一句话结论把社区推荐的参数写死成默认值，出错率立刻降一半。
写社区推荐的文章很多，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。
把社区推荐放回真实任务里：有截止时间、有格式要求、有要交的对象。任何不能复现的结果都没法交差，本篇按「可复现」来设计流程。
- 同样的输入跑两遍，结果一致再用
- 结果只作参考的，把参考口径写在旁边
- 关键数字单独核一遍，不依赖单一来源
别在这些场景硬用社区推荐
第四个坑是无留痕：没有留档的社区推荐结果，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。减半批量，比硬扛全量然后返工划算得多。
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。基础没跑通就上批量，每次报错都像从头再来。
用社区推荐之前要定的事
把社区推荐放进真实任务里看，牵扯三样：输入、口径、交付对象。把这条记住，后面每个参数你都知道为什么填。多数教程跳过这层，于是方法听着都对，一用就偏。记住这条，你就不会拿错误结果去交差。
社区推荐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。口径写清楚之后，交稿速度才谈得上——不然你连对比的基准都没有。接受工具的局限，是用好它的第一步。
社区推荐有个前提要先立住：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。所以本篇给的不是标准答案，是可复现的流程。
社区推荐上手：先填这三个参数
第一次用社区推荐，把任务砍到最小：一条数据、一个参数、一次试跑。触发条件越具体越好：不是「要用的时候算」，而是「每到复盘的时候就算」。
先写清楚「正确结果长什么样」，再开始操作。小到你觉得「这也算一次」，它才算真正跑通。先用一个已知答案的例子试：结果对得上，工具才是好的。粗糙的跑通，胜过完美的计划。
把社区推荐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。第一次别调参数，只走通流程。
情形与做法：社区推荐速查
| 情形 | 建议做法 | 核对点 |
|---|---|---|
| 满三个月 | 复盘删减步骤 | 全流程走一遍 |
| 流程稳定后 | 上批量，开模板 | 抽样核对 3 条 |
| 换季/换政策 | 核对口径更新 | 与官方口径比对 |
| 头两周 | 单条试跑，固定参数 | 结果与已知答案一致 |
| 报错出现 | 截图留档再处理 | 报错位置与原因 |
社区推荐进阶：参数怎么调
这个阶段可以记录一个指标：耗时、出错率、返工次数。处理完一批要多久才能归档？要一整晚的话，该拆批了。能长期用的流程，恢复和回滚一定很快。
跑通一个月后，值得做的只有一件事：找瓶颈。校验点守住了，提速才不会变成冒险。
给社区推荐配一个搭子工具，共用同一份输入。两件事背靠背做，成本增加很少，漏掉其中一个的难度明显上升。三个问题、一张纸、坚持半年，你会有一套别人抄不走的流程。三周三个小改动，效率完全不同。
- 批量前先试三条，确认再全量
- 每周回看一次出错记录，只改一处
- 跑批前先用一条已知答案试
- 在日历上标出政策/口径的复查日
- 把最常出错的那一步加一道校验
- 给结果区截图，附一行口径备注
把社区推荐嵌进固定流程
社区推荐跑通之后，再谈效率——加的是自动化，不是花样。新流程挂在已有习惯后面，能免费继承稳定性。每批花两分钟回看：错了几条、错在哪层、下批只改一处。改进不是推倒重来，是持续削掉最硌手的一步。
用「批次」而不是「单次」衡量社区推荐：单次快慢是噪音，批次稳定才是信息。这个动作比任何检查软件都实在，因为判断是你自己的。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。流程稳定、效率渐增，交稿速度才会从偶尔变成常态。
提前写好异常版本：输入缺失、格式不对、结果异常时怎么办。同样的流程多跑七条，而不是不停换新工具。每加一个参数问一次是否必要，三个月后回看，一半可以删。步骤越短，越可能在赶时间的日子里活下来。
常见问题
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。
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。
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。
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。
对社区推荐最诚实的总结：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。
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。