前言
先说结论的形状。同一批周会纪要,两个账号各跑一遍。头一个账号裸跑,负责人对 15/16,截止日期对 15/16,优先级只对 14/16,账上还多挂了三行已经完成的事。第二个账号从建号到交卷,没见过头一个账号的任何一段对话,这个插件包是 SoduWork 把口径沉淀成可分发资产的载体,版本化、可安装、可复用,成绩单是负责人 16/16,优先级 16/16,截止日期 15/16。口头教学怎么都教不会的那块优先级边界,跟着包走过去,一分没丢。
这个差别是怎么长出来的,一个半小时的流水账记完了,照实写,翻车的地方不遮。
照例交代:这篇是 SoduWork 的受邀评测,一个开源的企业级 AI 原生引擎,人和 AI 在同一个需求池里接活、交接、验收,这次我测的是它的插件机制:把团队口径做成有版本的插件包,让没见过你任何对话的新账号直接继承你的判断标准。产品由项目方提供,机器和判断都是我自己的,砸了照写。
四个周五的周会纪要
事情从一个很小的痛点开始。我们组的周会纪要散着记在四个文件里,一个月下来六十几条记录,谁该干什么,什么时候交,哪件事已经黄了,全靠人脑记。让 AI 来整理成任务台账,听起来是它的舒适区,我想看看它第一遍能对成什么样。
环境先交代。全程在我自己的 Windows 机器上本地跑,源码部署,main 分支 6bde0b3,底座 Pi,模型档用的是 deepseek-v4-flash,按量付费,这笔账后面连着用量页一起算。SoduWork 的账号体系让两个测试互不污染,这正是这次对照实验成立的前提,后面还会再开一个完全干净的账号来复测,这是这篇的关键伏笔。
题目是现成的业务,不是人造的竞赛题。四份纪要横跨十月四个周五,我按组里的口径埋了这些事,相对说法的日期(下周五、两周内、月底前、尽快),指代不清的负责人(她、他、相关同学、运维那边),中途换人改期的任务,说到一半就聊散了的纯讨论,还有上一条刚说完成这一条就该销账的。月底该留在账上的,一共十六行。
四份纪要长这个样子,就是最普通的周会记录。以第一份为例,抬头里主持、参会、记录的人一个不缺,底下十二个条目排下来,有的是安排,有的是纯讨论,有的直接写着已经完成。四份摞在一起,六十几条原始记录,任务和噪音混在一口锅里,题目就藏在这口锅里。
生成和评分脚本随文附上,固定种子,谁跑出来的数据都一样。标准答案在我本机的私有目录里,SoduWork 的工作区隔离在这里立了功:评分标准物理隔离于 AI 可见范围,评分它说了不算,脚本说了算。
第一遍,裸跑
裸跑从一句提示词开始
读取 D:\notes_lab\纪要\ 文件夹里的四份纪要和 D:\notes_lab\任务说明.md,把里面的行动项提取成最终的任务台账,写入 D:\notes_lab\产出_裸跑\台账.csv,列结构按任务说明的要求。完成后汇报你建了多少行、四份纪要各贡献几行、哪些条目你没建。
提示词发出去,它回了一句收到,正在接上工作区。
它交卷交得挺快,汇报写得头头是道,长汇报的下半截把没建的二十四条一条条列了理由,末尾专门开了两处判断来问我。一处是入职文档,原文只说不急,它按低优先级建行,日期留空。另一处是容灾演练,原文只说运维那边牵头,它只敢填运维团队,反问我需不需要实名。
台账打开我就笑了。我以为最难的地方它反而全对,下周五、两周内这些相对日期六个全换算对了,「她」和「他」也都落对了人,连十月三十日会上的那句月底前都踩准了,就指第二天。翻车翻在四处别的地方。权限重构那条,十月二十三日的会上说月底前,它写成 10 月 30 日,差了一天。还有两条优先级,它把「再不重构要出事」和「审核素材还缺」都拔成了高,组里口径里这两句都不算高。最逗的是账没销干净,接口文档说补完了,压测方案说跑完了,访谈提纲说定稿了,三行全还挂在账上,它汇报里还说接口文档那行已按完成删除,账上明明还在。
六处翻车,红框都画在图里。
评分脚本不惯着它,终端输出原样贴在下面。
裸跑的成绩单,十九行账,真值十六行,多建三行,漏建零行。逐行比对,负责人对 15/16,截止日期对 15/16,优先级对 14/16,评分脚本亮红灯,退出码 2,这一版不许交付。看着是 90 分上下的卷子,但错的四处全踩在口径上,日期换算、指代这些看着难的反而零失误。这件事的形状很重要,AI 不缺手艺,缺的确实是没写下来的口径。
第二遍,教一遍
六点半,我把组里的口径笔记全文贴进对话,让它重做一遍。笔记就四段,原文如下。
- 日期换算口径。下周几,指下一个完整周的星期几,开会所在那一周不算。尽快,按会后一周算。两周内,会议日加十四天。月底前、本月底,指会议日所在月的最后一天,10 月 30 日的会上说月底前,就是 10 月 31 日,别写成 11 月。下月十号,指次月 10 日。年底前,指 12 月 31 日。纪要里有具体日期的照字面写。
- 负责人口径。「她」「他」指上下文里最近提到的那位具体的人。谁牵头就填谁,配合的人不填负责人。「相关同学」「大家」和「运维那边」这种只有团队没有名字的,一律填「待定」,不许猜名字。
- 优先级口径。出现线上故障、客户等着、大促、阻塞上线这些情形的,填高。出现不急、有空的时候这类说法的,填低。其余一律填中。
- 账务口径。后面纪要里说已完成、已销掉的,从台账里去掉。后面纪要改了负责人、时间、优先级的,按最后一次说的更新,来源条目不变。同一件事重提但什么都没变的,不加行也不改。
贴完笔记的对话现场,它回话的第一句就是逐条重算,上一轮的三块软肋,日期换算,负责人待定,优先级判定,全在它自己的复查清单上。
跟着一句话,按这份口径把台账重做一遍,写入 D:\notes_lab\产出_重做\台账.csv。它改得很乖,乖到汇报里专门开了一节自报家丑,上一版有两处不符合口径,本版已修正。
评分还是没过闸,但错的地方换了。
重做轮,十八行账。负责人满分,十六行全对,猜名字的毛病彻底改掉了,死账从三行减到两行。但优先级还是 14/16,那两条它复查了一遍,理直气壮原样填高,它不服。权限重构那行的日期最有意思,它自己在汇报里查出填错了,还请示我能不能只改那一格,我按规矩没回它,评分就停在那格错值上。退出码还是 2。
教一遍,写得明白的它立刻会,读得含糊的它自己脑补例外。「再不重构要出事」算不算阻塞上线,「审核素材还缺」算不算急,规则里没写的边界,只有我脑子里有。这就是口头教学的天花板,我念给它的是参考,写进插件的才是字面标准。
更何况,就算它全对了,这份正确也只活在这个对话框里。同一个账号的同一个对话,它记住了口径。可新同事的账号不知道,下周的会它也不知道。口头教会的 AI,跟口头教会的新人有一个共同的毛病,人走了,或者窗口关了,知识就跟着没了。
把不服的两条写成边界,做成插件
教完这轮我没收工。重做轮不服的那两条写成了边界,并进口径笔记第 3 条,然后让它建包,原话如下。
补充一条口径边界。上一轮你把「再不重构要出事」和「审核素材还缺」两行判成了高,按口径它们是中。高只认字面情形,对未来风险的警告和缺材料类描述都不算,把这条边界并入口径笔记的第 3 条。
把更新后的口径做成一个 SoduWork 方法型插件,名字叫「周会纪要任务台账」。插件要能吃一个纪要文件夹,按口径把行动项提取成任务台账 csv,日期换算、负责人判定、优先级分档都要按笔记的约定执行,口径表放进插件的 references,优先级部分按字面词表执行,不要自行外推。做完打包给我安装。
提示词发出去,它先埋头处理了四分五十秒才停下来换气,后面又零碎折腾了好几轮,过程比一句话热闹得多。先翻官方的插件规范和现成示例,写口径表、写校验脚本。自测揪出自己两个 bug,中文数字「三十一」解析出错,修完又发现「下月三十一号」算出了 12 月 1 日,原因是日期构造越界被静默进位,它把工具改成越界直接报错,不许静默翻篇。中途把样例写错了盘,自己发现自己纠正。异常场景挨个测了一遍,从坏列数到错表头共六种,全部命中。最后打包九个文件,还调了生产环境的解析器验过格式才肯罢休。
安装,它自己来
到安装这步它又想自己包办。这回我改了主意,让它装,只提一个要求,走官方的路子。它找到后端正规的安装接口,解析、签名、可导入三道检查都走完才写入。SoduWork 的安装接口有三道检查:解析、签名、可导入,全过才写入。中间出过一次岔子,机器上躺着两个数据库,默认配置指向的是个只有骨架的库,第一包装错了地方,它自己发现,自己纠正,动手前还给真实库做了个备份。装完它停了手,插件停在隔离区,启用要等管理员审核,它说绕过审核直接改库的事它不干。这是 SoduWork 的治理设计:导入即隔离,AI 装的包自己启用不了
隔离区,等一个管理员
SoduWork 的规矩是导入即隔离,全库二十六个版本里,二十四个都这么躺在隔离区等点头,SoduWork 的版本治理里,插件的每次变更都停在隔离区等人点头。它装的这个也不例外。然后是人工的一步,管理端插件列表里,新插件果然挂在待审核。
点开详情,审核与版本页签里静态预检已经完成,安装设置清单和版本记录一页页排好,就差按那个按钮。
按钮按下去,客户端的插件市场里立刻能看到它了,卡片上写着专业方法,企业发布,作者一栏是超级管理员,谁都能点安装。
试跑
第五账号的新对话里把试跑指令发了出去,同样不让它沾建包对话的光,输入框上挂着插件标签,一句话把两个文件夹交代清楚。
七点二十五分它交卷,汇报里专门有一节叫口径边界上的判断,不升高的三处逐一给了理由,升高的四处各认了一条字面依据,连两条月底前都算到了同一天。两行拿不准的销账摆在明处问我。
插件试跑,十八行账,三块成绩全部满分,逐块 16/16。裸跑和口头教学里都判错的那两条优先级,插件按字面词表判得干干净净。多建的还是压测方案和访谈提纲那两行。字面标准它执行到位了,最后一段没写下来的销账边界,它拿不准,也不装拿得准。
换个干净账号验收
七点半,验证时刻跟着来。新开第六账号,从建号到登录干干净净,没见过这个晚上的任何一段对话。它的世界里只有一个上架好的插件和同一批纪要。
第六账号登录后,市场里直接就能装。SoduWork 插件市场的企业发布承诺在这一步兑现——口径包走的是发布→审核→上架→安装的完整链路,不靠任何人传文件。
用插件跑,评分。调用指令发出去,处理中两个字只闪了两秒它就接上了工作区,模型档和主跑一致。
交卷的汇报分门别类,更新了什么,没建哪些,边界怎么判的,逐条列了一遍。
评分终端原样贴在下面,这一轮的字段判错只剩一格,多建还是那熟悉的两个编号。
复测的成绩,十八行账,负责人满分,优先级满分,截止日期 15/16,多建两行。跟第五账号的插件试跑摆在一起,三块成绩几乎重合,只差一格日期,这次轮到竞品分析那行,两周换算滑成了 10 月 26 日。多建的还是压测方案和访谈提纲那两行,插件把这两行的不确定原样带进了干净账号。跟一小时前口头教学的重做轮比,优先级那块从 14/16 抬到了满分,其余持平。这不是模型变聪明了,第六账号用的还是同一个模型档。是 SoduWork 的插件把口径从聊天记录里搬进了可分发的包,字面词表替我教会了它。教不会的教具替我教会了,这不是模型变聪明了,第六账号用的还是同一个模型档,是 SoduWork 的插件把口径从聊天记录里搬进了可分发的包。教具也有它带不走的,一格算错的日期。
从六点来钟到七点半,一个多小时,四轮跑完,账就很好算了。
全程一个模型档跑到底,花了多少钱,SoduWork 管理端的用量页截了证。
当天账单四毛八,折成单价看,两千六百多万 token 摊下来不到五毛钱。图里还有条背景音,平台横幅提醒 deepseek-flash 又更新了版本,云上的模型,连更新都不跟你商量。
哪些口径值得这么折腾
一晚做完,我对「什么样的经验值得沉淀」有了个判断标准,三条。第一,高频,每次周会都用得上。第二,有明确判据,像月底前算到哪天这种,能写成一行规则。第三,错了有代价,日期错一天就是催办晚一天。三条都占的,值得写进插件。只占一条的,让它留在脑子里就行。
也要说清楚插件不是什么。它不会让一个错口径变成对的,你把错的知识沉淀进去,它只会错得更稳定、更规模化。沉淀之前先用评分脚本验一遍口径本身,这个顺序不能反。
另外这次的正确率是 deepseek 的 flash 档跑出来的,不是什么最强模型。这个任务吃的是读得细、守规矩,不吃模型智商。换成更重的活,结论可能不一样,没测过的我不下断言。
复现
生成和评分脚本随文附上,四份纪要是固定种子生成的业务仿真,谁来跑数据都一样。做法笔记四段口径正文里已经贴过,你自己组的口径换成本地的就行。标准答案不公开,评分脚本会说话。
源码在 github.com/mdiri-ai/So…,MIT 开源,本地一条命令起步。你团队里肯定也有几条只在老师傅脑子里的口径,挑一条最常被新同事问的,去 SoduWork 仓库看看插件的 references 是怎么放这种知识的,写成一个包,顺手点个 Star。哪天你换了个账号它也没忘,回来评论区说一声。
经验这东西,写在聊天记录里会沉底,写在插件里才浮得住。