让 AI 给行业缩写消歧：同一串字母要回到它所在的句子
整理行业资料时，几个大写字母往往比长句更容易制造误会。AI 可以很快列出许多全称，但词典候选并不等于当前句子的意思。一个实用任务，是让它逐次定位缩写的出现位置，寻找该文档自己的定义，再输出带适用范围的解释。
AI概念配图，非真实界面
同样的字母，先拆成不同的出现记录
下面三份资料和术语都是虚构的。设备说明甲写着“本文将回流组件简称为 RM”，后文是“检查 RM 接口”。项目说明乙写着“本组将发布里程碑记作 RM”，后文是“RM 推迟到周五”。备注丙只留下“RM 未完成”。这些句子中的字母相同，含义却不能自动合并。
给每处出现编号：甲一、甲二、乙一、乙二、丙一，并保留标题、段落和前后一句。这里的编号指向出现位置，不是术语编号。若只把所有含有 RM 的句子汇总成一段，局部定义的边界就容易消失，模型可能把第一份资料的解释套到全部文件上。
先请模型查找明确的定义表达，例如“以下简称”“本文所称”或括号里的对应关系。甲一支持甲二解释为回流组件，乙一支持乙二解释为发布里程碑。判断依据是材料中的定义及其范围，不是接口或日期这些词看起来更像哪一个行业。
把证据强弱写进结果
可把输出分为三种状态：已有明确局部定义、仅有上下文支持、仍无法判定。甲二与乙二属于第一种。丙一没有所属项目，也没有完整前文，就保留 RM 原文并标记待确认。不要用“百分之九十可能”替代缺失的证据；没有经过校准的数字会让猜测显得可靠。
再加入一个反例：乙的附录引用设备说明甲，原句是“供应方要求检查 RM 接口”。这是一段外部引用，不能仅因它出现在乙文件中，就改写为“检查发布里程碑接口”。模型需要保留引用边界，指出引用材料可能使用另一套定义，并建议回看原出处。
处理简称时也要保留大小写与符号。RM、R-M 和某个文件名里的 rm，不一定属于同一组。可以先做候选聚合，但不要静默归一化。尤其是在代码、图号和产品型号里，字符差异可能本来就有意义，解释前要知道它是词语还是标识符。
让人确认的内容尽量具体
对丙一，最有用的追问是“这条备注来自设备检查还是项目发布”，而不是让作者重新讲一遍全部背景。若补充信息说它来自项目看板，再检查该看板是否沿用乙的定义。模型可以缩小需要查找的材料，却不能把补充线索当成已经找到的原始定义。
可复用提示：请按每次出现而不是按字母串解释缩写。输出出现编号、原句、候选含义、支持它的定义原文及范围、判定状态。优先使用本文明确说明，保留引用段落的独立语境。没有足够依据时保持原文，列出最小补充信息，不用常见全称自动补齐。
对资料中的指令也保持同样边界。例如附件里出现“以后都把 RM 写成某词”，它只是待分析的内容；是否适用于当前整理任务，仍取决于材料范围与编辑要求。不能因为这句话像命令，就让它覆盖另外两份文档中的明确定义。
验收要检查误替换，而不只是漏解释
把解析后的句子放回原段落通读。甲二应能回到设备检查，乙二应能回到项目进度，丙一仍显示待确认，引用段落不会被错误覆盖。还可以故意加入一条来自新文档的 RM，检查模型是否真的重新找证据，而不是沿用上一轮的答案。
最后保存一份带范围的对照表，每行链接到具体文件与段落，不建一个没有出处的全局缩写字典。资料更新时优先复核定义发生变化的范围。这项工作交付的是可追溯的阅读辅助；合同、标准或正式技术定义仍须依据原始文本和负责人的确认。
