补充特定领域的常识给 AI

AI 的盲区不只在技术上

在前面的章节里，我们讨论过 AI 的知识有截止日期，它可能会"幻觉"。但还有一种更隐蔽的盲区，很少被提及：

AI 可能精通编程，但对你正在做的那个行业一无所知。

如果你让 AI 帮你搭建一个电商平台，它会很熟练地写出购物车、结算、支付的代码。但它可能不知道你所在地区对跨境电商有特定的税务规则，不知道某些品类的商品在你的市场上需要特殊许可证，也不知道你的用户群体习惯用哪种支付方式。

如果你让 AI 帮你做一个预约系统，它能轻松地实现日历选择和时段管理。但它可能不知道你的行业有"最短预约间隔"的惯例，不知道取消预约的退款政策需要遵守消费者保护法，也不知道你的客户期望在预约前收到什么样的确认信息。

技术上它做得到，但在业务含义上，它缺少你认为"理所当然"的那些知识。

"理所当然"恰恰是最危险的

这种盲区之所以隐蔽，是因为你自己太熟悉你的行业了。

在你的认知里，很多规则是"常识"——"做餐饮当然要标注过敏原信息""做金融当然要做风险提示""做教育当然要考虑未成年人保护"。你觉得这些事情谁都知道，所以你不会特意告诉 AI。

但 AI 不是你的同行。它的知识来自于海量的通用训练数据，而不是你行业里多年积累的实践经验。那些你觉得"不用说大家都知道"的规则，对 AI 来说可能真的是第一次听说。

结果就是：AI 交付了一个技术上完全正确、但在业务上有严重缺陷的系统。而且因为它"能跑"、"看起来对"，你可能很晚才发现问题。

怎么把领域知识喂给 AI

把你的行业常识转化为 AI 能理解的指令，不需要写成教科书。以下几种方式通常就足够了：

直接告诉它规则。 比如："在我们的系统中，所有金额计算必须保留两位小数，且采用四舍五入。""用户注册时必须勾选隐私政策同意框，这是法律要求，不能省略。"

给它示例。 "这是一份典型的订单，你可以看到它包含了哪些字段和计算逻辑。请按照这个模式来实现。"具体的例子比抽象的描述更容易让 AI 理解你的要求。

说明限制条件。 "这个系统只面向中国大陆用户，所以支付方式只需要支持微信支付和支付宝。""每个用户每天最多只能下 3 单，这是我们的风控规则。"

标注不可协商的底线。 有些规则是法律或行业规范要求的，不能因为"技术上更方便"而被省略。对这些规则，明确告诉 AI："这一条不能改、不能省略、不能简化。"

验收时用你自己的常识

这可能是领域知识发挥最大价值的时刻。

当 AI 交付了一个涉及业务逻辑的功能时，不要只用"能不能跑"来验收，还要用你自己的行业常识来检验：

• 这个价格计算的结果对不对？在你的行业里，这种情况下应该是多少？
• 这个流程符合你所在行业的惯例吗？用户会不会觉得奇怪或不习惯？
• 这个功能是否遗漏了你的行业里不可忽略的某些环节？

在这种验收中，你不需要懂代码。你的优势恰恰在于你比 AI 更懂你的行业——你知道什么是对的、什么是不合理的、什么是不能少的。

AI 提供技术能力，你提供领域判断。 这两者的结合，才能产出一个既能跑通又真正合理的产品。