从 40 分到 85 分：Office Secretary 公文

有次我写的发言稿被领导打回来，理由很直接：重点不突出，不符合他的记忆习惯。

按公文逻辑写，材料是按重要程度排的；可领导要的是按现实语言顺序来。靠 Claude 很快改顺了。这事儿让我意识到，大模型真能打破人的写作惯性。现在前沿模型也确实够用了，我就动手做了个公文写作 Agent。

一开始我设计得特别复杂。给每位领导建偏好档案，让系统边批边学；资料库、业务数据全接上，还加了手动调节和备份。架构也折腾了好几版，最后落到飞书 Bot + 云端 Agent。

上线跑第一场就翻车了——文本质量不到 40 分。问题出在"管太多"。我以为加偏好、加规则是在校准输出，结果把模型锁死在小范围里，根本发挥不开。最讽刺的是，学习飞轮成了最大污染源，越学约束越多。

后来干脆大砍：退掉 Hermes，改用手机友好的 Web；放弃长期画像，只把当轮反馈塞进提示词；资料库只供事实数据，绝不限制风格。老 UI 保留，换上新核心再适配。

重构后同样场景，通过率从 40 分拉到 85 分以上，退回次数明显降下来。教训就一条：别一上来就把系统搭成迷宫，先用最小成本验证，省下的是上百小时的弯路。