AI 内容质量 Review 与重写标准
当前 AI 内容最大问题不是数量不足，也不是网站入口不够，而是正文阅读体验失焦。
AI 内容质量全量 Review 与重写标准
Review date: 2026-06-30
Scope:docs/AI_*.md、docs/ai-foundations/README.md、docs/ai-foundations/papers/*.md、网站可见的 AI 学习入口
Purpose: 把 AI 学习内容从“资产库、问答库、角色话术库”改回“系统学习材料”。
1. 总结论
当前 AI 内容最大问题不是数量不足，也不是网站入口不够，而是正文阅读体验失焦。
很多文档同时承担课程、论文解读、工具清单、角色能力、面试话术、作品集任务、ADR 模板和 checklist。结果是读者会看到很多正确片段，却很难形成连续理解。
下一轮重写要遵守一个主线：
正文先讲原理、证据、价值、边界和失败路径；角色映射、面试表达、作品集任务、长 checklist 只能做附录。
2. Review 范围与量化结果
本次 review 覆盖 367 个 AI 相关 Markdown 文件，其中包括 174 篇 ai-foundations/papers 笔记，以及 193 个 top-level AI_*.md 文档。
本地扫描结果：
| 指标 | 数量 |
|---|---|
| AI 相关文件 | 367 |
| 平均行数 | 611.3 |
| role-heavy 文件 | 25 |
| interview-heavy 文件 | 13 |
| checklist-heavy 文件 | 111 |
| table-heavy 文件 | 189 |
最突出的高风险文件类型：
| 类型 | 代表文件 | 主要问题 |
|---|---|---|
| 论文计划/索引 | AI_FOUNDATIONS_CLASSIC_PAPERS_PLAN.md、AI_EXPANSION_MASTER_INDEX.md | 信息多，但主线被清单稀释 |
| 论文解读 | 01、02、12、17、22、27、28、29、30 | 原论文机制、实验、贡献被企业落地话术淹没 |
| 治理基础 | 95、96、97、103-126 | 控制表很多，缺少端到端失败链和证据链 |
| Playbook | 大部分 AI_*_PLAYBOOK.md | 适合二次查表，不适合作为第一遍课程正文 |
| Case drill | AI_CASE_DRILL_WORKBOOK_30_DAYS.md、AI_ADVANCED_CASE_DRILL_WORKBOOK_60_DAYS.md | 答案给得太早，练习性不足 |
3. 主要问题
3.1 论文解读偏离论文
不少“论文解读”开头就进入 PM、BA、架构师三类视角，随后快速扩展到金融场景、面试表达、ADR、checklist。这样会让读者误以为论文价值来自“能给不同角色什么启发”，而不是来自论文解决了什么问题、提出了什么机制、用什么证据证明有效。
论文类内容必须先回答：
- 论文之前的问题是什么？
- 论文的核心方法是什么？
- 方法为什么有效？
- 实验或证据证明了什么？
- 它没有解决什么？
- 今天哪些系统仍继承它，哪些地方已经被后续工作替代？
3.2 正文被角色化和面试化打断
角色视角、面试答案、作品集任务本身有用，但它们不应该成为正文主体。当前很多文章读起来像“面试话术生成器”，而不是学习笔记。
新规则：第一遍学习正文不再按“PM/BA/架构师”拆段。需要角色化表达时，放到文末 appendix，并且从正文推导，不单独制造三套话术。
3.3 表格过多，解释不足
大量表格列出了 taxonomy、control、role、metric、ADR、checklist，但没有解释这些表格背后的推理。
表格只能用于比较、决策和复盘，不能替代讲解。每个关键表格前后必须回答：
- 这个表帮助读者做什么判断？
- 如果不这样设计，会发生什么失败？
- 表中的取舍如何影响架构、流程、风险和成本？
3.4 缺少证据链
论文类内容尤其缺少 evidence chain。实验任务、baseline、指标、ablation、失败样本、限制条件经常被压缩成一句“效果更好”。
以后每篇论文解读至少要有一张“论文证据链”表，说明论文用什么证据支持核心贡献。
3.5 Top-level AI_*.md 更像资产库
193 个 top-level AI_*.md 中，大量是 playbook、runbook、cookbook、workbook、pack、lab。它们适合第二遍查表和项目落地，不适合作为第一遍课程。
新规则：AI_SYSTEMATIC_LEARNING_ROADMAP_2026.md 作为课程入口；其他 playbook 归为 reference。先不要继续新增 top-level AI_*.md，除非它明确替代或重写旧主线内容。
3.6 Case drill 答案前置
练习材料现在经常直接给出完整答案，导致读者没有先独立建模、拆问题、画边界、写指标。
Case drill 要改成：
题面
-> 学员空白产出
-> 提示
-> 参考答案
-> 常见错误
-> 评分标准
4. 新内容分类
以后每篇 AI 内容必须先归类，只承担一个主责任。
| 类型 | 主责任 | 不应该做什么 |
|---|---|---|
| Course chapter | 讲清一个系统概念或能力 | 不堆长 checklist，不写面试大全 |
| Paper deep dive | 解读论文问题、机制、证据、价值、边界 | 不把论文改成企业落地手册 |
| Reference playbook | 提供表格、模板、ADR、checklist | 不冒充第一遍课程 |
| Exercise workbook | 训练读者独立分析和输出 | 不开头就给完整答案 |
| Interview appendix | 把已学内容转成表达 | 不替代正文学习 |
5. 论文解读新模板
论文 deep dive 必须优先使用这个结构：
1. 论文在解决什么问题
2. 一句话贡献
3. 论文之前的方法为什么不够
4. 核心机制逐步拆解
5. 为什么这个机制有效
6. 论文证据链：任务 / baseline / 指标 / 结果 / ablation / 限制
7. 它没有解决什么
8. 今天的继承与演化
9. 一个业务或架构案例，只用于说明价值边界
10. 常见误解
11. 读完应该能回答的问题
12. Appendix：角色、面试、练习、延伸阅读
比例要求：
| 部分 | 建议比例 |
|---|---|
| 论文问题、机制、证据 | 70% |
| 今天的系统价值与边界 | 20% |
| 角色、面试、练习 | 10% 以内 |
6. Course chapter 新模板
课程正文使用这个结构：
1. 本章解决什么问题
2. 前置概念和学习边界
3. 核心原理解释
4. 一个连续业务案例
5. 架构 / 流程 / 数据 / 权限如何变化
6. 指标、eval、风险和证据
7. 小练习
8. Appendix：表格、模板、面试、source anchors
硬规则：
- 首屏不要先放大表。
- 不要开头就拆 PM/BA/架构师。
- 每章只保留一个主案例。
- 每个指标必须有 numerator、denominator、source system、owner、threshold、management action。
- 每个案例必须写输入事件、状态变化、决策人、系统记录、错误如何发现和恢复。
7. 重写优先级
P0：立刻重写
| 范围 | 原因 |
|---|---|
01、02 | 是第一入口，必须先树立新写法 |
12、17、22、27、28、29、30 | 论文属性弱，角色/专题/企业化内容过多 |
95、96、97 | 高风险治理主题，但现在偏模板和清单 |
103-106 | 是治理基础底座，必须从控制清单改成机制推演 |
P1：下一批重写
| 范围 | 处理方式 |
|---|---|
03-11、13-16、19-26 | 补足论文机制、实验和限制，压缩角色表达 |
87-94、102 | 用贯穿案例解释企业架构框架，不只列视图 |
AI_FOUNDATIONS_CLASSIC_PAPERS_PLAN.md | 从“大清单”改成课程地图与阅读路径 |
AI_CASE_DRILL_WORKBOOK_30_DAYS.md | 改成题面先行、答案后置 |
P2：保留但瘦身
| 范围 | 处理方式 |
|---|---|
127-146 | 金融零售 domain 篇整体较好，只补 metric contract、source synthesis |
151-174 | 保留 operating model 价值，压缩面试和作品集段落 |
大部分 AI_*_PLAYBOOK.md | 标记为 reference，把正文课程化内容抽出 |
8. Rewrite stop rules
后续写任何 AI 内容时，触发以下情况必须停下来重改：
- 前 300 字出现大段 PM/BA/架构师拆分。
- 正文前 30% 主要是表格、清单、面试问答。
- 论文解读没有讲实验、baseline、指标或限制。
- 只说“对产品/架构有价值”，但没说价值从哪个机制产生。
- 一个文件同时塞进 5 个以上互不连续的场景。
- 指标没有公式、数据源、owner、阈值和行动。
- Source anchors 只是链接列表，没有说明来源观点如何转译进正文。
9. 第一批落地标准
第一批重写以 01 Attention 和 02 RAG 为样板：
- 删除开头角色拆分。
- 删除主体面试题大段。
- 把企业场景压到“现代价值与边界”后面。
- 增加论文证据链。
- 明确原论文没有解决的问题。
- 用一个金融零售案例说明价值，而不是把全文改成金融 AI playbook。
后续重写按同一标准推进。