什么时候才轮到动模型本身 — 改之前的四条便宜路
这一章讲三件事: 在动模型参数之前,还有哪四条更便宜的路可以走; 每一条各自卡在哪儿;以及什么样的要求会真的把你逼到「只能改参数」。
它在全书链条里的位置: 第 01 章说了「这件事只能你自己干」, 但「自己干」不等于「立刻动手改模型」。这一章是全书唯一一章在劝你先别动手。 从第 04 章起,书才假定你已经被逼到了非改不可。
1. 先看现象:提示词写得越来越长,毛病却没少
回到那份 P-4471 记录。
一个团队接到「写拒付说明信」这个活,通常会这么走:先把要求写成一段话交给模型—— 这段话行话叫提示词。 第一版很短:
第 1 版提示词:「请根据以下理赔记录,写一封拒付说明信。」
→ 结果:能写,但格式每次不一样。
第 2 版:加上「必须包含保单条款编号」「不得给出医疗建议」「语气正式」。
→ 结果:好一些,但偶尔还是会安慰被保人两句。
第 3 版:塞进三封写得好的范例信。
→ 结果:它开始每封都以「感谢您的来信」开头——连续三封范例都这么起头。
第 4 版:再加十二条禁令、五个反例、两页公司文风指南。
→ 提示词现在有 3000 个 token 长,每次调用都要重发一遍。
结果:同一份记录问两遍,第 7 条第 3 款有时写成第 7 条第 2 款。
这是几乎每个团队都会走一遍的路。 作者对这条路的评价是双面的: 提示词工程已经相当精深——让它把中间步骤写出来再作答、在提示里附上几个示范、 给它设定一个角色、要求它按固定格式输出——这些都是真实提升效果的技术, 是实打实的智力成果1。
但它有三条无论多聪明的写法都翻不过去的硬限制。 这一章从它们开始。
2. 顶层全景:四级台阶,越往上越贵
一个具体的毛病
│
┌──┴──────────────────────────────────────────────────┐
│ 第 1 级 把要求写清楚交给它(提示词) 最便宜
│ 改的是:每次喂进去的那段文字 改完立刻生效
│ 卡在:装不下 / 说不全 / 不稳定
├─────────────────────────────────────────────────────┤
│ 第 2 级 外挂一个能查资料的库( 检索增强)
│ 改的是:它手上有哪些资料
│ 卡在:只改「知道什么」,不改「怎么表现」
├─────────────────────────────────────────────────────┤
│ 第 3 级 专门训它「怎么用查来的资料」
│ 改的是:参数(但只教一件很窄的事)
├─────────────────────────────────────────────────────┤
│ 第 4 级 在它算一句话的中途,给中间数值加一个方向
│ 改的是:这一次计算的中间结果,参数一个没动
│ 卡在:只能放大它已经有的行为,教不了新的
├─────────────────────────────────────────────────────┤
│ ★ 改参数(微调) 最贵
│ 要数据、要训练设备、要模型管理、要长期维护 第 04 章起
└─────────────────────────────────────────────────────┘
图说:作者的口径写死在一句话上——**「找到能达成目标的最小干预」**。
提示词达得到就用提示词,检索达得到就用检索[^2]。
这一章的主走查: 那份 P-4471 记录,在这四级台阶上各走一遍, 看它在哪一级掉下来、为什么掉下来。
3. 第 1 级:提示词的三条硬限制
作者把提示词的限制归成三类:装不下、说不全、不稳定2。
限制一:装不下
模型每次只能看见一段有限长度的文字,这段文字有个上限, 行话叫上下文窗口。哪怕这个上限已经从几千涨到几十万,它仍然是有限的。
作者举的例子很硬:一套医疗系统不可能把每一条相关的临床指南都塞进每一次提问; 一个法律助手不可能把整个判例库嵌进上下文2。
走查里的样子: 这家保险公司的保单条款、拒付代码表、文风指南加起来 有几百页。它们塞不进那段文字。
限制二:说不全
举几个例子确实能教会简单的格式,但复杂的行为举不完。
作者列了一串要同时满足的要求:永远不生成某几类内容、 永远按特定格式引用来源、对不同类型的用户换不同语气、 碰到含糊的请求要先反问澄清——这些情况的组合会爆炸,例子举不完3。
而且例子会误导。 书里专门用一个警告框讲这件事:
给模型看三封都以「感谢您的来信」开头的范例,它可能学到所有回答都该这么开头, 哪怕在不合适的场合;给它看某种格式的例子,它可能死盯格式而不是背后的逻辑。 模型分不清例子里哪些特征是本质的、哪些只是碰巧4。
这里有一条结果非常反直觉的研究,值得单独拎出来:
把少样本示例里的标签随机打乱,效果几乎不掉。 也就是说,模型从这些例子里学到的不是「这个输入对应这个答案」, 而是任务的格式、标签的取值范围、以及输入大概长什么样4。
这对我们的走查是一记警钟: 你以为那三封范例信教会了它「什么时候该引第 7 条」, 实际上它学到的可能只是「拒付信长这样」。
限制三:不稳定
这一条最要命,因为它是最后暴露的。
很多人以为把那个抽签旋钮(第 02 章讲的 temperature)调到最低、 让它永远挑概率最高的词,输出就固定了。作者说这只是最好情况,而且远远没有保证5。
原因出在显卡的算术上:
有研究显示,在同一份提示词、同样「永远挑最高」的设置下, 仅仅因为显卡数量、型号和批次大小不同,准确率就能差出 9 个百分点, 回答长度能差出 9000 个 token6。
为什么会这样,作者给了根因: 计算机里的小数加法不满足结合律—— 先算 a+b 再加 c,和先算 b+c 再加 a,结果可能有极小的差别; 而不同的并行方式会改变求和的顺序6。
这个 9 个百分点要有参照物:
- 一次正经的模型升级,准确率提升通常就是几个百分点;
- 也就是说,换一批显卡带来的波动,能盖过一整轮优化的成果。
还有一条更根本的:提示词是在推理时起作用的,模型参数一个都没动。 所以它没有任何机制记住「昨天这类问题我是怎么处理的」7。
作者的定性(直接引): 这些不是「等着更好的提示词来解决」的工程问题, 而是只在推理时做文章这条路本身固有的结构性约束7。
走查在这一级掉下来了: 第 4 版提示词已经 3000 个 token, 条款编号仍然会漂。换任何写法都救不回来,因为漂的原因不在写法上。
但「掉下来了」这句话得有个门槛,而门槛由用途定
书在这里纠正了一个提问方式8:
★ 从业者必须老实回答的问题,不是「提示词能不能管用」 ——对很多应用它显然能管用—— 而是:它能不能可靠到够用、在要求的质量水平上、以可接受的延迟和成本。 书接着补了一句:可靠性往往就是那个限制因素。
书给的对照只有一句,但它能直接拿去做决定8:
★ 一个 95% 的时候都管用的提示词:
给内部工具用 → 够了
给面向客户的应用用 → 不够
★ 因为那 5% 的失败率会变成工单,和声誉损害。
而质量要求本身的差别有多大,书也给了两头8:
| 这类应用 | 能容忍什么 |
|---|---|
| 创意写作助手 | 偶尔跑偏,能忍 |
| 临床决策支持 | ★ 一次都不能忍——任何一个可能危及病人的回答都不行 |
★ 走查落到这条线上,答案是明确的: 那封拒付信是寄给被保人的, 不是给内部同事看的草稿。所以 95% 不够。 被拒付的人本来就准备好要申诉,一封引错条款的信不只是一张工单, 还是一份对方律师手里的材料。
这条判据要记住,因为它在后面还会以别的形式回来: 第 10 章会说「合格线必须由用途定,不能由基准分数定」; 第 06 章会说「74% 够不够用不是技术问题」。它们说的都是这一条。
4. 第 2 级:外挂一个能查资料的库
它是什么
模型训练完之后,它脑子里的知识就冻在那一刻了。 但很多问题的答案在你自己的文档里,而那些文档它从没见过。
做法很朴素:提问的时候,先去你的文档库里搜出相关的几段, 连同问题一起塞进那段文 字里,再交给模型。
作者对这条路的评价是「优雅」:如果模型需要它没被训练过的信息, 就在推理时把这些信息取回来、放进上下文9。 它训练时学到的那部分知识叫「参数里的知识」, 取回来的这部分叫「参数之外的知识」,两者互补。
这条路的名字必须留住:它叫 RAG(检索增强生成)。 你在任何一份企业 AI 方案里都会撞见这三个字母。
它什么时候是对的答案
作者给的适用面很清楚,是两种情况10:
| 情况 | 意思 | 走查里的例子 |
|---|---|---|
| 知识会变 | 法规更新、市场行情、时事、内部政策 | 保单条款今年改过一版 |
| 知识太细 | 细到通用训练里根本学不到 | CT-06 这个拒付代码是这家公司自己定的 |
这一节真正的收获:一句能当场用的判据
这是全书被引用次数最多的一条判据,第 14 章还会回来用它。
问自己一句:模型是需要「知道不一样的东西」,还是需要「表现得不一样」?
- 知识问题 → 外挂检索。 例:「它应该知道我们的产品规格。」
- 行为问题 → 改参数。 例:「它应该回答得热情而简洁。」
- 两样都要 → 两样都上。 例:「准确而热情地推荐产品」—— 准确靠检索,热情靠改参数(或者靠好的提示词)11。
说白了:检索改的是它手上有什么资料,微调改的是它拿资料干什么。
走查在这一级的表现: 挂上检索之后,那句「保单第 7 条第 3 款」 终于每次都对了——因为条款原文就摆在上下文里,它是抄的,不是背的。
但语气仍然不稳,合规那句医疗建议还是会冒出来。 这完全符合上面那条判据:检索没有改变它的行为,一点都没有。
5. 第 3 级:专门训它「怎么用查来的资料」
上一节末尾那个局面——知识有了、行为没变——正是这一级要处理的。
而且检索本身有个脏问题:搜出来的几段里,总有几段是不相关的。 搜索系 统不可能次次精准,这些混进来的干扰段落会把模型带偏。
做法是:专门训一遍,教它三件事12:
- 有检索文档时该怎么答;
- 怎么无视那些不相关的干扰文档;
- 怎么从相关文档里逐字引用,让答案落在证据上,而不是落在它自己的记忆上。
这条路的名字叫 RAFT。 书里给的结果是:这么训出来的模型, 比纯检索和纯微调都好12。
注意这一级已经在改参数了。 它之所以排在「微调」之前, 是因为它教的是一件很窄、很确定的事(怎么用文档), 不是「学会我们公司的写作风格」这种开放要求。 窄,意味着数据好造、风险好控。
6. 第 4 级:在它算一句话的中途,给中间数值加一个方向
这一级最反直觉,也最容易被误解,所以单开一节。
现象:能不能不训练就把语气拧一下
第 02 章讲过,模型算一句话时,每一层都会产生一串中间数值。 那些数看起来是一堆乱码,没有可读的含义。
但有一类研究发现:这堆数里藏着可以被辨认出来的「方向」—— 有的方向对应「正式语气」,有的对应「用代码回答」, 有的对应「拒绝回答」,有的对应某种情绪13。
怎么做的
一旦某个方向被找出来,做法简单得离谱:
想让它更正式 → 找到「正式」那个方向,在推理时把这个方向按一定强度加进中间数值里
想让它更简短 → 找到「啰嗦」那个方向,减掉它
代价:不需要算梯度、不需要训练、立刻生效 。
作者的话:本来要几千条训练样本加几小时算力的事,变成了推理时的一次加减[^14]。
这条路的名字叫激活引导(英文文档里写作 steering)。
它的位置很特别: 作者说它比微调快、比提示词有力,但比两者都窄—— 提示词靠改输入来调行为,但没法可靠地压住不想要的倾向; 微调什么都能教,但要数据要算力;激活引导夹在中间14。
但它有一条铁律:它只能调制,不能教
这是本章最重要的一句话,也是全书那条暗线第一次出现。
作者给了一个可以当场执行的判据,他管它叫「引导测试」:
问:这个能力,底座模型本来就有吗——哪怕它不总是表现出来?
- 有 → 引导能把它放大或压住;
- 没有 → 引导帮不上忙,因为根本没有方向可以指过去15。
他把话说得更死:
引导教不了东西。 它操纵的是模型已经知道的东西。 一个没有医学知识的模型,引导不出医学能力; 一个从没见过你专有数据格式的模型,引导不出那种格式16。
判断(我们的,不是书里的): 这条限制不是激活引导独有的, 它是一条更普遍的规律在这里第一次露头—— 模型没有的能力,你没法从它自己身上榨出来。 同一条规律后面还会以两个更硬的形式回来:第 16 章的「组合性墙」 (会做三步的题,五步的题就是不会,加多少数据都没用), 和第 17 章的「模型无法为它不具备的能力生成训练信号」。 原书从没把这三处并起来说过,这是我们加的。 如果错,会错在: 三处的机制并不相同——这里是「没有方向可指」, 第 16 章是「学到的是三步模板不是推理」,第 17 章是「生成不出比自己好的样本」。 把它们并成一条,可能让人以为存在某个统一的定理。没有,这是一条经验上的家族相似。
一句必须说的安全话
作者专门警告:激活引导和一种叫「消融」的攻击手段同源—— 后者正是通过操纵同一串中间数值来拆掉模型的安全机制的。 能做正当定制的能力,同样能被滥用17。
而且他给了 这条路一个很克制的定位:在写作时, 它首先仍是研究与诊断工具,其次才是运维工具18。
7. 那么什么会真的把你逼到必须改参数
四级台阶走完了。现在回答这一章的正题。
作者给出三类要求,他把它们和现成模型之间的距离叫生产要求缺口19:
| 要求 | 意思 | 为什么提示词顶不住 |
|---|---|---|
| 口径一致 | 同类输入,输出要能重复 | 措辞一变结果就变,抽签本身还带随机(§3 限制三) |
| 过得了合规 | 规矩是这家公司自己的,而且会变 | 提示词里的护栏对措辞和采样设置敏感,不能当唯一控制手段 |
| 领域上真的准确 | 流利但错误的陈述是系统性的 | 法律与医疗领域的评测显示,这类错误在高分模型里照样存在 |
作者的收口很干脆: 检索能提供最新的外部知识,但它不改变模型的行为; 只靠提示词也给不出持久的约束。改参数的方法把偏好和约束编码进参数里, 这才是通往「持久的、与组织对齐的行为」的实际路线19。
走查到这里终于翻过山顶:
第 1 级(提示词) → 条款编号会漂、语气不稳 ✗ 口径一致
第 2 级(检索) → 条款对了,语气仍不稳 ✗ 合规
第 3 级(RAFT) → 引用规矩了,文风还是通用腔 ✗ 「像我们家的」
第 4 级(引导) → 能把语气拧正式一点,
但「本公司历来怎么解释第 7 条第 3 款」
这件事模型压根没有 —— 没有方向可指 ✗ 领域准确
→ 三类生产要求全部落空。**到这里才轮到改参数。**
8. 决策框架:三问,以及别忘了算的那几笔账
三个问题
作者反对「为了显得先进而上微调」,他给的是三问20:
- 模型到底哪儿不对?
- 什么样的干预能解决它?
- 这个干预值不值这个价?
贯穿三问的口径是最小干预原则:找到能达成目标的最小那一档。 微调在时间、专业能力、基础设施和长期维护上都是贵的; 提示词能达成就用提示词,检索能达成就用检索21。
一个作者朋友起的名字:太空笔现象
书里讲了一个很扎人的场景:一个团队花了几个月搭训练设施、整理数据集、跑训练, 事后才开始想「也许调调提示词就解决了」22。
他朋友把这叫太空笔现象——典出那个(基本是编的)段子: 美国人花大钱造能在太空写字的笔,苏联人用铅笔。
但作者在这里加了一句必须一起记住的话:
美国航天计划不用铅笔是有很好的理由的:石墨粉尘高度易燃、高度导电, 在高氧环境里相当容易自燃。23
这句话的用意是:「便宜的做法」不等于「对的做法」, 提示词先试是对的,但试完发现不够时不要赖着不走。
三笔最常被漏掉的账
组织通常给第一次微调编了预算,然后忘了后面的24:
| 漏掉的账 | 书里的说法 |
|---|---|
| 底座换代 | 2025 年 4 月 Llama 4、2025 年底 GPT-5 一出来,已经在旧版上微调过的组织就要选:是继续用旧的错过改进,还是在新底座上重训一遍再付一次钱。两条都不免费 |
| 世界变了但参数没变 | 你的数据反映的是去年的产品和去年的法规,模型会自信地给出过时的指导。这不是假想,是必然 |
| 设施本身要养 | 依赖一升级训练流水线就坏;评估装置随需求演进要改;当初搭这套东西的工程师会离职 |
作者给的经验法则:变化快的领域,大约每 6 到 12 个月要全量重训一次24。
让继任者接得上:三份文档
针对上面最后一条(人会走),作者给了三份文档25:
| 文档 | 记什么 | 为什么 |
|---|---|---|
| 模型卡 | 用途、训练数据、评估结果、已知局限、伦理考量 | 2019 年提出的格式,现在几乎是行业标准 |
| 运行手册 | 不只是「怎么跑」,还有为什么这么选 | 用能跑的笔记本形式写,文档永远和实现对得上 |
| 决策记录 | 为什么选这个底座、为什么这样组织数据、为什么学习率填这个值 | 继任者问「当初为什么这么干」时,答案该找得到,而不是锁在离职的人脑子里 |
作者的结论: 维护这三份东西的开销是真实的,但比起从零重建机构知识,它很小; 每个微调 项目都要把写文档的时间编进预算,并把它算进「做完了」的定义里25。
9. 作者的判断与证据
| 说法 | 是哪一类 | 说明 |
|---|---|---|
| 打乱少样本标签几乎不掉效果 | 有证据 | 引的是一项具体研究,书给了尾注4 |
| 换显卡能差出 9 个百分点、9000 个 token | 有证据 | 同样引了具体研究,并给了根因(小数加法不满足结合律)6 |
| 高分模型在法律与医疗领域仍系统性地流利地出错 | 有证据 | 书连引三条尾注19 |
| 「知识 vs 行为」这条判据 | 作者的框架 | 是他自己整理的判断工具,不是被检验的命题 |
| 激活引导「教不了新能力」 | 作者的论断 | 说理很硬,但书没有给这一条配实验尾注16 |
| 快速变化领域每 6–12 个月重训一次 | 作者的经验法则 | 他用的措辞就是经验法则,没有出处24 |
| 激活引导目前主要是研究工具 | 作者的定性 | 明写「在写作时」,是一个时间点上的判断18 |
10. 边界与局限
- 这一章没教怎么写提示词。 书自己就不教——它只把提示词当作决策矩阵里的对照项。 想学写提示词,这本书和这份拆解都帮不了你。
- 激活引导那一节的机制被压薄了。 那些「方向」是怎么被找出来的, 书里只用了一段话交代(用的技术叫稀疏自编码器,见脚注),我们没有展开—— 因为后面十七章一次都不用它。
- 检索本身怎么做,书不讲。 文档怎么切、怎么让搜索搜得准、搜出来的几段怎么排序, 这些是另一个领域的事,书只讲它和微调的分工。
- 三类生产要求的证据强度不一样。 「口径一致」这条书里有实测数字支撑, 「合规」这条基本是论理,「领域准确」这条给了三条尾注但没给具体数字。
- 决策矩阵那张表我们没有整表照抄。 书里的表 2-1 有九行判据、五列做法。 我们抄它会变成红线一(搬原文),所以这一章只交付它背后的口径 (最小干预 + 知识还是行为 + 三问),表格本身请回原书查。
11. 可带走的
- 动模型参数之前有四级更便宜的台阶:写清要求 → 外挂检索 → 训它用好检索 → 推理时加方向;口径是「找到能达成目标的最小干预」;
- 提示词的三条硬限制是结构性的,不是写法问题:装不下、说不全、不稳定;
- 「不稳定」有硬数字: 光换显卡就能差 9 个百分点、9000 个 token, 根因是小数加法不满足结合律;
- 你举的例子未必教了你以为的东西 —— 把标签随机打乱,效果几乎不掉;
- ★ 该问的不是「提示词能不能管用」,而是「它能不能可靠到够用」 —— 一个 95% 管用的提示词,给内部工具够了,给面向客户的应用不够, 因为那 5% 会变成工单和声誉损害;而门槛高低由用途定: 创意写作助手能忍偶尔跑偏,临床决策支持一次都不能;
- 一句能当场用的判据:它需要「知道不一样的东西」,还是「表现得不一样」? 前者上检索,后者改参数,两样都要就两样都上;
- 检索改的是它手上有什么资料,微调改的是它拿资料干什么;
- 搜出来的东西里一定有干扰段落,所以有一条专门训「怎么用文档、怎 么无视干扰、 怎么逐字引用」的路(RAFT),书里说它比纯检索和纯微调都好;
- 推理时加方向只能放大已有的行为,教不了新能力 —— 判据是「底座本来就有这个能力吗」;这是一条后面还会以更硬形式回来的规律;
- 真正逼你改参数的是三类生产要求:口径一致、过得了合规、领域上真的准确;
- 别忘了三笔账:底座半年到一年换一代、世界变了参数没变、设施和人都要养;
- 写三份文档:模型卡、运行手册、决策记录 —— 把写文档的时间编进预算,并算进「做完了」的定义。
12. 原文地图
| 主题 | 原书章 | 原文位置 |
|---|---|---|
| 提示词工程是真实成果 | What Post-Training Really Means | text/09-fm-what-post-training-really-means.txt:229(搜「remarkably sophisticated」) |
| 三条硬限制 | What Post-Training Really Means | text/09-fm-what-post-training-really-means.txt:231(搜「three general limitations」) · text/09-fm-what-post-training-really-means.txt:233(搜「context windows」) · text/09-fm-what-post-training-really-means.txt:237(搜「combinatorial explosion」) |
| 例子会误导、打乱标签 | What Post-Training Really Means | text/09-fm-what-post-training-really-means.txt:241(搜「Randomly replacing labels」) |
| 换显卡差 9 个百分点 | What Post-Training Really Means | text/09-fm-what-post-training-really-means.txt:245(搜「nonassociativity」) |
| 结构性约束,不是提示词问题 | What Post-Training Really Means | text/09-fm-what-post-training-really-means.txt:249(搜「architectural constraints」) |
| 三类生产要求与缺口 | What Post-Training Really Means | text/09-fm-what-post-training-really-means.txt:255(搜「three main categories」) · text/09-fm-what-post-training-really-means.txt:263(搜「production requirements gap」) |
| 95% 够不够用 | Should You Fine-Tune at All? | text/11-fm-should-you-fine-tune-at-all.txt:11(搜「95 percent of the time」) |
| 检索改知识不改行为 | Should You Fine-Tune at All? | text/11-fm-should-you-fine-tune-at-all.txt:17(搜「nonparametric knowledge」) · text/11-fm-should-you-fine-tune-at-all.txt:21(搜「changes how the model behaves」) |
| 知识还是行为:三档判据 | KNOWLEDGE VS. BEHAVIOR | text/12-fm-knowledge-vs-behavior.txt:3(搜「know different things」) · text/12-fm-knowledge-vs-behavior.txt:9(搜「enthusiastic product recommendations」) |
| RAFT 三件事 | KNOWLEDGE VS. BEHAVIOR | text/12-fm-knowledge-vs-behavior.txt:13(搜「distractor」) |
| 激活引导的原理与用法 | KNOWLEDGE VS. BEHAVIOR | text/12-fm-knowledge-vs-behavior.txt:17(搜「steering」) · text/12-fm-knowledge-vs-behavior.txt:21(搜「subtract」) |
| 引导测试 | THE STEERING TEST | text/13-fm-the-steering-test.txt:3(搜「already possess this capability」) · text/13-fm-the-steering-test.txt:5(搜「steering cannot teach」) |
| 引导与消融同源、它的定位 | WARNING | text/14-fm-warning.txt:3(搜「abliteration」) · text/14-fm-warning.txt:5(搜「narrower in scope」) · text/14-fm-warning.txt:7(搜「research and diagnostic tool」) |
| 三问与最小干预 | WARNING | text/14-fm-warning.txt:11(搜「three questions」) · text/14-fm-warning.txt:19(搜「Minimal intervention」) |
| 太空笔现象 | WARNING | text/14-fm-warning.txt:143(搜「space pencil」) · text/14-fm-warning.txt:145(搜「Graphite dust」) |
| 三笔隐藏成本 | WARNING | text/15-fm-warning.txt:3(搜「forget ongoing costs」) · text/15-fm-warning.txt:5(搜「the world changes」) · text/15-fm-warning.txt:7(搜「dependencies update」) |
| 三份文档 | BUILDING INSTITUTIONAL MEMORY FOR FINE-TUNING | text/16-fm-building-institutional-memory-for-fine-tuning.txt:3(搜「model cards」) · text/16-fm-building-institutional-memory-for-fine-tuning.txt:7(搜「decision logs」) · text/16-fm-building-institutional-memory-for-fine-tuning.txt:9(搜「definition of done」) |