AI资料整理:探索阶段先宽范围浏览,再回到两步法

可以先自检一下：你上一次让 AI 读资料，它读了几份？输出里的结论，你能对上几份？如果答不上来，下一次可以先缩小要读的范围，再检查输出是否容易对回来源。

我试过一个更省事的顺序：先让 AI 列候选文件，再由我挑出真正要读的少量文件。 这篇只讲这一个动作：怎样在开始读取前，先把资料范围缩小。

一、问题出在“读之前”

资料查找任务如果一开始没有限定文件范围，AI 可能读进与当前问题无关的材料。回答一长，逐条核对来源也会更费力。

我在自己的资料任务里试过先列候选文件、再定向读取。这里把这一步拆开，供有类似任务的同学参考。

二、两步法：先列候选，再定向读取

我实际用的顺序是这样的：

第一步：让 AI 只列候选，不读正文。

要求它根据文件名、目录结构或已有摘要，列出“可能与当前任务相关”的文件清单，并说明每个文件为什么可能相关。

第二步：我自己选，再让它读少量文件。

从候选清单里挑出真正需要的几份，明确告诉 AI 只读这几份，其余不要展开。

这个顺序的关键是：选择权留在人这边。 AI 负责把范围摊开，我负责把范围收窄。

三、可以直接复制的模板

下面是我会用的任务说明结构，按“目标、范围、依据、验收、输出”来写：

目标：在当前资料库中查找与【具体问题】相关的内容。

范围：
- 第一步只列候选文件，不读取正文；
- 候选依据：文件名、目录结构、已有摘要；
- 最多列出【N】份候选，并说明每份的入选理由。

依据：
- 当前任务要解决的问题是：【一句话】；
- 已知可能相关的目录：【路径或范围】。

验收：
- 候选清单能让我判断“读哪几份”；
- 不出现与任务无关的文件。

输出：
- 候选文件清单（文件名 + 一句理由）；
- 等我确认后再进入读取。

关于【N】：可以先用“最多 8 份”做一次尝试。8 只是便于起步的示例值，具体数量要按资料量和任务调整。

确认候选之后，再发第二条：

只读取以下文件：【文件名列表】。
不要展开其他文件，不要补充未列出的资料。
输出时注明每条结论来自哪份文件。

四、为什么这样更好检查

按这个顺序操作，可以重点检查两件事：

1. 读取前有没有人工选择。
    候选清单应说明文件为何可能相关，由人决定哪些值得继续读。
2. 结论能否对回来源。
    第二步只读选定文件，输出时标明每条结论来自哪里。

我确认自己试过“先列候选文件、再读取少量相关文件”的两阶段方式，也在多 Agent 协作时只传递必要摘要。上面两项是据此整理的检查方法；我没有可比的前后数据，不能给出节省比例，也不能证明其他人的任务会得到同样结果。

五、验收方法

用完这两步，可以用三个问题检查：

• 候选清单里，我能不能明确判断“读哪几份”？
• 实际读取的文件数量，是否明显少于最初想交出去的全部资料？
• 输出里的结论，能不能对应到具体文件？

如果三个问题里有一个答不上来，说明候选阶段或读取范围还需要再收一收。

六、失败处理

几种常见情况：

• 候选列得太多
  ：把“最多列几份”写进要求，并让它按相关度排序。
• 候选理由太空泛
  ：要求理由必须指向文件名、目录或摘要中的具体信息。
• AI 仍然读了未选文件
  ：在第二条指令里明确“不要展开其他文件”，并在验收时检查输出是否越界。如果已经越界，可以重新限定文件清单再读取；验收时只保留能对应到已选文件的结论。
• 候选漏掉了关键文件
  ：补一句“如有不确定是否相关的文件，单独列出并说明原因”，由人来决定。

七、适用边界

这个做法适合资料多、任务明确、需要可检查结果的场景，比如文件整理、内容处理、知识管理。

它不适合“我也不知道要找什么”的探索阶段——那种情况下，先列候选反而可能过早收窄。这时可以先做一轮宽范围浏览，再回到两步法。

另外，我目前只把它当作个人实践记录，没有验证它在所有资料任务中都适用，也没有量化效果。如果你也在用类似方式，欢迎对照自己的任务检查一遍再决定是否沿用。

本文为个人实践记录，不构成效果承诺。文中方法来自我自己的使用过程，具体效果因任务而异。