一句话结论如果只记一句：原创性判断先定标准，再填数据。
先区分两件事：原创性判断算出来的数，和你真正要用的数。两者之间差的那个口径，就是本篇要讲的东西。
原创性判断这类工具，网上不缺，缺的是把口径讲清楚的那一篇。本篇按「口径—操作—核对」的顺序走一遍，你按步骤点，就能得到可复现的结果。
- 先跑一个已知答案的例子，验证工具没坏
- 输入项统一格式：日期、单位、大小写
- 把原创性判断的默认参数抄下来，每次用时先对照
原创性判断的第一次操作：照着点
先写清楚「正确结果长什么样」，再开始操作。准备值得比操作更多投入，因为操作时的你赶时间。
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。
第一次用原创性判断，把任务砍到最小：一条数据、一个参数、一次试跑。小到你觉得「这也算一次」，它才算真正跑通。让原创性判断先出一次结果，你就跨过了最难的一步。
一张对照表：原创性判断在不同情形下怎么处理
| 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 |
| 报错出现 | 截图留档再处理 | 报错位置与原因 |
| 满三个月 | 复盘删减步骤 | 全流程走一遍 |
| 换季/换政策 | 核对口径更新 | 与官方口径比对 |
| 口径存疑 | 换算法交叉验 | 两种算法偏差范围 |
- 备一个「回滚」方案，专治跑砸
- 同样的输入跑两遍，结果一致再用
- 把默认参数抄下来，和自己的需求对一遍
- 每周回看一次出错记录，只改一处
- 批量前先试三条，确认再全量
- 跑批前先用一条已知答案试
这些输入会让原创性判断白算
第三个坑是工具先行：装了一堆软件，就是没定输入规范。连续顺畅之后翻车，常被误读成运气问题，其实是校验缺失。一个测速表只在边际上帮忙，起步用系统自带功能完全够。等原创性判断稳定跑满两周，再动任何参数。
第四个坑是无留痕：没有留档的原创性判断结果，出错时连复盘的线索都没有。结果截图加一行口径备注，事情的性质就变了。
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。减半批量，比硬扛全量然后返工划算得多。
原创性判断与其他工具的配合
跑通一个月后，值得做的只有一件事：找瓶颈。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。三周三个小改动，效率完全不同。
给原创性判断配一个搭子工具，共用同一份输入。三个问题、一张纸、坚持半年，你会有一套别人抄不走的流程。
用原创性判断处理真实任务的过程
到第四周，原创性判断的账清楚了：耗时在降，准确率在涨。定规范、先试跑、按批看、留校验——这套做法能平移到任何工具上。交稿速度不再是期待，而是能拿出来看的数字。最有效的不是哪个技巧，而是把一个测速表固定在流程的那个动作。
一个月下来，原创性判断留下的不是某次结果，而是一套可复用的流程。真正的转折不是哪次顿悟，而是看到第一张全绿的核对表——证据比感觉管用。回头看，小批量比任何一次大跃进都有价值。
把原创性判断嵌进固定流程
原创性判断跑通之后，再谈效率——加的是自动化，不是花样。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。复盘的意义不在追责，在于掐断「反正差不多」的侥幸。
用「批次」而不是「单次」衡量原创性判断：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。流程稳定、效率渐增，交稿速度才会从偶尔变成常态。
常见问题
原创性判断需要会编程吗
不需要。本篇全部用对话和现成工具完成，涉及代码的部分给了可直接复制的模板。
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。
为什么同样的提问结果不一样
生成式模型带随机性。要稳定输出，就固定提示词结构并在提问里给示例。
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。
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。
涉及官方口径的数字，本文一律指向官方渠道核对，工具只做估算。
回头看，原创性判断真正的价值不是某个结果，是你验证了一套可复用的流程。这套流程比任何单次产出都耐用。
把原创性判断当成一道工序对待，反而更容易长久：不求花活，只求稳定。跑通的次数够多，手感自己会来。