全部指南
帮中文职场读者分辨大模型能完成的任务、使用边界与资料核查方法。
- 表格字段整理能否交给模型？先看数据形态和验收要求ChatGPT 可以分析上传的文件，并在结构化视图有助于输出时创建表格或图表；但扫描版表格、图像或复杂版式中的准确数值可能无法可靠提取。
- 创意发散、结构搭建与事实核查，应怎样分工？OpenAI 建议用户以批判性态度对待 ChatGPT，并从可靠来源核实重要信息；本文据此说明创意发散、结构搭建与事实核查的分工和核对顺序。
- 从模糊需求转成可执行指令，关键要求应怎样保留下来？本文用目标、输入、输出、约束、验收和待确认项拆解模糊需求，并结合 OpenAI 关于加入一两个清晰示例、在依赖数据分析结果前审查代码、输出与假设的建议，说明关键要求如何保留与核对。
- 大模型给出的事实，怎样追溯到可核查的原始来源？本文给出一套从拆分主张、核对引文到回查原文的核验方法；OpenAI 提醒，ChatGPT 可能生成错误或误导性内容，也可能编造引文、研究、引用和来源。
- 大模型适合处理哪些需要理解中文语境的职场任务？OpenAI 的中文帮助页列出基于笔记和源文本起草文档、按不同受众修改章节等场景，同时提醒重要信息需要核实。
- 发现引用错位或事实错误时，发布前应怎样修正并留痕？本文说明发布前如何修正引用错位与事实错误并保留核验记录，因为 ChatGPT 可能生成错误内容，甚至编造引文、研究或引用。
- 改写文本时，事实、语气和篇幅要求应如何写清？把事实边界、目标语气和篇幅标准写成可核对的要求，并加入一两个清晰示例，能让改写任务更容易按同一标准执行。
- 为什么看似简单的职场任务，交给模型后仍可能出错？因为 ChatGPT 能分析上传文件并回答数据问题，但 OpenAI 建议对重要信息从可靠来源核实；本文说明看似简单的职场任务为何仍需回源核对。
- 从“能写出来”到“能用于工作”，中间还缺哪些判断？OpenAI说明ChatGPT可依据笔记和源文本起草备忘录、提案或报告，并建议用户从可靠来源核实重要信息。
- 专业术语密集的材料，交给模型前应怎样准备上下文？本文说明如何用任务说明、术语表、可核对原文和待确认项整理上下文，并提醒读者复核扫描表格、图像及复杂版式中的数值。
- 原始资料互相冲突时，版本保留与核对应怎样安排？原始资料冲突时应保留各版本并逐项核对；OpenAI也提醒，ChatGPT可能生成错误或误导性内容，重要信息需从可靠来源核实。
- 内容需要持续更新时，人机协作流程中的复核责任应如何设置？持续更新的内容应由人承担最终复核责任：重要信息需要核实，使用数据分析结果前还要审查生成的代码、输出与假设。
- 核查网页信息时，怎样确认链接、页面内容和发布主体相互对应？可以分别核对链接指向、页面说法和发布主体，再回到原始出处确认；OpenAI 也提醒，ChatGPT 可能生成错误内容，甚至编造引文、研究和来源。
- 汇报提纲是否服务决策，怎样从生成结果中判断？本文从决策问题、依据、假设和行动是否对应来判断汇报提纲，并结合 OpenAI 关于根据笔记和源文本起草报告、在数据分析中审查输出与假设的建议，给出生成结果的核对方法。
- 回答出现精确数字时，为什么表达自信不等于已经核实？精确数字和自信语气不能替代来源核实；OpenAI提醒 ChatGPT 可能生成错误或误导性内容，甚至编造引文或来源。
- 会议纪要交给模型整理后，时间、人员和待办如何保留出处？说明如何用原文摘录、位置和核对状态保留会议纪要中时间、人员和待办的出处，并按 OpenAI 提醒核验重要信息。
- 会议纪要、邮件和表格，哪类内容适合先交给模型处理？本文回答会议纪要、邮件和表格适合先交给模型的任务，并说明 ChatGPT 可依据笔记和源文本起草备忘录、提案或报告。
- 看到“保证有效”或“一定能解决”时，应核对哪些具体证据？核对原始出处、完整语境、适用条件与书面承诺，并警惕大模型编造引文、研究或来源。
- 没有来源支持却写得很肯定，发布前该怎样识别？OpenAI 提醒 ChatGPT 可能编造引文、研究或来源，本文给出一套发布前逐项核验方法。
- 面对模型给出的备选方案，应按什么标准取舍？取舍模型备选方案时，应依次检查目标匹配、硬约束、证据可靠性、风险和可复核性；OpenAI建议从可靠来源核实重要信息，并在需要更一致输出时加入一两个清晰示例。
- 模型辅助翻译后，术语、语气和语境应由谁确认？本文回答模型辅助翻译后的人工确认责任，并依据 OpenAI 关于 ChatGPT 可能生成错误或误导性内容、重要信息需要核实的提醒说明核查重点。
- 模型给出的思路何时可以直接采用，又何时需要继续核查？OpenAI建议对重要信息从可靠来源核实，并提醒扫描文件、图像表格和复杂视觉版式中的数值可能无法被可靠提取。
- 模型列出不存在的资料时，发布前应如何处理？OpenAI提醒 ChatGPT 有时会生成错误或误导性内容，也可能给出编造的引文、研究、引用，或参考不存在的来源；本文说明发布前应如何逐条核验。
- 模型写出案例或工作经历时，怎样确认细节并非虚构？OpenAI 提醒 ChatGPT 可能生成错误或误导性内容，甚至编造引文、研究或来源；本文给出一套逐项核验方法。
- 哪些职场材料适合拿来测试模型能力？本文说明如何用笔记、源文本、分类定义和正反例测试模型的起草与分类能力，并说明仍需人工核对的内容。
- 判断模型回答是否切题，应先看任务目标还是上下文？判断切题应先锁定任务目标，再用上下文检查要求是否可满足，并对重要信息及扫描件、复杂表格中的数值回到可靠来源核对。
- 判断一项工作能否自动化，先看流程中的哪些判断点？从流程判断点出发，结合 OpenAI 关于用清晰示例提高输出一致性、在依赖数据分析结果前审查代码、输出和假设的建议，说明如何判断一项工作能否自动化。
- 让模型比较备选方案时，如何要求它展示依据？OpenAI 提醒 ChatGPT 有时会生成错误或误导性内容，重要信息需要从可靠来源核实。
- 任务含交叉约束时，怎样发现模型遗漏了关键要求？把任务拆成约束清单、逐项映射输出，并按 OpenAI 的提醒核实重要信息和审查结果与假设，可以更清楚地发现交叉约束中的遗漏。
- 任务兼顾效率与准确性时，复核节点应怎样设置？复核宜设在任务定义、结果交付和依赖结果之前：OpenAI 提醒先审查生成的代码、输出和假设，并从可靠来源核实重要信息。
- 输出交付给同事前，发布检查应覆盖哪些方面？本文提供交付前的实用核对清单，并说明 OpenAI 提醒 ChatGPT 有时会生成错误或误导性内容，重要信息应从可靠来源核实。
- 说法被反复转引后，怎样找到最初可核对版本？介绍如何沿引用链回溯到最初版本，并根据 OpenAI 关于模型可能编造引文、研究和来源的提醒建立核验步骤。
- 同一事实出现冲突说法时，怎样处理才能避免误选？OpenAI 提醒 ChatGPT 可能生成错误、误导性内容甚至编造来源，因此冲突说法应追溯原文，未核实前不能直接采用。
- 信息涉及近期变化时，怎样判断来源是否仍然适用？判断近期变化信息的来源是否仍适用，可从适用范围、更新状态和原始出处入手；OpenAI 也提醒，模型可能生成错误内容，甚至编造引文、研究与来源。
- 选模型时，怎样的测试任务更能反映真实工作要求？真实输入、明确交付物和核查步骤能组成更贴近工作的测试任务；OpenAI 提醒，在依赖结果前审查代码、输出和假设，并从可靠来源核实重要信息。
- 一个任务是否适合直接交给模型？先看输入、目标和限制是否清楚本文从输入、目标和限制判断任务是否适合交给模型，并结合 OpenAI 关于文档概述和用一两个清晰示例提高输出一致性的建议，说明如何起草与核对。
- 长文档分段处理，怎样做才便于复核与回填？长文档可按内容边界分段并保留来源位置；OpenAI提醒，扫描表格、图像和复杂版式中的准确数值可能无法被可靠提取。
- 长文档分析中，模型能承担到哪一步，哪些判断仍要人工完成？本文说明 ChatGPT 在长文档分析中的可承担环节，以及为何扫描文件、图像表格和复杂版式中的准确数值仍需人工复核。
- 只有截图或二手转述时，还缺少哪些可核查信息？说明仅有截图或二手转述时还需补齐哪些信息，并提醒读者：ChatGPT可能生成错误、误导性内容，甚至编造引文、研究或来源。
- 资质认证名称相近时，怎样确认主体、证书和查询入口？本文说明名称相近时如何核对认证主体、证书与查询入口；核心提醒是，OpenAI指出ChatGPT可能生成错误或误导内容，甚至编造引文、研究、引用或不存在来源。
- 总结、改写与分类，哪些任务适合交给模型？本文依据 OpenAI 关于文件概述、按定义分类和定向查找的示例，说明总结、改写与分类适合交给模型的条件，以及必须回查原文的边界。
目前还没有已发布文章。主题页和栏目已准备好。