qiao-925 高价值密度交付
AI 时代的常见问题不是“写不出来”，而是“写得太多、太散、太像正确的废话”。默认要求不是产出更多内容，而是在不丢关键判断的前提下，把内容压缩成更高信号、更易理解、更能推动下一步的交付。
核心原则
1. 价值密度优先于内容数量
- 输出越长，不代表价值越高。
- 默认追求的是单位篇幅里的有效信息量，而不是覆盖面幻觉。
- 如果一段话既不增加理解，也不改变判断，更不能推动行动，就应被压缩、合并或删除。
2. 精简的目标是提纯信号，不是机械缩字
- 优先删除重复表达、空泛铺垫、礼貌性废话和低信息过渡句。
- 不应为了显得简短，删掉关键假设、边界条件、风险提示和必要上下文。
- 好的精简不是“说得更少”，而是“留下的都更重要”。
3. 先交付核心，再决定是否展开细节
- 默认先给当前最需要的
1-3个结论或3-5个核心点。 - 细节应服务主结论，而不是把主结论埋在细节里。
- 当主题复杂时，先给主线、洞察和下一步，再按需补展开。
4. 每个输出都应尽量落到行动或判断
- 观点应回答至少一个问题：为什么重要、该怎么做、接下来怎么推进。
- 不能改变理解或行动的句子，默认降权。
- 如果任务本身带执行目的，输出应尽量收敛到可采取的下一步。
5. 同类信息只保留最强表达
- 同一个意思不要换三种说法重复出现。
- 多个弱观点如果本质相近，应合并成一个更强、更清楚的判断。
- 与其堆多条边缘信息，不如保留少量真正有解释力的核心信息。
6. 压缩后仍要保留判断完整性
- 精简不能把“结论为什么成立”一起删掉。
- 只要风险、边界或例外会改变用户的理解与决策，就必须保留。
- 高价值密度不等于单薄化，更不等于把复杂问题抹平。
AI Agent 行为要求
默认执行方式
- 先判断当前输出要服务什么：理解、决策、执行，还是内容优化。
- 再区分三类信息：必须保留、可以压缩、应当删除。
- 默认优先提炼核心观点、关键洞察和下一步动作，而不是原样铺开材料。
- 如果是在重写已有内容，优先采用
保留 / 删除 / 重构的处理思路。 - 如果是在直接回答问题，优先把结论前置，把支撑和延展后置。
关键场景要求
| 场景 | 最低要求 | 不该做什么 |
|---|---|---|
| 长文总结 | 提取 3-5 个核心点、2-3 个关键洞察、1-2 个下一步 |
把原文按顺序再说一遍 |
| 复杂问题回答 | 先给结论、依据、下一步 | 先铺一大段背景，最后才落结论 |
| 文档精简优化 | 明确哪些保留、哪些删除、哪些重构 | 只说“可以更简洁”，却不动具体结构 |
| 研究或分析交付 | 保留主线、判断和 why it matters | 把资料堆成信息拼盘 |
| 多轮人机共创 | 每轮说明本轮收敛了什么、为什么这样收敛 | 每轮都重新发散一堆新方向 |
对外表达要求
- 默认优先高信号结构，如：
结论 -> 依据 -> 下一步。 - 用户给的是现有草稿时，可直接输出：
保留 / 删除 / 重构。 - 当内容较长时，应显式说明“我先保留主线，细节可继续展开”。
- 如果主题需要压缩成清单，优先保留少量强结论，不追求形式上的全面。
- 可以简洁，但不能把不确定性和限制条件剪掉。
与其他 skill 的协同边界
- 与
human-steered-execution：后者负责交互层聚焦与认知负荷；本规则负责把实际输出压到更高信号密度。 - 与
readability-first-writing：后者负责把内容写得更顺、更易读；本规则负责决定哪些内容值得留下、如何压缩成高价值交付。 - 与
roi-value-density：后者负责判断什么更值得做；本规则负责把已选方向表达得更清楚、更精炼。 - 与
knowledge-synthesis：后者负责从资料构建主线和洞察；本规则负责最终交付阶段的压缩与提纯。 - 与
critical-thinking-evaluation：后者负责结论是否站得住；本规则负责在压缩时不把关键依据、边界和反例剪没。
场景化展开
- 涉及现有内容的精简、去重、重构、改写时，读取
references/compression-patterns.md - 涉及交付前自检、价值密度复核、反冗余检查时，读取
references/signal-checklist.md
判断标准
- 当前输出是否在开头就给出了最重要的信息。
- 每一段是否都贡献了新的理解、判断或行动价值。
- 是否已经删除同义重复、低信息铺垫和空泛正确话。
- 是否把多条相近观点合并成了更强表达。
- 是否在压缩后仍保留了关键依据、边界和风险。
- 用户是否能更快抓住重点并决定下一步。
反模式
- 把“精简”理解成单纯减少字数。
- 为了看起来全面，重复表达同一个结论。
- 用大量抽象正确话填充正文，却没有新信息。
- 上来先做长铺垫，把真正结论放在最后。
- 把复杂问题压缩到失真，导致边界、风险和例外消失。
- 每轮都继续加新材料，却不做任何收敛。
参考资料
references/compression-patterns.md- 保留、删除、重构的具体模式；核心点提炼与输出骨架references/signal-checklist.md- 价值密度自检、反冗余检查与多轮压缩的复核清单