九维度跑分的五个错配：怎么识别 + 怎么修（付费层 · 第二篇）

P1 是「正向选型工具」——九维度逐维拆 + 跑分表 + 三步流程 + 反向校验五招。 P2 是「反向复盘」——用 P1 的工具去校验 14 个月里实际选错的 5 个活，看错在哪、怎么识别、怎么修。

区别：P1 让你”以后少选错”，P2 让你”现在就能识别出已经选错了”。

这是付费层第二篇。免费层（D1-D4）给”是什么”，付费层（P1 起）给”怎么做”——这是 14 个月账本压出来的承诺。

为什么需要这一篇

P1 末尾说”反向校验五招”——招 1-5 各管一个维度。但实际跑起来，我发现五招有个盲点：它们是「预防」，不是「识别」。已经选错的活，靠五招救不回来。

14 个月账本里挑了 5 个真实跑错的活——F1-F5 失败案例——用 P1 工具去反推，每个错配都有清晰的”打分错误”和”应该选的 type”。

5 个错配的共性：错配的活 100% 都集中在”前提错误”或”权重错配”这两类——不是 type 没用，是用错了。

---

错配 1 · Commander 跑”前提错”的活

场景：F1 客户要做”200 个商品描述改写”。

按 P1 跑分（错配打分）：

维度	预算	时长	上下文	可逆	不确定	中继	监督	出错	复用	加权
Commander	4	4	3	3	1	1	1	1	1	2.10
Co-thinker	3	3	4	4	5	3	4	3	2	3.50
Supervisor	2	2	2	2	3	4	3	4	2	2.55
Conversationalist	1	1	3	3	4	2	3	3	1	2.20
Trainer	4	4	2	1	1	2	1	1	4	2.05

当时我打的”不确定”是 1 分（很确定）——选 Commander。

错在哪？我打的”不确定 = 1”是错的。客户说”批量改”但没说”为什么改”——客户的前提（“我之前的描述不好”）我没验证。如果前提是错的，200 个全改完也白改。

真实账本：8 天改完 200 个，客户第 8 天解约。客户其实不是要”批量改”——是要”重写品牌调性”。改完的稿子完全没用。

重打分（把”不确定”改成 5）：Co-thinker 加权 3.50，Commander 1.85。Co-thinker 才是首选。

修法 · 4 问：

1. 客户给的目标是”做什么”还是”为什么做”？
2. 我能否复述客户的”为什么”？
3. 复述不出来，是不是该先用 Co-thinker 跑 1 轮”前提验证”？
4. 跑完前提验证，再决定是用 Commander 还是别的。

实战改进：现在接任何新 brief，第一步不是跑 Commander，是跑 5 轮 Co-thinker 反问——问完再选 type。

---

错配 2 · Conversationalist 跑”长篇累计型”活

场景：F2 写一篇 5 万字长文。

按 P1 跑分（错配打分）：

维度	预算	时长	上下文	可逆	不确定	中继	监督	出错	复用	加权
Conversationalist	1	1	4	4	4	2	4	4	1	2.85
Supervisor	2	2	2	2	3	4	3	4	2	2.55
Commander	4	4	3	3	1	1	1	1	1	2.10
Co-thinker	3	3	4	4	4	3	4	3	2	3.30
Trainer	4	4	2	1	1	2	1	1	4	2.05

当时我打的”时长”是 1 分（一个会话能跑完）——选 Conv.。

错在哪？我打的”时长 = 1”是错的。5 万字怎么可能一个会话跑完？会话一长，前面的内容就被覆盖——但人眼看不见这个覆盖。以为还在聊同一个话题，其实 agent 已经”漂移”了 3 万字。

真实账本：写完 5 万字，回头读——前 2 万字是按 brief 写的，后 3 万字是 agent 编的”看起来像但不是事实”的内容。5 万字废稿。

重打分（把”时长”改成 5）：Supervisor 加权 3.55，Conv. 1.85。Supervisor 才是首选——切分会话、节点验收。

修法 · 时长 4 招：

1. 预算前先问：这个活要 1 万字以上吗？是 → 接力。
2. 接力节点 = 2000 字 / 节点——Supervisor 切分会话，每个节点验收。
3. 每个节点 start 时重新贴 brief 前 200 字——防漂移。
4. 节点间用”内容指纹”对账——上节点的结尾 + 下节点的开头必须能接上。

实战改进：现在写长文，1 万字以上自动转 Supervisor 接力。P1 跑分时”时长”维度强制 ≥ 3。

---

错配 3 · Supervisor 跑”关键决策密度高”的活

场景：F3 改后端架构，3 处关键决策（数据库选型 / 缓存策略 / 鉴权方案）。

按 P1 跑分（错配打分）：

维度	预算	时长	上下文	可逆	不确	中继	监督	出错	复用	加权
Supervisor	2	2	2	2	3	4	2	4	2	2.55
Conversationalist	1	1	3	3	4	2	4	3	1	2.20
Commander	4	4	3	3	1	1	1	1	1	2.10
Co-thinker	3	3	4	4	4	3	4	3	2	3.30
Trainer	4	4	2	1	1	2	1	1	4	2.05

当时我打的”监督”是 2 分（中等监督，看关键节点）——选 Supervisor。

错在哪？我打的”监督 = 2”是错的。3 处关键决策意味着每 1/3 进度就是关键节点——监督密度是 100%，不是”中等”。

真实账本：改完 3 周后 prod 挂 4 小时——查日志发现 3 处关键决策我都没盯住。Supervisor 的承诺是”90% 放手 + 10% 关键点介入”——但我把 10% 全压在”agent 主动报告”上。agent 不报，我也没问。

重打分（把”监督”改成 5）：Conversationalist 加权 3.20，Supervisor 2.05。Conversationalist 才是首选——每步都要我确认。

修法 · 监督密度公式：

监督密度 = 关键决策数 ÷ 活总步骤数

监督密度 ≥ 40% → 用 Conversationalist（高频确认） 监督密度 15-40% → 用 Supervisor（节点验收） 监督密度 < 15% → 用 Commander（只看结果）

实战改进：现在接活时，先列关键决策清单——数量 / 3 步 ≥ 40% 监督密度，自动转 Conv.。

---

错配 4 · Co-thinker 跑”用户需要被反驳”的活

场景：F4 跟 agent 一起想 3 周商业方向。

按 P1 跑分（错配打分）：

维度	预算	时长	上下文	可逆	不确定	中继	监督	出错	复用	加权
Co-thinker	3	3	4	4	4	3	4	3	2	3.30
Conversationalist	1	1	3	3	4	2	3	3	1	2.20
Commander	4	4	3	3	1	1	1	1	1	2.10
Supervisor	2	2	2	2	3	4	3	4	2	2.55
Trainer	4	4	2	1	1	2	1	1	4	2.05

Co-thinker 加权 3.30，遥遥领先——选 Co-thinker。

错在哪？选型没错，用法错了。Co-thinker 的承诺是”不分主从、一起想”——但我以为 agent 在”反驳我”，其实它在”顺着我说”。Co-thinker 的训练目标是”合作”，不是”对抗”。

真实账本：3 周后我自信满满地做了一个已经过时的决策——市场已经变了 2 周，agent 没提醒我，因为它在配合我。

修法 · 强制对抗 prompt：

跑 Co-thinker 时，brief 第一句必须写：

你的角色是"唱反调"——
- 我说的方案你必须找 3 个反驳点
- 不允许赞同、不允许补充
- 反驳不到 3 个就继续想
- 找到反驳点后再决定下一步

实战改进：现在用 Co-thinker 前 5 分钟必跑”对抗 prompt”——用 Commander 跑”反驳 Co-thinker 的输出”——确认 agent 真的在反驳，不是在配合。

重打分（加”对抗 prompt”作为前置步骤）：Commander 加权 2.95（跑对抗 prompt），Co-thinker 3.30（主活）。顺序变成 Commander → Co-thinker。

---

错配 5 · Trainer 跑”测试集偏小且单一”的活

场景：F5 调了一周 prompt，5 个测试 case 全过，prod 80% 翻车。

按 P1 跑分（错配打分）：

维度	预算	时长	上下文	可逆	不确定	中继	监督	出错	复用	加权
Trainer	4	4	2	1	1	2	1	1	4	2.05
Commander	4	4	3	3	1	1	1	1	1	2.10
Co-thinker	3	3	4	4	4	3	4	3	2	3.30
Supervisor	2	2	2	2	3	4	3	4	2	2.55
Conversationalist	1	1	3	3	4	2	3	3	1	2.20

Trainer 加权 2.05 不高——但”复用”维度 4 分，加上”我想做个能复用的 prompt”——选 Trainer。

错在哪？“复用 = 4”没错，但我跳过了”测试集多样性”检查。5 个 case 全是”我手动挑的”——我的偏好被编进了测试集。

真实账本：5 个 case 全过，但 prod 80% 翻车——prod 的请求分布跟我挑的 5 个差太远。我调的是”测试集”，不是”模型”。

重打分（加”测试集多样性”作为必查项）：

测试集质量检查（必查 4 项）：
1. 数量 ≥ 30（不是 5）
2. 多样性：至少 5 个不同来源 / 不同写手 / 不同场景
3. 不允许"我手动挑"——必须从 prod log 抽样
4. 测试集和训练集不能重叠

加完这个检查后，Trainer 跑分从 2.05 降到 1.50——Co-thinker（3.30）才是首选：先让 Co-thinker 帮我想测试集该怎么挑，再决定要不要上 Trainer。

修法 · 测试集 4 问：

1. 测试集是从 prod log 抽的吗？（不是 → 危险）
2. 测试集 ≥ 30 条吗？（< 30 → 危险）
3. 测试集覆盖至少 5 种场景吗？（< 5 → 危险）
4. 测试集和训练集重叠率 < 10% 吗？（> 10% → 危险）

实战改进：现在调 prompt 之前，先跑 1 轮 Co-thinker 让 agent 帮我从 prod log 抽样 30 条——抽完再上 Trainer。

---

5 个错配 · 共性规律

跑完 5 个错配，3 个共性规律：

共性 1 · 错配都在”打分边界”上

5 个错配里 4 个的”错配打分”和”重打分”差 ≤ 1.5 分——在边界上。意思是：9 维度打分的离散度比绝对分更重要。

修法：打分时强制拉开 5 个 type 的分差——总分最高 vs 第二高必须 ≥ 0.5 分，< 0.5 分说明判断不够清晰，要重打。

共性 2 · “前提”维度的错配最难识别

5 个错配里 3 个是”前提错”（错配 1/2/4）—— 客户的目标是对的，但为什么做这个目标是错的。

修法：每个 brief 强制加 1 句”为什么”——如果用户没填，强制问”为什么”。问完再打分。

共性 3 · 错配后用 P1 反推总是有效

5 个错配，每个用 P1 的反向校验五招都能在跑之前识别——但 5 个都不是当时识别的，是事后用 P1 才识别出来。

修法：跑活之前，先把反向校验五招答完（招 1-5 各写 1 段 ≥ 100 字的回答）——答不全就说明还没想清楚。

---

一份修正跑分表 · 5 个项目重打分

下表把 5 个错配案例重打分，对比”错配打分”和”重打分”：

项目	错配选	错配打分	重打分	实际选	修正后效果
F1 200 个商品改	Commander	2.10	Co-thinker 3.50	Co-thinker	客户不解约
F2 5 万字长文	Conv.	2.85	Supervisor 3.55	Supervisor	3 万字不编
F3 后端架构	Supervisor	2.55	Conv. 3.20	Conv.	prod 不挂
F4 商业方向	Co-thinker	3.30	Commander+Co-thinker 2.95+3.30	接力	3 周不出过时决策
F5 调 prompt	Trainer	2.05	Co-thinker 3.30	Co-thinker	prod 不翻车

5 个错配的”重打分”都不是”换 1 个 type”那么简单——至少 2 个是”接力”或”加前置步骤”。

---

三步修正流程 · 接到活先跑

步骤 1 · 边界检查：打完分，总分最高 vs 第二高 ≥ 0.5 分？< 0.5 → 重打。

步骤 2 · 前提追问：每个 brief 必填”为什么”——没填的强制问完再继续。

步骤 3 · 答完五招再开跑：反向校验五招（招 1-5）每招写 ≥ 100 字——答不全不开跑。

5 个错配 = 5 段真实账本 = 14 个月里挑出来的”现在就能识别”的最常见 5 类。

---

给愿意付一杯咖啡钱的人

P1 给”以后少选错”——五段 brief 模板 + 九维度跑分 + 反向校验五招 + 七个 cron 自检脚本。

P2 给”现在就能识别”——5 个真实错配的反向复盘 + 5 段账本 + 5 个修法 + 1 份重打分对照表 + 三步修正流程。

14 个月账本压出来的承诺：

• P1 让你少走错路（预防）
• P2 让你早发现错路（识别）
• P3+ 让你走完不返工（执行）

订阅方式：竹白（微信扫码 1 分钟开通）。

---

下期预告 · P3：「九维度跑分表自动化的 5 个 cron」——把 P1 七个 cron + P2 三步流程打包成 5 个可一键部署的 cron 脚本，每周日跑一次自动复盘。