个人专业 AI 工作流

综合实践 · 04_Codex工作流/个人专业AI工作流.md

个人专业 AI 工作流

总原则

先不要微调模型。先把个人资料库、提示词、案例和复盘做起来。等你已经有稳定资料和重复任务，再考虑 RAG、自定义 GPT 或更正式的知识库。

每次使用 AI 的固定输入

1. 我的背景：跨专业硕士新生，本科为学前教育，会一点 Python。
2. 当前目标：概念理解 / 作业拆解 / 论文阅读 / 代码实现 / 组会表达。
3. 所属领域：极值理论 / 应用统计 / 大数据 / 复杂系统。
4. 输出要求：直觉解释、专业表达、可执行步骤、风险和不确定性。
5. 材料来源：课程题目、论文段落、老师要求、数据说明。

Codex 在本仓库中的用途

• 维护概念卡和表达库。
• 把论文、课程要求、作业题转成结构化 Markdown。
• 生成和修正 Python notebook。
• 检查代码、报告和组会稿是否专业但不过度自信。
• 把每周材料汇总为复盘。

资料库结构

• 01_专业概念地图/：概念卡、知识地图。
• 02_专业表达库/：课堂、组会、导师沟通表达。
• 03_AI提示词库/：ChatGPT 和 Codex 提示词。
• 06_论文与组会/：论文笔记、5分钟汇报稿、追问清单。
• 07_notebooks/：数据分析和模型演示。
• 08_资料库/：课程大纲、导师论文、作业样例、数据说明。
• 09_验收与复盘/：每周验收和最终模拟。

最小闭环

1. 输入一个概念、论文段落或作业题。
2. 让 AI 拆解并生成初稿。
3. 你检查是否过度自信、是否有出处、是否能说出口。
4. 让 Codex 保存成仓库文件。
5. 每周复盘哪些提示词有效，哪些问题仍然不会。

何时考虑更正式的专业 AI

满足以下条件后再考虑：

• 已积累 30 篇以上论文笔记或课程材料。
• 已有 100 张以上概念卡。
• 已有 30 个以上高质量问答案例。
• 明确知道自己反复问的是哪类问题。
• 能区分“需要检索资料”和“需要模型推理”的任务。