بازبینی گزارش کاری با هوش مصنوعی
پیش از فرستادن گزارش یا پیشنهاد، ببینید خواننده چه تصمیمی باید بگیره، کدوم ادعا هنوز شاهد نداره و اول از همه کدوم قسمت به اصلاح نیاز داره.
بازبینی گزارش کاری با هوش مصنوعی رو میتونید از تصمیمی شروع کنید که بعد از خوندن گزارش باید گرفته بشه. مثلا برای خرید یک دستگاه درخواست بودجه نوشتید و توضیح دادید دستگاه قبلی چقدر وقت تیم رو میگیره. اگه خواننده تا صفحه آخر نفهمه هزینه خرید چقدره یا جایگزینش چیه، حتی یک متن خوشخوان هم کارش رو راه نمیاندازه. اسکیل document-review این جور کمبودها رو پیدا میکنه و نشون میده دقیقا کجای متن باید دست ببرید.
ایجنت میتونه درباره شواهدی که در پیشنویس اومده نظر بده. مثلا شاید ادعای «زمان کار نصف میشه» به یک هفته آزمایش در شیفت صبح تکیه داشته باشه. در این حالت، پیشنهاد بهتر اینه که دامنه ادعا رو روشن کنید یا داده شیفت دوم رو هم بیارید. از ایجنت نخواید برای محکمتر کردن گزارش، عدد یا نقل قولی رو که ندارید به متن اضافه کنه.
کاربردها
- بازخورد روی گزارش رو اول بر اساس چیزهایی بچینید که جلوی تصمیم خواننده رو میگیرن.
- ترتیب بخشها رو بررسی کنید تا درخواست اصلی قبل از جزییات فنی به چشم بیاد.
- یک ادعای بیمنبع رو پیدا کنید و بنویسید چه شاهدی به نویسنده کمک میکنه ازش دفاع کنه.
- کنار هر پیشنهاد اصلاح، به پاراگراف یا جمله دقیق اشاره کنید تا همکار شما مجبور نشه دنبال ایراد بگرده.
- برای پیشنویسی که پراکنده شده یک ترتیب تازه پیشنهاد بدید و نکتههای اصلی نویسنده رو نگه دارید.
نصب و استفاده
- اسکیل رو در ایجنتتون نصب کنید. نسخهای از متن رو که مجازید به اشتراک بذارید همراه هدف و مخاطبش بدید. حساب جدا لازم ندارید.
- بگید «این درخواست خرید رو از نگاه مدیر مالی بخون. سه ایرادی رو که مانع تصمیمش میشن جلوتر بنویس و برای هرکدوم جای دقیقش رو نشون بده.»
- فرضهای ایجنت رو مرور کنید و اول موردهایی رو اصلاح کنید که بدون اونها خواننده نمیتونه درباره پیشنهاد تصمیم بگیره.
سوالات متداول
منبع
ساخته Linge (Grace) Guo. نام اصلی: document-review، منتشرشده در GitHub با مجوز MIT.
مشاهده در GitHub