我是一名硕士研究生，平时除了科研，也会接触一些 AI 训练数据相关的工作。相比直接让 AI “帮我写答案”，我现在用得更多的是 GPT-5.6 Sol + Codex，有时候也会用 OpenCode。对我来说，AI 最有价值的地方其实是帮我处理复杂材料、拆规则和检查答案。
最近做的一条数据就比较典型：
任务包里同时有 PDF、PPT、Word、图片、CSV 和 MATLAB 代码，最终要求不是回答几个问题，而是根据全部附件做一次 ECG 课程成果复核，生成一个 Excel 工作底稿。
写prompt要求最终 Excel 必须包含“材料谱系”“声明与证据”“实验复核”“风险与整改”“发布状态”5个工作表，还规定了 Top 8 声明、Top 5 风险、Excel 公式、数值精度以及一套连续状态 S 和冻结标记 F 的计算规则。
我一般不会第一步就让 AI 开始做答案。
我的做法是先把 Instruction 交给 GPT-5.6 Sol，让它只做一件事：拆要求。
我通常会要求它按下面几类整理：
- 最终必须交付什么；
- 哪些属于硬性格式要求；
- 哪些数据必须通过附件才能判断；
- 哪些地方涉及公式或状态机；
- 哪些地方最容易因为理解错误导致整条数据失效。
比如这条任务里，一个很容易漏掉的细节就是：从第3个工作表开始，如果进入阶段时 S＞12，并且原始变化为正，那么实际变化最多只能记 +1。这个规则如果没有单独提取出来，前面内容即使都做对，最后状态也可能算错。
接下来我会用 Codex 去查具体附件和代码。
比如这条数据里，报告写了 R 峰检测结果、平均心率，小波和频域滤波也有不同版本的描述。这时候不能只相信 PPT 上的一句话，而要继续看 MATLAB 程序里的变量、调用顺序和数据来源。
一个实际例子是：当前检测到 13 个 R 峰，完整记录长度是 10 秒，那么验收要求里的心率复核应该使用 Excel 公式计算：
13 ÷ 10 × 60 = 78 bpm
但是正式报告里还有一个 76.61 bpm，这实际上是程序按照 RR 间期均值计算出来的。两个数字都可能有来源，但口径不一样，不能直接混在一起。这种地方我会让 AI 帮我把“报告说了什么、代码实际做了什么、最后标准答案应该怎么写”分成三列检查。
还有一个很容易踩的坑是“文件名推断”。
例如附件里有 ecg_real_10s.csv，但当前补充实验程序实际调用的是 ecg_105.csv。即使另外一个文件名字里写着“10s”，也不能因为文件名就认定它一定是 10 秒，更不能把另一个数据对象的 Fs=360 Hz 直接套过去。
标准答案完成以后，我还会反过来让 AI 做一次质检。
我一般不会问“这个答案对不对”，而会让它按照 Instruction 一项一项检查，例如：
先不要修改答案。逐条读取 Instruction 中的要求，对照当前标准答案，检查是否存在漏项、错误引用、公式写死、对象属性错误传播、版本判断错误和状态机计算错误。每发现一个问题，都指出对应的 Prompt 原要求和需要检查的位置。
这种方式比一句“帮我检查一下”稳定很多。
OpenCode 我一般放在辅助位置，比如快速浏览目录、查文件引用，或者处理一些比较机械的修改。真正涉及长 Prompt 理解和跨材料判断时，我还是会把任务拆开，不让一个模型一次完成全部流程。
我踩过的几个坑
第一，AI 很容易把“看起来合理”当成“附件已经证明”。训练数据里最重要的是证据边界，没有证据就必须写待补证。
第二，长 Prompt 一定要拆规则。特别是状态机、多级排序、Top N 筛选这类要求，模型很容易前面理解了，后面执行时又忘掉。
第三，标准答案也必须检查。有标准答案不代表答案天然正确，尤其是 Excel 里的公式引用、数字精度和状态计算，我都会再单独核一遍。
现在我做这类数据时，已经很少直接跟 AI 说“帮我完成这道题”了。更多是把 AI 当成一个可以反复调用的助手：GPT-5.6 Sol 拆规则和做复杂判断，Codex 查代码和附件，OpenCode 辅助处理文件，最后再由我自己做一轮关键事实和格式复核。
如果大家也在做复杂 AI 数据，我最推荐的一点就是：先让 AI 帮你建立检查清单，再让它做答案。 对长 Prompt 来说，这一步往往比直接生成内容更省时间。