Skip to main content
把积分优化讲成更好地设计工作,而不是提醒大家少用 AI。有效的复盘会问:哪些工作流真正带来了价值?能否通过更清楚的请求、更窄的数据范围或更轻量的首轮处理,在保证质量的同时减少返工?

从清晰的请求习惯开始

大多数成员不需要了解内部计量公式,只需学会说明任务、受众、资料来源、分析深度和停止条件。例如: 清晰的请求会告诉 Agent 什么最重要、先查哪里、需要多少细节,以及何时停止。

先做轻量处理,再决定是否深入

问题关系重大、依赖多个来源或需要厘清冲突证据时,可使用深入研究模式或更强的模型。简短摘要、简单改写、排版、分类,或从已知文档提取字段,通常不需要如此深入。 培训大家记住:**先做首轮处理,结果显示有必要时再深入。**先要求最有用的简洁答案;发现真实缺口后再追问,而不是默认要求最大篇幅。如果工作区提供模型分层或自动模型,应以当前界面显示的选项进行说明。

选择合适的工作方式

如果同一套步骤反复出现,可考虑将其整理为 Skill 或 Agent。可复用方法能减少重复准备、提高一致性,也能避免不必要的工具调用。每套方法都应限定在其实际用途内。

帮助老用户调整已有习惯

使用工作区内不含敏感信息的真实例子,展示可行替代方式:
  • 把覆盖太广的默认 Agent,换成处理固定任务的专用 Agent。
  • 旧对话积累了无关背景时,新建对话。
  • 扩大受支持工作流的处理量前,先用小批次测试。
  • 日常分流先用轻量方式;只有确实需要的事项才进行更强的分析。
并排展示实际例子,通常比笼统提醒“注意用量”更容易让人理解。

培训 Agent 搭建者

搭建阶段的选择会影响之后每次运行。复核时可以问:
  • 哪些步骤可以用较轻量的模型,哪些确实需要更强推理?
  • Agent 应优先检索哪些资料?哪些来源不必默认接入?
  • 哪些工具是任务核心,哪些可以移除?
  • 应该用一个覆盖面很大的 Agent,还是几个职责清楚的小 Agent?
  • 重复的人工步骤是否应该整理成 Skill 或可复用工作流?
  • 用几份有代表性的真实样例测试后,结果是否达标?
搭建者应写清楚指令,聚焦资料和工具范围,用实际案例验证模型调整,并将只读任务与需要人工复核的更改分开。

让管理者把讨论放在工作结果上

“谁用了最多积分”容易让成员觉得有用的工作受到责备。可以转而关注工作流的价值和质量:

将优化变成固定习惯

按团队节奏安排复盘:
  • **每周:**检查异常用量变化以及背后的工作流。
  • **每月:**选一个重复任务,优化指令、资料范围或模型选择,并用几份实际样例比较结果。
  • **每季度:**检查 Agent 清单、Skill 负责人、资料时效,以及需要更新或停用的工作流。
可准备一页 Agent 使用指引、简短提示词示例、搭建检查清单和工作流复盘模板。培训材料应跟 Counso 当前实际启用的功能保持一致。 目标是让每次交互更有用:选对 Agent,提供聚焦的上下文,控制合适的深度,并在能改善结果时把重复工作固化为流程。