用 AI 构造概念例子：正例、反例和边界情况要各司其职 学习一个概念时，让 AI “再举十个例子”可能得到十段相近的说法。数量增加了，边界仍然模糊。更有效的任务是要求每个例子承担不同作用：展示定义、区分相邻情况，或反驳一个明确命题。这样读者知道自己到底从例子里学到了什么。 yunqueblog/ AI分享/ 2026-10-01/ 4 阅读
用 AI 核对活动材料包：成品、散件和预留数量要分开算 小型工作坊的材料准备很容易出现一种错觉：纸张、夹子和袋子分别看都很多，打包到最后却总差一种。AI 可以协助把散乱描述整理成材料关系，但起点应是一包到底装什么，以及手头库存怎样记录，不能直接让它给一张采购单。 yunqueblog/ AI分享/ 2026-10-01/ 4 阅读
公告字数超限时，让 AI 先列不能丢的信息 发布栏只能放一小段文字，原稿却已经写了几百字。直接让 AI “压缩到九十字”，常见结果是句子顺了，参加条件或变更安排也一起消失。更稳妥的做法是先确定哪些信息不能丢，再决定哪些表达值得缩短。 yunqueblog/ AI分享/ 2026-10-01/ 4 阅读
让 AI 审查数据结论：把“带来增长”改成证据真正支持的话 “换了海报，报名就涨了。”这样的句子很容易被 AI 改得更像正式报告：“全新视觉策略显著带动报名增长。”语气变强，证据却没有增加。审查数据稿时，可以专门安排一轮因果用语检查，先看每个动作词是否得到材料支持。 yunqueblog/ AI分享/ 2026-10-01/ 4 阅读
让 AI 检查小说人物知情范围：别让角色提前知道答案 小说写到后半段，作者已经熟悉全部秘密，人物的台词却可能不小心借用了作者的全知视角。让 AI 检查这种问题时，不必先让它续写。可以把任务缩成一件具体的事：这个人物此刻凭什么知道，或相信，自己正在说的内容？ yunqueblog/ AI分享/ 2026-10-01/ 4 阅读
让 AI 检查论证结构：证据和结论之间，还缺哪一步 一篇意见稿可以语句流畅、材料丰富，却仍然没有回答“这些事实为什么能推出这个结论”。让 AI 润色之前，先请它把论证拆开，往往比增加几个连接词有用。这里的任务是检查每一步推断依靠什么，而不是替作者寻找更多赞同自己的话。 yunqueblog/ AI分享/ 2026-10-01/ 4 阅读
TCP 消息分帧实战：用 Python 长度前缀解析器处理拆包与合并读取 客户端发送两条消息，服务端一次 recv 收到一条半，通常是应用对 TCP 的边界作了错误假设。TCP 提供有序字节流，应用必须自己定义消息结束的位置。把一次 send 对应到一次 recv，在本机测试中偶尔成立，也... yunqueblog/ 技术教程/ 2026-10-01/ 5 阅读
Python UTF-8 分块解码：字符跨过读取边界时，怎样保留未完成字节 读取日志流时，英文测试完全正常，换成中文就偶发 UnicodeDecodeError，常见原因是把每次收到的字节块直接解码。读取边界由缓冲区决定，未必落在字符边界上。某一块末尾只含一个字符的前半段，并不能直接说明原数... yunqueblog/ 技术教程/ 2026-10-01/ 5 阅读
Python SHA-256 文件校验：算对摘要之后，还要确认校验值从哪里来 下载文件后算出一串 SHA-256，只完成了测量。真正有用的下一步，是拿它与一个明确来源的预期值比较。若预期值也是从刚下载的文件重新算出来，两边当然一致，却没有回答“这是不是我要的那个发布包”。开始之前，先写清版本、... yunqueblog/ 技术教程/ 2026-10-01/ 5 阅读
Promise.allSettled 实战：部分任务失败后，怎样保留结果与对应关系 商品页同时读取用户资料、库存和推荐列表时，某个辅助模块失败，页面仍可能展示其他内容。此时需要一份完整清单：哪些成功，哪些失败，每项属于谁。只在最外层捕获一次异常，通常无法直接得到这份清单。先明确页面允许哪些部分降级，... yunqueblog/ 技术教程/ 2026-10-01/ 5 阅读
yunqueblog
