一句话结论把迭代追问的参数写死成默认值，出错率立刻降一半。
立场先说：本篇只写迭代追问里可验证的部分。涉及官方口径的，都指向官方渠道，工具只做快速估算。
写迭代追问的文章很多，能照着点完的很少。这篇每一步都写了预期结果，点完和预期不一样，你就知道问题出在哪一层。
- 批量任务先拿三条试跑，确认再全量
- 给迭代追问的结果截图留档，办手续常要用
- 把迭代追问的默认参数抄下来，每次用时先对照
迭代追问最常见的六个错误
第一个坑是照搬别人的参数：别人的口径和你的任务未必一样。一个备份盘只在边际上帮忙，起步用系统自带功能完全够。
第二个坑是拿单次结果下结论：一次异常不可怕，可怕的是没核对就用了。连续顺畅之后翻车，常被误读成运气问题，其实是校验缺失。定期问自己：是不是在回避最不想核的那一步。
第四个坑是无留痕：没有留档的迭代追问结果，出错时连复盘的线索都没有。把核对从「凭感觉」变成「按清单」，情绪就没机会插手。等迭代追问稳定跑满两周，再动任何参数。
迭代追问不负责什么
迭代追问解决的是计算和整理的问题，不替你做决定，也不替你担责。这也是为什么后面所有步骤都在做同一件事：让结果可复现。把这条记住，后面每个参数你都知道为什么填。接受工具的局限，是用好它的第一步。
迭代追问有个前提要先立住：你的输入本身是可信的。同样的输入，在不同的工具里结果不同，差异全部来自口径。记住这条，你就不会拿错误结果去交差。
迭代追问的第一次操作：照着点
把迭代追问的步骤排成固定顺序，顺序的意义是可复现。把常用参数存成模板，一次配置的差别会累积成一整月的效率。让迭代追问先出一次结果，你就跨过了最难的一步。
动手前花五分钟准备：输入格式统一，口径写在一旁。很多人卡在开头，是想一次做全，结果第一步都没跑通。
迭代追问的批量与自动化
跑通一个月后，值得做的只有一件事：找瓶颈。三个问题、一张纸、坚持半年，你会有一套别人抄不走的流程。进阶不等于复杂，优化到后面往往是删减。
每月留十分钟复盘：什么有效、哪层漏水、下月只改一处。处理完一批要多久才能归档？要一整晚的话，该拆批了。指标本身没意义，趋势才有：出错率在纸上比在感觉里早两周说话。
- 给结果区截图，附一行口径备注
- 在日历上标出政策/口径的复查日
- 删掉一个多余参数，让流程更短
- 报错截图保存到固定文件夹
- 每周回看一次出错记录，只改一处
- 把最常出错的那一步加一道校验
让迭代追问变成默认动作
用「批次」而不是「单次」衡量迭代追问：单次快慢是噪音，批次稳定才是信息。能跑几年的流程都有校验点，没有校验的流程只活在顺利的批次里。新流程挂在已有习惯后面，能免费继承稳定性。步骤越短，越可能在赶时间的日子里活下来。
提前写好异常版本：输入缺失、格式不对、结果异常时怎么办。这个动作比任何检查软件都实在，因为判断是你自己的。流程稳定、效率渐增，产出质量才会从偶尔变成常态。
迭代追问跑通之后，再谈效率——加的是自动化，不是花样。每批花两分钟回看：错了几条、错在哪层、下批只改一处。同样的流程多跑七条，而不是不停换新工具。
迭代追问的核对清单对照
| 情形 | 建议做法 | 核对点 |
|---|---|---|
| 结果异常 | 停批排查，别硬跑 | 数量级与符号 |
| 口径存疑 | 换算法交叉验 | 两种算法偏差范围 |
| 头两周 | 单条试跑，固定参数 | 结果与已知答案一致 |
| 流程稳定后 | 上批量，开模板 | 抽样核对 3 条 |
| 报错出现 | 截图留档再处理 | 报错位置与原因 |
常见问题
公司数据能传上去吗
先看公司制度。原则上客户信息、未公开财务、源代码都不进公开模型。
提示词写多长合适
结构比长度重要：任务、背景、格式、示例四件套齐了，几十个字就够用。
怎么判断信息是编的
让它给来源、换一种问法再问一遍、关键数字单独核实。三招能挡掉大部分幻觉。
AI 说的能直接用吗
不能。把它当成一个反应快但会自信胡说的实习生：产出要核对，责任在你。
下一步别贪多：从清单里挑最贴合当前痛点的一条，跑一周，再动第二条。同时改三处，通常三处都保不住。
对迭代追问最诚实的总结：它可靠，但可靠是设计出来的，不是天生的。两周跑顺，三个月成流程。今天从一条数据开始，把规范写下来，剩下的交给重复。