周报初稿由模型生成，句子顺滑，读到最后却发现把上周的结论挪到了本周计划。
这不是模型不会写，而是写对和写像之间的缝隙。AI大模型擅长把上下文续成通顺文本，但组织里的上周与本周、已确认与待确认，往往藏在表格、聊天记录和口头约定里。模型看不到状态变化，就会用语言惯性补平。
先分清生成与判断
生成是模型的长处：归纳、改写、起标题、列提纲。判断要依赖来源、权限和责任人。把两者混在一个按钮里，出错时很难定位。企业接入AI大模型时，先别问能不能全自动，先问哪些句子必须带出处。比如涉及承诺、时间点、对外口径的内容，应要求引用原始材料；模型可以起草，但确认动作留在人这边。
输入材料先决定输出能走多远
如果只丢一句写周报，模型只能猜。若给出项目名、进展、待办和风险，并标明哪些是事实、哪些是推测，输出会更可核对。检索增强把内部文档接进提示词，是常见做法，但它解决的是找得到，不自动解决写得对。资料过期、权限交叉、版本冲突，仍要在流程里处理。
权限边界要写进使用说明
不是所有材料都适合直接贴进对话框。客户名单、合同条款、未公开的排期，需要按团队规则分级。AI大模型的使用说明应明确：哪些数据可以进、哪些要脱敏、生成内容保存在哪里、谁能回看。这些看上去像管理细节，实际影响员工愿不愿意用。规则模糊时，大家要么过度谨慎，要么随手复制。
人工复核不是补丁
复核若只是最后看一眼，很容易流于形式。可以把它拆成可执行动作：核对数字与日期、核对结论是否来自原文、核对对外措辞是否越界。复核人不必重写全文，但要对关键句签字。模型生成的内容像草稿，草稿的价值在于缩短起步时间，不在于替人承担责任。
我倾向于把AI大模型看成流程里的初稿工位，而不是一个独立员工。它需要材料、边界和回看机制。团队真正要改的，往往不是提示词写得多花，而是把任务拆到可验证的粒度：哪些交给模型起草，哪些必须由人确认，哪些根本不该进入模型。想清楚这些，再谈效率，落地会少些返工。