← 交付方法总览
方法论可泛化原则
来源证据地图（Source & Evidence Map）
横切
记录这套方法里每条结论的来源类型：来自实践复盘、来自公开研究，还是来自单个项目的观察。它让读者能自己判断每条建议的适用范围，而不是把全部内容当成同等强度的结论。
什么时候需要它
- 打算把某条做法推广到新项目，需要判断它的普适性
- 有人质疑某条结论的依据
核心内容
它决定什么
公开的是判断与判据。客户口径、私有阈值和内部示例不在其中。
结论分强度
跨多个场景反复验证过的规律、单个场景观察到的现象、以及尚待验证的推断，三者不能混为一谈。
标注来源类型
实践复盘、公开研究、行业共识、单点观察——不同来源的可信度不同，冲突时按可信度排序而不是按谁最后发言。
单点观察要显式标注
只在一个项目里成立的经验，可能来自那个项目的特定数据或口径。不标注就推广，是把偶然当成规律。
证据会过期
与模型能力相关的结论尤其容易随版本变化失效。带上时间戳，才能知道该重新验证什么。
公开研究要看适用条件
外部研究的结论往往绑定了特定模型、特定任务和特定数据规模。引用时要一并记下这些条件，否则很容易把某个基准上的结论当成普遍规律。
冲突时按可信度排序
实测结果高于文档记载，文档记载高于口头说法。三者冲突时按这个顺序取，而不是按谁的职级高或者谁最后发言。
怎么判断它真的到位
- 任取一条建议，能说出它的来源类型和验证范围
- 跨项目推广前有一次显式的适用性判断
- 与模型能力相关的结论带有时间信息
常见误区
- 把单个项目的观察写成普适规律，在新项目里失效
- 所有结论并列呈现，读者无从判断哪些更可靠
- 结论不带时间，模型换代后仍被引用
这套方法怎么落到你的项目
这是我们交付生产级 AI Agent 的公开、脱敏方法骨架。真正落地时，从 AI Agent 生产就绪审查与路线图 入手，或先用 生产上线前深检 定位薄弱环节。