不是让 AI 写一本手册，而是建立一套会生长的规则系统。

01 / BOUNDARY先决定什么不进手册。

如果不先分层，AI 会把所有材料混成一本百科全书。结果往往很厚，却没有人愿意读完。我们把内容分成三个层次：

公开版只讲可迁移的判断。涉及客户、案件、内部路径和账号权限的内容，即使“写进去更完整”，也必须拿掉。完整不是价值，边界才是。

02 / EVIDENCE先采证据，再采观点。

输入材料包括旧工作手册、管理会议纪要、群内反馈、历届实习心得、岗位画像，以及一次次“为什么这件事又做错了”的现场记录。AI 的第一项工作不是润色，而是给这些材料贴标签：

• 这个问题是否反复出现？
• 它带来的后果是效率、质量、保密，还是信任风险？
• 读者能否观察到一个明确的正确动作？
• 这条要求是给实习生的，还是也在要求管理者？

一条规则若找不到对应的真实问题，就很可能只是管理者的情绪；一段鼓励若不能落到下一步动作，也很可能只是口号。

03 / STRUCTURE目录按成长路径展开，不按材料来源堆放。

读者不是来参观资料库的。一个刚到团队的人，需要在很短时间内知道：我为什么来，我怎样与人协作，我先学会什么，交付怎样才算可靠，最后能把什么带走。

因此，目录被整理成“立志—共同成长—上手训练—办案与交付—方向”五篇。会议里谁说过什么、哪份旧手册写过什么，都退到后台。前台只保留读者的下一步。

04 / EDITOR让 AI 先当编辑，再当作者。

让模型一次生成整本手册，通常会得到整齐、正确、没有个性的平均文本。更有效的方式是把 AI 分成四轮使用：

1. 归并：找出重复要求，把同一问题的不同说法放到一起。
2. 校准：标出相互矛盾、缺少边界或可能伤害信任的表达。
3. 挑弱：寻找空泛标题、模板句、口号和没有行动含义的段落。
4. 改写：在篇幅预算内，用更短、更具体、更有后果感的句子替换。

每一次新增，都要回答它替换了什么。只增不减，是知识库和生成式 AI 合在一起后最容易犯的错误。

05 / VOICE把“聪明干练”翻译成可检查的约束。

文风不能只靠一句“像某本书”。我们把感觉拆成可检查的规则：正文段落尽量短；提示框只留真正的判断；标题要指出后果；相同模板句不得反复出现；引用和表格都设上限；每轮修改先做删减审计。

前一句告诉你“这里有什么”，后一句告诉你“为什么现在要看”。所谓文风，并不是模仿几句漂亮话，而是持续替读者做信息取舍。

06 / DELIVERY把 Word 当成产品，不是附件。

正文定稿只完成了一半。为了让后续修改不靠手工搬运，我们用单一内容源生成 Word，统一字体、层级、表格、页码、目录链接、书签和公众号二维码；再用 Microsoft Word 原生导出 PDF。

每轮修改都与上一版逐页比较。程序先定位差异页，再逐页按 100% 检查；未变页以像素比对确认没有意外漂移，同时运行完整结构审计。

文件能打开，不等于交付完成。只有真实的 Word、PDF 和每一页都经得起使用，才算完成。

07 / LOOP让每一批实习生，成为下一版的输入。

一套真正有用的手册不该在发布那天停止。新的问题进入一个简单闭环：重复出现的问题先记录；有人提出候选规则；管理者确认边界；稳定动作进入清单或 SOP；长期判断才进入生存指南。

管理者也在被这套机制约束。不能只说“认真一点”“积极一点”，而要给出可观察的标准、及时反馈和逐步增加的任务难度。实习生是培养对象，也是一面镜子：带不好，未必只是对方不行。

08 / REUSABLE METHOD一套可以复制的七步工作流。

1. 盘点材料：只收集真实记录，标明来源、日期与是否可公开。
2. 划定边界：分开生存指南、上手清单和内部 SOP，先脱敏再处理。
3. 建立问题地图：按重复频率、后果、对象和正确动作给材料归类。
4. 设计读者旅程：目录围绕“下一步做什么”，不围绕“资料来自哪里”。
5. 分轮调用 AI：归并、校准、挑弱、替换，每轮只解决一种问题。
6. 工程化交付：由单一内容源生成 Word/PDF，统一版式与导航。
7. 验证并回流：逐页比较、自动审计、版本管理，再把新问题带回下一版。

下面这段基础指令，可以作为每轮编辑的起点：

目标：把材料编辑成一份能快速上手的手册，不扩充总篇幅。

先做：
1. 列出重复、矛盾、空泛和可能泄密的内容；
2. 区分长期原则、上手清单与内部 SOP；
3. 每新增一段，说明它替换或压缩了什么。

写作要求：
- 标题指出判断或后果；
- 一段只讲一件事；
- 抽象要求必须落到可观察动作；
- 引用与来源统一放在文末；
- 不确定的事实保留为待核验项，不得补写。

输出：问题清单、建议删改、新稿、仍需人工判断的风险项。