以前我有个习惯：让 AI 干活之前，先把能找到的资料全贴进去，三十页文档、两个月的聊天记录、一堆参考稿，生怕它少看了什么。
结果经常是：回答绕来绕去，该用的那一条没用上，不该用的旧说法倒被引得头头是道。
后来我才慢慢想明白一件事：喂资料不是比谁喂得多，是让它在做这件事的时候，手边只有这件事需要的东西。
下面是我现在的做法，按「怎么喂」拆成四种，再按场景选。
四种喂法怎么选
主线：先问三个问题，再决定怎么喂
动手之前，我只问自己三句：
资料有多大？ 一页纸和一百页，不是一回事。
资料多久变一次？ 今天的会议记录，和三年不变的写作规范，处理方式完全不同。
这件事错了代价多大？ 随手润色一句话，和对外发出去的数字口径，容错度天差地别。
三个问题答完，大致就知道该用哪一种。
第一种：直接贴
把原文整段贴进对话。
适合：资料短（一两页以内）、这次就要用、要逐字引用或核对的。比如：一份合同的某一条、一封要回复的邮件、一段要改的稿子。
好处是信息零损失，它看到的就是原文。代价是占地方，贴多了，后面的内容容易被挤到边上，它的注意力也会被分散。
我的规矩：需要它逐字对着原文干活，才直接贴；贴之前，先把无关的段落删掉。
第二种：摘要后贴
先让 AI 或我自己把资料压成一页要点，再把要点贴进去。
适合：资料较长，但这次只需要「大意」和「关键事实」。比如：一份三十页的调研报告，今天只是要写一段背景介绍。
好处是省地方、重点集中。风险是摘要本身会丢信息，甚至在压缩的过程中把意思悄悄改了。
所以摘要后我会做两件事：关键数字和结论，对着原文核一遍；摘要里保留「这条出自哪一页」，以后要查原文，不用重翻。
第三种：按需检索
资料放在外面，需要时只取相关的那几段给它。
适合：资料多、而且每次只用到一小部分。比如：一堆历史文档、产品说明、自己的笔记库。
两种常见做法：自己手动搜到相关段落再贴，或者用带「知识库/检索」功能的工具，让它先搜再答。
这种方式最怕的是搜不准：取回来的不是你要的那段，它却会很自信地基于错的段落作答。所以我会要求它「答案后面附上引用的原文片段」，一眼就能看出取对没有。
第四种：长期记忆
让工具记住你的偏好、背景、固定的做事规则，不用每次重说。
适合：长期不变、每次都要用的东西。比如：我的写作口吻、禁用的词、常用格式、我所在的行业背景。
好处是省事。风险有两个：记住的东西会过期，而它不会主动提醒你；记错了，你也不一定发现。
所以我对记忆的态度是：只放稳定的、对错一眼能看出来的内容；会变的、涉及数字和事实的，不放记忆里，放在这一次的资料里。 每隔一阵，我会翻一遍它记了什么，把过期的清掉。
四种喂法，按场景对照着选
改一段稿子、回一封邮件 → 直接贴。短，要逐字对着干。
读完一份长报告，写一段背景 → 摘要后贴，关键数字回原文核。
从一堆旧文档里找某个说法的依据 → 按需检索，并要求附引用原文。
每次都要用的写作规则、口吻 → 长期记忆，定期清理。
对外发的数字、口径 → 不靠记忆，把权威来源直接贴进这一次的对话里，让它照着原文写。
探索一个新话题，还不知道要什么 → 先别喂太多，先让它提问，问清方向再补资料。
记一句：越是会变、越是错不起的，越要放在「这一次」的资料里；越稳定、越是每次都用的，才值得放进记忆。
什么时候别塞全量
你自己还没想清楚要什么。 这时塞再多资料，得到的只是更长的、同样模糊的回答。先说清目标，再给资料。
资料里有互相矛盾的版本。 新旧两版口径一起塞进去，它不一定会选对的那一版。要么删掉旧的，要么明确告诉它「以哪份为准」。
任务只用得到其中一小段。 为了「保险」塞全量，等于把答案淹在里面。宁可少贴，让它说「信息不够」，也别让它在噪音里瞎猜。
资料里有敏感内容。 密码、客户隐私、内部未公开的数字，能不贴就不贴，要用的话，先脱敏，再用公司允许的工具。
你想让它「全部都记住」。 一次对话里喂的东西，不等于它都会用上。重要的约束，放在开头和结尾各说一次，比塞十份资料管用。
我现在的默认动作
先问三句：多大、多久变、错了代价多大。
短的直接贴，长的先压，多的按需取，稳定的才进记忆；用不上的，一律不塞。
AI 不是越喂越聪明，是越喂得准，越好用。上下文也一样，能力不在多，在对得上这件事。
你给 AI 喂资料的时候，是习惯全贴，还是会先删一删？评论区聊聊。
