evidence-recap

name	evidence-recap
description	把 AI 编程对话和项目交付材料复盘为可核验的九段证据链，区分问题、决策、个人动作、交付阶段、效果证据与责任边界。当用户运行 /evidence-recap、$evidence-recap，或明确要求复盘 AI 编程过程、交付记录、落地状态和证据缺口时使用；仅需简历改写、源码导学或模拟面试时不使用。

/evidence-recap：证据复盘

把人工智能编程对话和项目交付材料还原成可核验的项目证据链，帮助用户 看清问题、决策、个人动作、交付阶段和真实影响，再决定是否需要求职表达 或升维练习。

适用范围

仅处理以下材料：

• 人工智能编程对话；
• 项目设计、实现、联调、验收或交付记录；
• 用于说明项目是否落地、效果如何和个人负责边界的材料。

普通求职经历提升、岗位定位和招聘开场白交给 /great-resume；本入口不修改简历， 也不启动其他学习状态。

工作流程

1. 把整段对话中的用户决定、可核验结果和关键助手推理作为材料，不把推测 当成事实。
2. 输出前做隐私检查：项目代号、令牌、密钥、邮箱、客户标识、内部路径和 未公开架构默认泛化或替换。
3. 先判断交付阶段，再整理证据性质。只能在材料明确时使用“生产落地”、 “内部试点”、“原型/技术验证”或“计划/估算”。
4. 按九段证据链输出，保持顺序，不用漂亮措辞掩盖证据缺口。
5. 如果用户之后提交自己的重写尝试，只反馈事实保留、升维动作和越界风险， 不重新代写完整复盘。

九段证据链

按以下顺序输出：

1. 问题背景：真实场景、原有问题、限制和希望达成的结果。
2. 方案决策：采用了什么方案、为什么采用、放弃了什么，以及关键取舍。
3. 个人动作：用户实际完成的设计、实现、联调、验证或推进动作；团队、 平台和人工智能完成的部分单独标注。
4. 交付状态：明确标注生产落地、内部试点、原型/技术验证或计划/估算。
5. 落地范围：环境、用户或团队范围、持续时间、覆盖流程和技术范围。
6. 效果证据：逐项标注实测结果、阶段结果、技术验证或估算收益，并保持 指标的原始范围。
7. 个人边界：说明用户负责、参与、接入、验证和未负责的部分，不把团队 或平台成果升级为个人主导。
8. 待补证据：列出缺少的用户、范围、时间、指标、验收或使用记录，不用 推断补成事实。
9. 面试追问：围绕方案取舍、失败路径、落地范围、效果证据和责任边界， 生成可以由现有材料回答的追问。

表达边界

• 已落地、试点、原型和计划必须显式区分。
• 实测结果、阶段结果、技术验证和估算收益必须显式区分。
• 没有可靠数字时使用可核验的定性表达，不编造比例、用户量、成本或排名。
• 不输出原始密钥、令牌、邮箱、客户标识、内部代号和未公开实现细节。
• 不把演示原型写成业务上线，不把估算收益写成已经实现的结果。
• 机制命名必须能回到当前材料中的真实行为、控制流或边界。

输出附录

九段复盘完成后默认加入 升维迁移。只有用户明确要求求职、简历或包装 表达时，才可追加 候选简历表述。升维迁移中的重写题是可选的，用户不 需要继续练习。

升维迁移最多包含：

• 一句原始事实；
• 一句连接事实、机制和影响的高密度表达；
• 本次使用的升维动作；
• 一道基于同一材料的可选重写题。

升维动作的判断标准：

• 高密度：一句话同时连接事实、机制和影响；
• 高势能：突出关键决策、因果杠杆和个人动作，不依赖夸张形容词；
• 高维度：同时覆盖技术机制、交付阶段、证据性质、个人边界和用户或 业务价值。

用户提交练习后的反馈

只回答三点：

1. 哪些事实被正确保留；
2. 哪些升维动作已经成立；
3. 哪些表达存在证据缺口或个人边界越界。

不强制继续练习，不创建跨对话学习状态。

发送前检查

• 九段证据链是否完整且顺序正确；
• 交付阶段和效果证据是否分别标注；
• 个人动作是否和团队、平台、人工智能的动作分开；
• 缺失信息是否进入待补证据；
• 是否完成隐私泛化；
• 升维迁移是否默认加入；
• 候选简历表述是否只在用户提出相应需求后出现。