Caitlin Sullivan
署名于 AI 与新工作方式
AI 与新工作方式 · 6 张
AI·MM·070 思维模型
分析型 LLM 模型选择法LLM Selection For Analysis
做定性数据分析（访谈/问卷）时选哪个 LLM；以及理解你正在用的那个模型的盲区——多数团队只有一家的企业账号，永远看不到自己模型的短板。
Caitlin Sullivan AI 时代
AI·PB·202 操作手册
上下文加载四要素Context Loading Four Components
AI 分析输出泛泛主题（"价格是一个因素""用户重视可靠性"）或只是复读你已知的东西，无法支撑具体决策。根因通常是提示词里的 context 要么只有三行目标、要么是四段想到哪说到哪的流水账。
Caitlin Sullivan AI 时代
AI·PB·207 操作手册
少样本校准量表Few Shot Calibration Scale
AI 给的是计数和分类（"22 人提到想要屏幕""情感 72% 正面"），不是决策清晰度。它分不清"屏幕能直接留住的人"、"其实只需要改 App UX 的人"和"屏幕完全无关的流失"，所有 mention 被同等对待。
Caitlin Sullivan AI 时代
AI·PB·272 操作手册
引语幻觉验证规则Quote Selection Rules Verification
AI 分析中的引语幻觉：完全虚构的"客户原话"，以及把访谈中多处发言缝合成的 "Frankenstein quotes"。它们会顶着真实参与者的名字进 deck，影响产品语言和百万级决策。
Caitlin Sullivan AI 时代
AI·PB·356 操作手册
AI 分析人工验证流AI Analysis Verification Pass
AI 的第一遍分析永远是一份"看起来完整"的草稿：主题清晰、引语动人、表格能直接进 deck，且所有内容都以同等自信呈现——它不会主动说"P03 我其实不确定"。人类专家会本能地做多遍复查，LLM 默认不会，除非你明确要求。这是作者认为最常见的失败模式。
Caitlin Sullivan AI 时代
AI·FW·357 框架
AI 分析四种失效模式AI Analysis Four Failure Modes
用 LLM 分析客户访谈、问卷等定性数据时，输出永远显得自信，但可能充满幻觉引语、伪洞察和错误结论。这些错误是隐形的——直到干系人问出你答不上的问题，或三个月后决策崩盘。本框架用来系统识别并修复 AI 分析的错误。
Caitlin Sullivan AI 时代
框架、方法、洞察本身属于 Caitlin Sullivan。卡片是用中文重新组织的转述，仅保留少量带署名的短引述。关于与出处 →