第 9 课：模块一综合实战与复盘

🎯 核心实操目标

学习目标：融会贯通。作为第一大章节的结业节点，由于后续进入第二、第三模块后需要进行较高强度的写作发表与数据处理，请确保你已经将【BROF 提示词法】、【费曼解析】和【四维漏斗校验】熟练掌握、内化为习惯。

📋 课前准备（5 分钟自检）

账号

• [ ] 豆包（必备，国内零基础友好）：doubao.com
• [ ] 至少一个海外平台账号（任选其一）：GPT-5 / Claude 4.8 / Gemini 2.5

工具/环境

• [ ] 一台可上网的电脑（Windows / Mac / Linux 均可）
• [ ] 任意浏览器（推荐 Chrome / Edge / Safari 最新版）
• [ ] 一份用于记录提示词与对话的本地笔记（Markdown / Word / Notion）

数据/素材

• [ ] 一段你自己工作/学习中真实卡住的文字问题（用作实操对象）

应急通道

• 海外平台无法访问 → 用国产替代：Kimi K2 / DeepSeek V3 / 通义千问
• 浏览器卡顿 → 关闭其他标签后重试，AI 网页对内存敏感
• 不会注册 → 加入课程答疑群索取注册教程

---

场景导入：别让方法只停留在收藏夹里

“收藏提示词很容易，容易让人误以为收藏了就等于会用。但真正的水平差异，往往出现在遇到真实且复合型难题时——你能否迅速把多种方法组合调用。接下来的考核不提供任何可一键复制的完整提示词，需要你依靠前 8 节课积累下来的方法与判断来解决这套复合问题。”

---

模块一能力综合回顾

回顾我们在 Module 1 中学到的三大核心方法，它们将在这次综合考核中组合为一套完整的解题方案。

🔬 原理：这三个方法为什么能串成一条解题链

要理解为什么是"BROF 搭骨架 → 费曼解释 → 四维校验"这个顺序，得先回到一个关于大模型的基本事实：它本质上是在按训练语料里的统计规律，预测"下一个最可能出现的词"。由此可以推出三条可观察的行为，三大方法恰好各自对应其中一条：

• 为什么需要 BROF（先约束）：模型没有"任务边界"的内在概念，它只会顺着上文把"看起来该接下去的话"continue 下去。提示词约束得越松（如"帮我写份大纲"），它越倾向于补全成一篇信息量最大、最完整的长文——因为训练语料里"大纲"常与大段正文相伴出现。BROF（Role/Background/Objective/Format）的作用，可理解为在第一步就把输出空间收窄，让"最可能的下一段"从"长篇作文"变成"克制骨架"。这也解释了任务一里"提示词越松、废话越多"的现象。
• 为什么需要费曼（再翻译）：模型解释专业术语时，往往会复述训练语料中该术语周边最常共现的表达——而 HLM 这类术语在语料里几乎总是和"系数、方差、随机效应"绑定出现。于是不加约束时，它会给你一段"换成中文但仍是术语"的解释。费曼法通过显式压低身份、锁定单一生活比喻，把它引导到另一片语料分布（日常生活叙述），从而绕开术语堆叠。
• 为什么需要四维校验（最后兜底）：这是整条链最关键的一环。因为模型并没有接入一个可信的事实数据库，它生成"参考文献[1]-[6]"或某个统计量时，靠的是"这里出现一条文献/数字在统计上很合理"，而非"我查到了这条文献"。这种与事实无关、却语法通顺的编造就是下文要定义的"幻觉"。它无法靠把提示词写得更好来根除——只能靠输出之后的人工核验拦截。所以四维校验必须放在链条末端，作为前两步无法覆盖的事实性兜底。

一句话原理：BROF 管"少说废话"，费曼管"说人话"，四维管"说真话"——三者分别针对模型"会过度补全、会堆术语、会一本正经编造"这三种倾向，缺一不可，且顺序不可随意调换。

📖 关键术语精确定义

本节反复用到下面几个术语，先给出标准定义与英文，便于你在后续模块中对照文献：

术语	英文	定义（本课用法）
幻觉	hallucination	模型生成的内容语法通顺、看似可信，但与事实不符或无法溯源（如凭空生成的文献、数据）。源于它预测"像样的下一个词"而非查证事实。
上下文窗口	context window	模型在本轮对话中能同时"看到"的全部文本范围。迭代纠偏之所以要在同一窗口内进行，正是因为换窗口会丢失之前积累的约束。
负向提示 / 负向纠偏	negative prompting	通过明确告诉模型"不要做什么"（如"删除全部正文""禁止出现某术语"）来收窄输出，而非只表达"不满意"。
中介（变量）	mediator	自变量 X 通过它影响因变量 Y 的中间变量（如本课的"脱发感知""人力资本"）。X→M→Y 是一条解释路径，非直接因果。

---

综合实战：课题组的三个真实障碍（期中综合练习）

📋 本节情境： 你正在牵头负责高校“大学生熬夜与脱发抑郁的跨学科纵向干预研究”课题组。下周就要提交开题经费审核以及申报书盲审。 目前你遇到了三个关键障碍，请打开你的 Kimi/ChatGPT/Claude，利用前八课的方法逐一解决：

任务一：用 BROF 搭起大纲框架

困境：你只有一个初步概念“熬夜掉发抑郁”，尚未形成课题申报书的目录框架。 任务动作：请你回忆 第 3 课 和 第 5 课 提及的【BROF 要素法】与【骨架与填充增量写作法】，编写一段约束力较强的提示词，引导大模型只输出 5 个重点章节的树状课题大纲。

• 验收要求：AI 返回的结果中不应包含冗余长文或虚构的段落，仅保留克制、专业的结构化骨架。

参考处理路径

Prompt 示例：

【Role】严格的课题评审专家
【Background】仅有“熬夜与脱发抑郁的横向研究”模糊痛点
【Objective】帮我用BROF骨架法拆解5个章节的大纲，要求使用极简结构，仅保留章节标题与核心自变量、因变量，不要生成任何正文段落。

📊 合格答卷 vs 不合格答卷（任务一对照）

判分关键不在"AI 给没给大纲"，而在你的提示词有没有约束住输出边界。下表对照同一题的两种提示词与各自真实输出：

维度	❌ 不合格（提示词过松）	✅ 合格（提示词克制）
提示词写法	"帮我写一份熬夜掉发抑郁的课题申报书大纲"	限定 Role / Objective / 输出格式，明确"只要 5 章树状骨架、只列标题与变量、禁止正文"
真实输出形态	返回 1500+ 字正文，每章配两段背景论述，还自行虚构了"参考文献[1]-[6]"	返回一棵 5 节点的纯标题树，每章只挂核心自变量/因变量
为什么不合格	你拿到的是一篇半成品作文，删改成本比自己写还高；虚构文献是事实性污染	骨架可直接复用，变量关系一眼可见，无需二次清洗

✅ 合格输出范例（克制骨架，可直接复用）

课题大纲（树状骨架，仅标题+核心变量）
├─ 1. 研究背景与问题提出
│     └ 现象：高校学生熬夜普遍化
├─ 2. 文献综述与理论框架
│     └ 自变量 X：睡眠剥夺（熬夜时长/规律性）
├─ 3. 研究假设与变量界定
│     ├ 中介 M：脱发感知/躯体化压力
│     └ 因变量 Y：抑郁倾向得分
├─ 4. 研究设计与数据采集
│     └ 设计：纵向追踪（多时点重复测量）
└─ 5. 数据分析与预期贡献
      └ 方法：纵向多层次线性轨迹模型（HLM）

全程零正文、零虚构文献——这才是 BROF "骨架与填充"要的交付物。

❌ 不合格输出片段（过松提示词的真实产物）

"第一章 绪论 随着当代高等教育竞争日益激烈，大学生群体的作息紊乱已成为不容忽视的公共健康议题。大量研究表明，长期熬夜不仅……（后续连续 6 段背景铺陈）。参考文献：[1] 张某某. 睡眠与情绪. 2021……"

问题诊断：① 输出了你没要的正文，把"列大纲"做成了"写论文"；② [1]-[6] 文献是 AI 凭空生成、无法溯源的——这正是 BROF 要靠"约束力极强的提示词"在第一步就切断的污染源。

🔁 换一个学科再走一遍 BROF（经管面板 · Case B）

上面的示例是心理/纵向题材。BROF 的价值在于跨学科可迁移——同一套"骨架与填充"的约束，换到经管的省级面板研究上一字不改地照用即可。这里用课程配套的 Case B（30 省 × 10 年面板：核心自变量 DigEcon_Index 数字经济指数 → 中介 HumanCap_per10k 人力资本 → 因变量 Innovation_Index 区域创新能力）走一遍，让经管/统计方向的学员看到迁移路径。

参考提示词（经管版 BROF，仅换变量、约束结构不变）

【Role】严格的经济学申报书评审专家
【Background】研究"数字经济发展水平对区域创新能力的影响：人力资本的中介作用"，数据为 30 省×10 年面板（2014–2023）
【Objective】用 BROF 骨架法拆解 5 个章节的开题大纲。要求极简结构：仅保留章节标题，并在对应章节挂出核心自变量(DigEcon_Index)、中介变量(HumanCap_per10k)、因变量(Innovation_Index)与计量方法。
【Format】纯树状结构，每章只列标题+变量，不写任何正文段落，不虚构任何文献。

✅ 预期输出（克制骨架 · 可直接复用）

课题大纲（树状骨架，仅标题+核心变量）
├─ 1. 研究背景与问题提出
│     └ 现象：区域间数字经济发展不均衡
├─ 2. 文献综述与理论假设
│     ├ 自变量 X：数字经济发展指数 DigEcon_Index
│     └ 中介 M：人力资本 HumanCap_per10k
├─ 3. 变量测量与数据来源
│     └ 因变量 Y：区域创新能力 Innovation_Index（面板 30省×10年）
├─ 4. 计量模型与识别策略
│     └ 方法：双向固定效应面板回归 + Bootstrap 中介检验
└─ 5. 实证结果与政策启示
      └ 稳健性：替换 Y 为 PatentApps_per10k 复核

对照心理学版本可以发现：变量名、方法名变了，但"只给标题、只挂变量、零正文、零虚构文献"的骨架约束完全一致——这就是 BROF 在学科间迁移的方式。换到你自己的医学/教育课题时，同样只需替换 Role 的学科与三类变量名。

任务二：用费曼方法把术语讲清楚

困境：在生成的课题大纲中，AI 建议你使用一种名为 “纵向多层次线性轨迹模型估计法 (HLM)” 的统计方法。你一时无从理解。 任务动作：请你回忆 第 6 课，写一句提示词，要求 AI 不使用数学公式，而是使用“在马路上记录汽车过闸打卡”或类似贴近日常的生活比喻，向你解释这种模型到底是在测什么。

• 验收要求：你看完它的比喻后，能够清楚地理解“原来它测的就是这个”。

参考处理路径

Prompt 示例： 我是一个纯文科生，看不懂任何数学公式。请用“在马路上记录汽车过闸打卡”这种贴近生活的比喻，帮我通俗解释“纵向多层次线性轨迹模型估计法 (HLM)”到底是在测算什么。

✅ 把"是否真正理解"拆成可勾选的三条（任务二验收标准）

"是否理解"是主观的，不易评判。把它拆成三条客观可核对的指标——三条全部满足才算合格：

#	合格费曼解释必须满足	自检方式
1	零公式：全程不出现任何数学符号、希腊字母、"系数/方差/估计量"等术语原词	通读一遍，出现一个公式即判不合格
2	一个生活场景贯穿到底：从头到尾只借用同一个比喻（如菜市场），不中途换喻体	数一下喻体个数，>1 即扣分
3	能一句话复述：你看完后能用自己的话，不看原文复述出"它到底在测什么"	合上屏幕复述，卡壳即未达标

✅ 合格范例：HLM 的"菜市场摊位"比喻（零公式 · 单一场景贯穿）

把每个被追踪的学生想成菜市场里的一个摊位，连续几个月每天去记一次这个摊位的"抑郁分数"。

如果你只算全市场所有摊位的平均涨跌，会犯一个错：A 摊在菜场东头、人流大，B 摊在角落、本来就冷清——把它们的逐日数据混成一锅算平均，等于无视了"摊位之间天生不一样"。

HLM 干的事，就是分两层来看：

• 第一层（摊位内部）：先单独盯住每个摊位，看它自己这几个月是越来越旺还是越来越淡——这是每个学生自己的变化轨迹。
• 第二层（摊位之间）：再回过头比，为什么有的摊位一路走旺、有的一路走淡？是不是"靠门口"（熬夜多）的摊位普遍越走越淡？——这是用学生层面的差异去解释他们各自轨迹的不同。

所以一句话复述：HLM 是先量出每个人自己随时间怎么变，再去解释"人和人之间为什么变得不一样"——而不是把所有人搅成一杯平均水。

对照验收三条：① 全程无一个公式 ✅；② 从头到尾只用"菜市场摊位"一个喻体 ✅；③ 末尾那句加粗就是可复述的一句话 ✅。

❌ 不合格范例（看似讲解，实则未通俗化）

"HLM 即 Hierarchical Linear Model，它通过在 Level-1 估计个体随时间的斜率系数，再在 Level-2 用组间方差成分解释随机效应，从而……"

不合格点：出现了"斜率系数/方差成分/随机效应"——专业术语换成中文表述后依然难以理解，违反第 1 条；既没有生活场景，也无法一句话复述。这种回答说明你的提示词没有把"禁止术语 + 锁定单一生活比喻"的约束明确写入。

🛠️ 提示词写好 vs 写砸（逐要素对照）

任务二的成败，几乎全押在你怎么写那句提示词上。同一个意图，措辞差一点，输出就从"看完秒懂"滑到"换了壳的术语"。下面拆成四个要素，逐条给出 ❌ 写砸 / ✅ 写好的具体写法：

要素	❌ 写砸的写法	✅ 写好的写法	差别为何致命
身份设定	"解释一下 HLM"	"我是纯文科生，看不懂任何公式"	不声明知识水平，AI 默认按"同行"讲，必然堆术语
比喻约束	"用通俗的话讲讲"	"只用'马路过闸打卡'这一个比喻，从头到尾不许换"	"通俗"是模糊词；不锁定单一喻体，AI 会中途跳喻把人讲晕
术语红线	（不提）	"禁止出现系数、方差、估计量、Level-1 等任何术语原词"	不画红线，AI 会把术语翻成中文照搬，等于没解释
验收钩子	（不提）	"最后用一句话总结'它到底在测什么'"	不要求收尾的一句话，你就没有可复述的抓手

一句话记法：身份压低、喻体锁死、术语拉黑、结尾留一句——四个钩子都写进提示词，输出才稳定合格。

任务三：识别并防范学术伦理与数据合规风险

困境：在课题的数据收集计划一栏中，AI 给出了如下步骤：“为保证追踪精度，我们将利用辅导员权限收集各宿舍 500 名全体样本青年的学号、每日门禁人脸监控录像片段以及宿舍路由器抓包流痕，然后统一交给 ChatGPT 进行异常行为特征标记提取。”任务动作：作为课题的学术合规负责人，请你识别出这段话中可能违背学术伦理并引发严重后果的风险点。结合 第 8 课 的内容，写出正确的处理思路。

• 验收要求：明确指出其中涉及过度追踪与隐私暴露的数据项，并要求实施本地“模糊脱敏（泛化标识法）”处理。

参考处理路径

关键风险：利用辅导员权限收集“学号、人脸监控、路由抓包”属于对隐私的严重侵犯。将这批实名数据上传给公有云大模型，会带来严重的数据泄露风险和科研伦理违规。 处理思路：必须在断网的本地环境进行隔离处理，删除学号和人脸数据，将高度敏感的行为数据泛化合并（例如计算总体活跃度评分），确认无害后再进行模型训练或辅助标记。

💡 工具印证：腾讯 Marvis（marvis.qq.com）提供的"隐私/端侧模式"正是这一原则的产品化体现——该模式下文件留在本地处理、可断网使用、敏感文件不上传云端，与本节"敏感数据先在本地脱敏、不上云"的思路一致。

⚠️ 一个常见但错误的处理反例（任务三反面教材）

很多人识别出风险后，会给出一个"看起来很负责"的方案，却仍然出错。请先判断下面这条思路错在哪，再看解析：

❌ 错误处理思路

"我让 AI 先帮我把人脸数据打码再上传——这样上传给云端模型的就是打过码的，应该就安全了。"

错在哪（三连问拆解）：

1. 谁来打码？ 你说"让 AI 帮我打码"——可 AI 在云端。要让云端 AI 给人脸打码，你必须先把没打码的原始人脸传上去。脱敏动作发生在数据已经离开你电脑之后，等于先泄露再补救，顺序根本反了。
2. 打码=脱敏吗？ 打码只是遮挡像素，它不是合规意义上的脱敏。学号、宿舍门禁时间戳、路由抓包流痕这些身份关联字段只要还在，结合外部信息照样能反推到具体个人；只糊一张脸解决不了"可识别个人"的根本问题。
3. 数据落地谁负责？ 一旦原始片段进了公有云大模型的服务器，它是否被留存、被用于训练、传到了哪个司法辖区，你都失去控制。科研伦理审查看的是"原始敏感数据有没有出过你的可控环境"，而这条思路从第一步就把答案变成了"出过"。

	❌ 错误思路（先传后脱敏）	✅ 正确思路（先脱敏后出门）
脱敏发生的位置	云端（数据已离开本地）	本地断网环境
原始人脸/学号是否上云	是（致命）	否，本地即删除
给模型看到的	打了码但仍含身份字段的原始片段	已泛化的总体指标（如活跃度评分）
是否过审	否，原始敏感数据出过可控环境	是

一句话纠正：脱敏的基本原则是"敏感数据离开本地之前，先在本地把它变得不敏感"——任何"先上传、再让云端帮我处理干净"的顺序，本质上都已经构成泄露。正确做法仍回到上面的"参考处理路径"：本地隔离 → 删除学号与人脸 → 行为数据泛化合并 → 确认无害后才考虑交给模型。

---

⚠️ 三任务常见误区速查

下表汇总本节三项技能里学员最常踩的坑——每条都给出"为什么错"与"怎么改对"，做最后一遍自查时对照即可。

任务	常见误区	纠正方法
一 · BROF	提示词写成"帮我写一份大纲"，把约束全交给 AI 自由发挥	把 Role/Objective/Format 三段写死：限定学科身份、只要 5 章树状骨架、明文禁止正文与文献
一 · BROF	拿到 AI 自带的"参考文献[1]-[6]"就直接抄进申报书	这些是凭空生成、无法溯源的；BROF 阶段就该用"禁止虚构文献"切断，引用统一留到模块二真实检索
二 · 费曼	提示词只说"通俗一点"，没声明自己的知识水平	显式压低身份（"纯文科生、看不懂公式"），AI 才会真正降维，而非按同行讲
二 · 费曼	没锁定单一比喻，AI 中途从"菜市场"跳到"工厂流水线"	在提示词里写明"只用这一个比喻、不许换喻体"，并要求结尾给一句可复述的总结
三 · 合规	先把原始人脸/学号传上云，再让云端 AI"帮忙打码脱敏"	顺序反了即已泄露；脱敏必须发生在数据离开本地之前，本地断网完成后才考虑上云
三 · 合规	以为"打码遮脸"就等于脱敏，保留了学号/门禁时间戳等身份字段	打码≠脱敏；只要身份关联字段还在就能反推个人，须删除或泛化所有可识别字段

🧭 解题链的系统用法：何时用哪一招、哪些题不适用

本节示范的是三招"按顺序全用"的标准链，但真实研究里你不会每次都从头跑完整条链。把它当成一套可按需调用的工具，而非固定流程。下表给出何时用何者、以及边界条件：

你面对的卡点	主用方法	是否需要其余两招
有想法、缺结构（要大纲/框架/分类）	BROF 搭骨架	若骨架里出现你不懂的术语→补费曼；只要 AI 生成了文献/数据→必上四维
看不懂某个术语/方法/公式	费曼解释	通常单独用即可；但若解释里又冒出新术语，可对新术语再走一次费曼
AI 给了具体事实（文献、数字、统计量、引文）	四维校验	永远单独都要做——这是不可省略的一招
涉及真人数据、隐私、上传敏感材料	（不在三招内）合规前置判断	先过合规红线，确认可上云后再谈用哪招

链的三种典型变体（按场景裁剪，不必都跑满）：

1. 完整链（本节考核形态）：结构 + 术语 + 事实三类卡点同时存在 → BROF → 费曼 → 四维，逐步走完。
2. 轻量链：只是想让 AI 帮忙搭个框架、且输出里没有任何事实声明 → 只用 BROF + 一次四维"格式/逻辑"快检即可，可跳过费曼。
3. 纯校验链：你已有成稿，只想核查 AI 之前生成的内容是否可信 → 直接上四维，跳过前两招。

这条链不适用（或不够用）的边界：

• 需要最新、可溯源的真实文献时——本节明确禁止采信 AI 自带的"参考文献[1]-[6]"。三招都无法凭空变出真实文献，这件事要留到模块二：深度文献获取用真实检索完成。
• 涉及真人敏感数据时——任何方法都不能替代合规判断。哪怕提示词写得再克制，把原始人脸/学号上云这一步本身就已违规（见任务三）。
• 需要精确数值计算或定理证明时——模型按概率续写，对长链算术与严格推导并不可靠；这类任务应交给统计软件/计算工具，AI 只用于解释思路。

🚧 边界与局限：三招各自在什么情况下会失效

诚实地标出每一招的失效条件，比记住它"怎么用"更重要——下面每一条都扣住"模型按概率预测下一个词、且不接事实库"这一根因：

• BROF 的局限：它能收窄"输出形态"（让 AI 只给骨架），但管不住"内容真假"。一个约束良好的提示词同样可能产出一棵结构漂亮、却把变量关系设定错误的大纲。骨架的学术正确性仍需你自己判断，BROF 不替你背书。
• 费曼的局限：生活比喻是"近似翻译"，天然有损。比喻讲清了直觉，但往往会牺牲精确性——"菜市场摊位"能让你懂 HLM 在分两层看数据，却不能让你据此正确设定模型或解读系数。比喻用于入门理解，不能用于方法实操；真要动手跑 HLM，仍需回到正式教材。
• 四维校验的局限：它能拦截幻觉，但拦截能力取决于核验者的水平。AI 编一条格式完美、作者年份齐全的假文献，只有你真的去检索才能识破——光靠"看起来对不对"会漏判。四维不是让 AI 自查（它自查同样可能自圆其说），而是要求人去外部信源核对。

共同的红线：以上三招都建立在"AI 是协作者、不是事实权威"之上。一旦你把任何一招的输出未经核验直接当成定稿，方法就失效了——这也是本节交付物为何强制要求"四维质检记录"的原因。

🔄 首版输出不满意？回到迭代法，而不是重开窗口

完成上面三任务时，你大概率会遇到"第一版输出不达标"的情况——这是常态，不是失败。此时不要关掉窗口另起炉灶，正确动作是在同一个上下文里做负向纠偏与逐层收紧约束，这正是 第 2 课【指令迭代漏斗】与【负向纠偏 Negative Prompting】教过的方法。把它套到本节三任务上：

• 任务一（BROF）输出仍夹带正文 → 别重写提示词，直接追一句负向约束：「上一版仍有正文段落，请删除全部正文，只留标题与变量的树状结构」，逐轮收紧到纯骨架。
• 任务二（费曼）解释仍带术语 → 指着具体词纠偏：「你这版又出现了'系数''随机效应'，请把这两个词替换成马路过闸的说法，并保持同一个比喻」——第 2 课强调过，有效纠偏的前提是"给出可核对的红线"，而不是只说"再通俗点"。
• 任务三（合规）方案仍把敏感数据上云 → 让它重排顺序：「请把所有脱敏动作移到'数据离开本地之前'，并列出哪些字段必须在本地删除/泛化」。

记住 第 2 课的核心判断：负向纠偏起效的前提，是你给了新身份或新红线，而不只是表达不满。只说"重写""不满意"，模型只能原地打转。

---

📦 本课交付物

按本节实操任务完成并提交以下内容，提交 AI 初审，按 Module_Rubrics.md 对应维度评分：

• [ ] 本节实操产出：本节任务区块要求的具体文件 / 文本 / 截图
• [ ] AI 协作日志：至少 1 段完整的"任务描述 → AI 输出 → 人工修正"对话记录
• [ ] 四维质检记录：用 Course_QA_Checklists.md（事实/逻辑/格式/引用）核查本节 AI 输出的笔记
• [ ] 沉淀模板：将本课关键 Prompt / 流程 / 检查清单加入你的个人工具箱

---

🏁 本章小结：模块一能力全图

模块一到此收尾。把九节课的能力凝练成一张图：所有方法都指向同一个判断——AI 是按概率续写、不接事实库的协作者，不是事实权威。围绕这个根认知，你应已掌握三层能力：

第一层 · 会约束输出（让它少说废话）

• 用 BROF（Role/Background/Objective/Format）把输出空间收窄，从"长篇作文"逼到"克制骨架"；
• 理解为何提示词越松、废话越多——模型倾向补全成"信息量最大"的形态；
• 这套约束跨学科可迁移：心理问卷题与经管面板题（Case B）只换变量、约束结构不变。

第二层 · 会翻译与降维（让它说人话）

• 用费曼法（压低身份 + 锁定单一比喻 + 拉黑术语 + 结尾留一句）把术语讲成直觉；
• 清楚比喻是"有损翻译"——管入门理解，不管方法实操。

第三层 · 会核验与守界（让它说真话、守红线）

• 用四维校验（事实/逻辑/格式/引用）拦截幻觉，尤其是凭空生成的文献与数字；
• 守住学术伦理与数据合规红线：敏感数据出本地之前先在本地脱敏，打码≠脱敏；
• 首版不达标时回到负向纠偏 + 迭代漏斗，在同一上下文窗口内逐层收紧，而非重开窗口。

贯穿三层的一条链：结构 + 术语 + 事实三类卡点同时出现时，按 BROF → 费曼 → 四维 串起来解；卡点单一时按需裁剪（轻量链 / 纯校验链）。这套判断，就是你带进模块二的核心装备。

✅ 自测清单

完成本节后，你应当已经能够较为熟练地使用和调度通用语言模型。

• [ ] 针对上述三项任务，我已经能较快地构思出相应的解决策略，并写出合格的 Prompt。
• [ ] 我能说出三招分别对治模型的哪种倾向（过度补全 / 堆术语 / 编造），以及为什么顺序不可随意调换。
• [ ] 我能准确说出"幻觉""上下文窗口""负向提示""中介"四个术语的含义。
• [ ] 我已经认识到，不应对 AI 抱有“点一下就自动生成一篇高质量成稿”的不切实际的期待。
• [ ] 【归档】：我已将常用 Prompt 保存在本地笔记或备忘录中，准备进入模块二：深度文献获取。

🧠 思考与练习

下面的题目用于检验你能否迁移本节概念，而非复述任务。建议动手写出提示词或答案后再对照"好答案要点"。

1. 裁剪解题链：你已经有一份写好的研究方法段落，只想确认其中提到的两条文献和一个 Cronbach's α 数值是否可信。这种情况下，BROF / 费曼 / 四维三招你会用哪几招、跳过哪几招？为什么？ 好答案要点：识别出这是"纯校验"场景——只需四维（尤其"引用/事实"两维，去外部信源核对文献与数值），可跳过 BROF 与费曼；并能说明跳过的理由是"此处无结构与术语卡点，只有事实可信度问题"。

2. 诊断一次失败：你写了"请用通俗的话解释一下信度分析"，AI 回了一段仍带"方差""一致性系数"的解释。请只改提示词、不换模型，写出修正版，并指出原提示词违反了任务二四要素中的哪几条。 好答案要点：定位到违反"身份设定（未压低）+ 比喻约束（未锁单一喻体）+ 术语红线（未拉黑）"三条；修正版应显式声明知识水平、指定唯一生活比喻、明文禁止"方差/系数"等词、并要求结尾一句可复述总结。

3. 把原理讲给同学：用你自己的话（不超过 80 字）解释——为什么"AI 自带的参考文献[1]-[6]"不能直接抄进申报书，且这个问题无法靠把提示词写得更好来解决？ 好答案要点：能讲到"模型按概率续写、不接可信事实库，文献是统计上'像样'的编造（幻觉）而非查证结果"，因此根因在生成机制、不在提示词；只能靠输出后的人工外部核验（四维）拦截。

4. 合规迁移到新场景（结合 Case A）：课题组想把 Case A 心理问卷（N=500，含 Age 及 12 项 Anxiety 条目）整表上传给公有云模型做"自动异常应答检测"。请指出风险，并给出一个让数据可安全使用的最小改造方案。 好答案要点：识别整表含可间接识别个人的字段，须在本地断网环境先处理；改造方案应是删除/泛化直接与准标识字段（如对 Age 分箱、剔除任何编号），仅上传去标识后的条目级或汇总指标，并说明脱敏必须发生在"数据离开本地之前"——与任务三"先脱敏后出门"原则一致。