展开本页目录
开始前准备什么
- 独立练习目录及Python 3.14；系统与Node依赖以README为准。
- 离线重放无需Key；新请求使用自己的apizt Key，先核对模型权限和当前价格。
- 原创合成材料，不需要登录第三方平台账号。
- 先看文件
- 按步骤操作
- 对照真实结果
- 离线或模型复跑
默认离线重放；包含完整失败尝试与本地检查，不含Key。
1. 核对本例材料与目标文件
参见本批TOPIC-RESEARCH.md同编号新增边界，原生小样与负例均独立交付。
先下载合成材料在独立目录练习。原始文件、模型输入与验收答案分别保留；本地核对答案不发送给模型。
input.json（节选）
{
"facts": [
{
"id": "F1",
"text": "受访者负责一个5人设计团队。"
},
{
"id": "F2",
"text": "团队今年开始记录设计评审意见。"
}
]
}
实际输入、原始文件和本例操作约束的浏览器截图
2. 按顺序完成这项具体操作
本次实际使用Python 3.14，依赖版本固定在资料包。需要LibreOffice或Node的案例请先按README安装对应运行时。python run.py读取真实旧响应完成本地处理；只有显式--live才发新请求。
- 1. 在interview-facts.md写入两条虚构事实卡：5人设计团队，以及今年开始记录设计评审意见。
- 2. 让apizt按fact、experience、followup三层各写一个开放问题，每问附F1/F2依据。
- 3. 检查恰好三问、层次顺序和来源ID，不允许把未给出的营收增长、成功率或其他业绩当成问题前提。
- 4. 导出interview-questions.md，逐问回到事实卡，并人工审阅措辞是否带有暗示或无依据假定。
- 5. 保留程序检查的范围：它能发现缺来源与显式虚构前提，不能自动证明所有开放问题都中立。
独立练习目录 · 默认仅离线复核
python3 -m venv .venv
source .venv/bin/activate
python -m pip install -r requirements.txt
python run.py3. 对照真正发送的请求
只输出JSON：questions数组，恰好三项，kind依次fact、experience、followup，每项text、evidence数组。写开放问题，不能假定收入增长、成功率或未给出的业绩；追问可引用前问但仍列事实来源。
网页实验台只执行这一步模型字段检查。原生文件写入、坐标/公式/格式回读及负例验收由下载包负责。
request-1.json（图片Base64省略，原文件在下载包）
{
"model": "gemini-2.5-flash-lite",
"messages": [
{
"role": "system",
"content": "严格只输出单个JSON对象，不要Markdown代码围栏，不要解释。只输出JSON：questions数组，恰好三项，kind依次fact、experience、followup，每项text、evidence数组。写开放问题，不能假定收入增长、成功率或未给出的业绩；追问可引用前问但仍列事实来源。"
},
{
"role": "user",
"content": "任务约束（只输出JSON对象，不用代码围栏）：\n只输出JSON：questions数组，恰好三项，kind依次fact、experience、followup，每项text、evidence数组。写开放问题，不能假定收入增长、成功率或未给出的业绩；追问可引用前问但仍列事实来源。\n待处理合成材料：\n{\"facts\": [{\"id\": \"F1\", \"text\": \"受访者负责一个5人设计团队。\"}, {\"id\": \"F2\", \"text\": \"团队今年开始记录设计评审意见。\"}]}"
}
],
"temperature": 0,
"max_tokens": 1536,
"provider": {
"sort": "success_rate"
},
"response_format": {
"type": "json_object"
}
}4. 查看原生处理代码与实际文件
下面节选来自本次实际执行的workflow.py分支，需要结合完整脚本运行。模型输出不能代替文件解析器或业务验算。
具体产物：interview-questions.md。
workflow.py · 本例分支节选
qs = output.get('questions', [])
check('事实/经历/追问三层完整', [r.get('kind') for r in qs] == ['fact', 'experience', 'followup'])
check('每问有已知事实来源', all((r.get('evidence') and set(r['evidence']) <= {'F1', 'F2'} for r in qs)))
check('问题不带虚构营收前提', all((not any((w in r.get('text', '') for w in ['营收增长', '千万', '百万收入', '成功率100'])) for r in qs)))
artifact('interview-questions.md').write_text('\n\n'.join((r.get('kind', '') + '：' + r.get('text', '') + '\n依据：' + ','.join(r.get('evidence', [])) for r in qs)))
result = {'questions': qs, 'scope': 'source IDs and explicit invented-claim blacklist; wording still needs editorial review'}5. 对照真实结果和检查表
实测2026-10-25T07:54:14.505679+00:00，HTTP200；请求gemini-2.5-flash-lite，返回gemini-2.5-flash-lite。本次5/5项检查通过，指本例执行及验收机制通过，不代表所有模型字段零误差。
最后一次返回用量327tokens；1份尝试记录的已知用量合计327。失败记录保留，用量缺失不按0计，本文不推算实际金额。
| 实际检查 | 结果 |
|---|---|
| 真实apizt API响应HTTP200 | 通过 |
| 事实/经历/追问三层完整 | 通过 |
| 每问有已知事实来源 | 通过 |
| 问题不带虚构营收前提 | 通过 |
| 列出的原生产物实际存在 | 通过 |
- 实际检查
- 真实apizt API响应HTTP200
- 结果
- 通过
- 实际检查
- 事实/经历/追问三层完整
- 结果
- 通过
- 实际检查
- 每问有已知事实来源
- 结果
- 通过
- 实际检查
- 问题不带虚构营收前提
- 结果
- 通过
- 实际检查
- 列出的原生产物实际存在
- 结果
- 通过
result.json · 原生处理后实际结果
{
"questions": [
{
"kind": "fact",
"text": "您目前是如何组织和分配这5人设计团队的工作任务的？",
"evidence": [
"F1"
]
},
{
"kind": "experience",
"text": "在今年开始记录设计评审意见的过程中，您观察到了哪些团队协作或评审流程上的变化？",
"evidence": [
"F2"
]
},
{
"kind": "followup",
"text": "结合您提到的这5人团队以及今年开始的评审意见记录，您认为这些记录在实际设计调整中发挥了怎样的作用？",
"evidence": [
"F1",
"F2"
]
}
],
"scope": "source IDs and explicit invented-claim blacklist; wording still needs editorial review"
}
本例实际产物与原始响应的浏览器截图；本地检查和模型答案分开记录
6. 替换输入前，先确认这些边界
程序只检查来源和显式虚构前提；开放式问题的措辞仍需编辑审阅。
修改材料后应重新制定事实断言和反例。识别错误率、混淆矩阵或拒答类教程允许保留模型实际错误；检查通过指计算和处理正确。没有调用视频模型。
怎样确认已经完成
- 真实apizt API响应HTTP200
- 事实/经历/追问三层完整
- 每问有已知事实来源
- 问题不带虚构营收前提
- 列出的原生产物实际存在
常见问题
AI 采访 提纲 生成怎么开始？
在interview-facts.md写入两条虚构事实卡：5人设计团队，以及今年开始记录设计评审意见。按本页顺序继续，先用下载包离线重放，再替换自己的材料。
网页试跑和下载包有什么区别？
网页只复跑模型字段，不生成全部原生文件；资料包包含实际原生处理和本地验收。
这次通过结果适用于其他材料吗？
程序只检查来源和显式虚构前提；开放式问题的措辞仍需编辑审阅。