|
Oh My Hermes（简称 OMH）是个开源项目，我一开始以为它是"装一堆工具技能包"的东西，看了文档才发现想偏了。它本质是工作流编排层，不是工具包：一类 ulw-* 是端到端大流程，一类 omh-* 是能力技能，共一百多个。 真正打动我的不是技能本身，而是一个词——evidence boundary，证据边界。翻译过来就是：你凭什么说这个是对的？ 它要求每条结论都标清楚状态：已验证（verified）、只是准备好了（reported done）、还是压根没跑（not run）。说白了，逼你在"我以为做完了"和"我真验证过了"之间画一条线。
几乎所有工作，最后都要落成交给别人的东西，错了要负责任。所以看那一百多个技能时，我很快判断：大半和我无关，四五十个是编码向的，根本用不上，硬装反而添乱。 值得学走的只有两条：澄清优先——需求不清楚先问清给谁看、什么形式、什么时间范围，别闷头写；证据边界——每个字、每个数字都知道自己什么状态。这两条其实和我本职原则是同一回事：不确定的东西从不瞎填，宁可空着标"待确认"。
我没搬整个包，而是给每个固化流程套上"证据标注"： · 定时资料简报：开头声明日期和范围，每条内容标证据状态，结尾附一行"已验证几条、待确认几条、留空几条"。有次搜到条相关的政策新闻，一查早超了本期窗口，就没硬塞，如实写"本期无更新"。 · 数据类报告：怕数字出错，关键数据必须到权威来源交叉验证、标注来源和日期，分清"已验证"和"只是推断"。 · 查资料写综述：没看过原始出处就标"仅据转述"，绝不冒充"查过原文"。 我还反复提醒自己："报告写完了"不等于"来源都核实过了"。
把它当有"工作纪律"的同事，而不是"什么都能答的神器"。 现在我会先想清楚自己要什么，再让它按"澄清—收集—验证"走，最后抽查一两条它标了"已验证"的东西，看来源是不是真对得上。慢一点，但踏实很多。
几点体会： ① 别急着装一堆技能，先看清自己要干什么； ② "标注来源"这习惯比任何技能值钱； ③ 理念要能落成交付前能打勾的检查表； ④ 对 AI 输出保持"半信半疑"是种能力。
就到这儿，欢迎对 AI 辅助交付有兴趣的朋友一起交流。
| 
发表于