问题地图 / 九类关键决策
先辨认症状，再找到真正要做的决定。
别从工具名或流行概念开始。先定位任务卡在哪一层，再带走一个可以直接使用的判断工具。
AI VISTA / ROUTING SHEET01—03
看到的症状定位层带走的产物
- 01任务是否适合 AI？→任务定义→适用性矩阵
- 02回答为什么不稳定？→上下文 / 评测→失败诊断树
- 03自动化能走到哪一步？→Agent 安全→权限阶梯
?从问题进入
INPUTDECISIONARTIFACT不做名词百科
01任务定义AI 到底应该做什么，这件事又是否应该交给它？还没决定是否该用 AI4 篇文章→02上下文与 Prompt模型必须看到什么、返回什么，下一步才能正常工作？输出时好时坏6 篇文章→03评测与诊断需要什么证据，才值得扩大这条工作流？不知道错误来自哪一层7 篇文章→04有证据的回答外部证据在什么情况下足以改善回答，值得建设检索系统？回答必须展示证据11 篇文章→05Agent 架构与协作Agent 的每一步由谁负责，复核者又怎样确认实际发生了什么？任务开始需要委派、调用工具或保存长期记忆12 篇文章→06Agent 安全这个 Agent 最多可以安全地拥有多大权限？Agent 将改变外部状态5 篇文章→07本地模型与部署这款模型能在本地硬件上承受真实负载吗，本地部署何时值得？需要核算显存并选择本地或云端服务7 篇文章→08模型运行与成本哪个模型能让这条工作流在真实运行中既可靠又负担得起？需要选择模型并控制运行成本7 篇文章→09AI 落地案例当 AI 工作流遇到真实复核、来源更新或付款时，究竟会发生什么？案例很顺，但说不清哪一步真的落地4 篇文章→
学习路线 / 第 02 站 · 问题地图
这一站把模糊症状，变成一个可以学习和验证的问题。
你不需要先知道模型名、技术名或课程名。只要描述工作在哪一步卡住，问题地图就会把你带到最相关的决策主题。
- 带什么来
- 一项工作里最明显的症状
- 在这里做
- 定位最先需要解决的决策层
- 带什么走
- 一个主题入口和建议课程
一项任务怎样穿过问题地图
同一条客服分流流程，会连续遇到四个不同判断。
问题地图的作用不是给任务贴一个永久标签，而是找到当前最早、最值得先解决的决策。前一步没有说清，后面的评测和自动化都会建立在错误假设上。
九类问题 / 完整参考
从一个信号出发，准备够用的证据，再进入对应课程。
这张表不是成熟度评分。它只帮助你找到最早仍不清楚的判断，并说明进入主题前要带什么、完成后要留下什么。
看到的信号准备的证据带走的产物继续学习
- 01
当前人工步骤、真实输入、错误后果
适用性矩阵、任务简报与控制循环决策表进入课程 → - 02 上下文与 Prompt同一提示在不同输入上遗漏字段或理解冲突 ↗
完整输入、来源优先级、期望输出字段
上下文流向图、验收契约与注入测试集进入课程 → - 03
真实任务切片、失败标签、严重程度
评测集蓝图与失败诊断树进入课程 → - 04
权威来源、版本、生效日期与访问范围
RAG 判断表、检索试验表与引用时效审计进入课程 → - 05 Agent 架构与协作任务已拆给多个 Agent，却说不清谁控制工具与共享状态 ↗
任务依赖、工具读写范围、运行预算与记忆来源
委派拓扑、工具契约、循环护栏与记忆生命周期表进入课程 → - 06 Agent 安全系统即将写入、通知或改变外部状态 ↗
逐项动作、后果、批准范围与失败状态
权限阶梯、人工关卡与恢复手册进入课程 → - 07 本地模型与部署模型文件似乎能运行，但峰值并发与质量未知 ↗
模型与精度、上下文、并发、真实案例、云端基线
显存预算、量化对照、负载记录与部署矩阵进入课程 → - 08 模型运行与成本模型选型只比较榜单和单次价格，运行代价不清楚 ↗
任务样例、质量门槛、延迟、重试与人工成本
模型评分表、成本图、缓存试验与漂移观察板进入课程 → - 09 AI 落地案例案例看起来都成立，却说不清自己团队该改哪一步 ↗
本团队的动作、后果、证据与审批人
案例对照表、权限阶梯与恢复演练记录进入课程 →
使用边界
先确认问题是不是需要一个系统。
如果只是缺少一个确定事实，先查资料；只有当任务需要判断、上下文或连续动作时，才进入更复杂的路径。