研究不从模型名称开始。
在真实场景里，问题通常不是“要不要使用 AI”，而是：哪些信息正在被遗漏？哪些判断依赖经验？哪些步骤可以被验证？只有把问题说清楚，数据、模型和系统才有了共同的方向。
从问题到系统
一个可持续的研发过程，需要同时关注三个层面：
问题是否来自真实工作流；
数据是否足以支持判断；
结果是否能够回到人的行动中。
模型只是系统中的一部分。研究的价值，在于让每一部分之间的关系可以被理解、被测试，也可以在下一轮迭代中继续使用。
我们如何记录研究
每一项研究都应该留下问题、方法、限制和下一步。这样的记录不追求把不确定性藏起来，而是让后来的人能够知道结论从哪里来，以及它还没有回答什么。
