Harness 核心 · 模型周围的 Harness
迭代的艺术:知道何时收手
从粗到精的迭代节奏,以及何时该停止追问 AI
本页解决的问题
先给结论「迭代的艺术:知道何时收手」要解决的关键问题是什么?
从粗到精的迭代节奏,以及何时该停止追问 AI
判断标准
让这个结论先证明自己值得留下。 把这一页当成决策工具,而不是需要背下来的定义。把概念连到一个真实任务、一个可观察结果,以及一个能改变你判断的失败上。
下一步
写下一个问题:试完这个方法后,你能用什么证据回答它?
常见误区
结论听起来很完整,却没有检查最关键的假设。
输出质量仪表
输出质量仪表
相关性—
具体性—
可用性—
风格—
迭代过程
从「输出质量仪表」把感觉变成判断
「从粗到精的迭代节奏,以及何时该停止追问 AI」指出,AI 降低了做出“能用”成品的门槛,读者真正需要练的是看出哪里不对,并把感觉说成可以执行的要求。
观察用户的下一步,而不是只看表面
「从粗到精的迭代节奏,以及何时该停止追问 AI」可以转成几个可观察的问题:用户是否知道现在发生了什么,是否知道下一步做什么,出错或空白时能否恢复,以及信息层级是否让重要内容先被看见。
漂亮不等于容易用
把「从粗到精的迭代节奏,以及何时该停止追问 AI」用在第二个页面或流程上,记录一个具体犹豫点和一个改动后的用户动作;能被观察到的变化,才是体验改善。
从这个例子继续往下看
页面先提出「输出质量仪表 ↺ 重来 相关性 — 具体性 — 可用性 — 风格 —」。接下来不要只记住这句话,可以把它变成一个小练习:写下输入、预期结果,以及什么现象会让你重新检查这个判断。
把这条判断带到下一个场景
评估体验时,把抽象的“好看”或“顺手”换成用户动作:他是否看懂状态、找到了下一步、能从错误中恢复,并且愿意继续使用。
- 「输出质量仪表」:输出质量仪表 ↺ 重来 相关性 — 具体性 — 可用性 — 风格 —
最后做一次小而可逆的练习:把页面里的判断放进一个真实输入,写下预期结果和会让你停下来复核的信号。
标记为已学完 阅读进度会自动记录
我把这篇文章里的一个判断改写成了今天可以验证的小实验。比记住结论更有用的是,知道下一步要观察什么。
读完以后我先回头找它成立的条件,而不是直接把方法搬进项目。这个顺序让后面的取舍清楚很多。
如果把这个判断放到真实工作里,最先需要补的约束是什么?我想知道从阅读到第一次实践之间,哪一步最值得先做。
还没有这篇文章的讨论。