标、构建方案、验证结果、持续改进。它适用于不同领域，具体采用什么工具、怎样判断结果，由任务本身决定。
- 1
理解目标
理解任务为什么重要、当前怎样完成，以及什么样的变化才有价值。
- 2
构建方案
结合已有资料和系统，组织 AI、工具与人的分工，做出可以使用的方案。
- 3
验证结果
用实际任务和独立的检查判断表现，对照原来的目标找出差异。
- 4
持续改进
将使用反馈与验证结果带回方案，让下一轮工作建立在新的认识上。
每一轮都回答同一个问题：方案是否帮助我们更接近最初的目标？
先理解你的工作，
再决定 AI 怎样参与。
合作通常从一个具体问题开始。我们一起了解当前的做法、已有资料与系统，以及团队希望改变的地方。时间、成本、数据条件和责任分工，都会影响方案的选择。
有些任务需要把分散的知识组织起来，有些需要连接原本独立的软件，还有些需要重新安排人和工具之间的交接。我们会先找到值得推进的一部分，用一个范围清楚的起点检验方向。
让模型、工具和人，
围绕同一个目标工作。
我们根据任务选择模型和工具，将检索、分析、生成或执行能力接入已有流程。资料怎样进入，结果怎样传递，哪些判断需要由专业人员完成，都在方案中具体体现。
AI 的输出可以是一份待审阅的内容、一个候选设计，也可以触发下一项操作。我们把这些产物与后续工作连接起来，让团队能够查看、修改和继续使用。
用实际任务，
判断方案的价值。
方案开始构建时，我们就共同确定怎样判断它是否有效。结果由适合任务的方法来检查：数据核对、专业审阅、软件测试、工程实验或实际使用反馈。生成方案与评价方案分别组织，避免仅凭一次展示得出结论。
我们保留结果的来源和运行条件，理解哪里有效、哪里存在差异。用户反馈、失败记录与新的资料进入下一轮调整；修改后的方案再次接受检验。随着认识增加，流程也可以逐步扩展。
应用领域共同的方法，
共同的方法，
各有依据的判断。
不同领域共享这个工作过程，专业知识与评价标准始终属于各自的任务。
交付与使用把能力留在
把能力留在
团队的日常工作中。
根据任务，我们交付产品、集成流程或专业工具，同时说明怎样使用、维护和继续改进。团队应当能够接手工作，也能理解结果从哪里来。
- 可使用的方案
- 与目标对应的功能、流程和操作方式，接入约定的工作环境。
- 可检查的依据
- 关键资料、运行记录与验证结果，以及适用条件和已知限制。
- 可延续的工作
- 必要的配置、文档和交接，让后续维护与改进有据可依。
开始合作从你正在面对的
讨论你的项目 从你正在面对的
一个问题谈起。
告诉我们现在怎样工作，以及你希望 AI 帮助实现什么。