看了一圈榜单和评测，仍然不知道哪一条评分和自己每天要做的事有关，通常不是评价本身写错了，而是题单不属于自己。可以先把自己的题目固定下来：从每周真会做的任务里抽 5 到 8 道，逐题写明输入、必须出现的信息和不接受的说法，用固定问法一次只跑一题，按通过、部分通过、不通过三档打分并各写一句理由，最后再拿公开评价做对照，而且只比同类任务。

适用场景：准备用 Longcat-2.5-preview 处理周报、会议记录、数据说明这类日常文本时，公开评分只能当参照。操作动作：先抽 5 到 8 道每周真会做的题，每题写清输入、必现信息、不接受说法三栏，固定问法一题一跑，三档打分各写一句理由。验证方式：用关键词在原始输出里检索，逐条核对三栏。风险边界：题单只对自己有效，别拿它推断别人的结论。

从每周真会做的任务里挑出候选题目

题目要从自己的工作流里长出来，而不是照着别人的题型抄。常见的抽取范围包括：周报整理、会议记录改写、数据说明撰写、把内部工单回复改写成一段可对外发送的说明、把零散要点整理成一条通知。判断一道题值不值得进题单，只看一件事——下周你是不是还会做同样的动作。会重复做，就留下；只是偶尔来一次，先不进。

数量上建议先固定 5 到 8 道，覆盖两三种任务类型即可，题太多会拖慢每一轮的核对。每题都要保留原始材料：把当时用的会议记录、周报草稿、表格说明复制到一个固定目录，命名成 task-01-input.md 这样的文件名，之后每次跑题都用同一份材料。不要每次换当天的新料，否则输出差异可能来自材料本身而不是模型表现，后面的横向对照就没有意义。

给每题写明输入、必须出现的信息和不接受的说法

三栏的作用是把“好不好”变成能逐条核对的条目。必现信息尽量写成可以直接搜索的关键词，例如负责人姓名、截止日期、统计口径、单位；不接受说法写成明确的禁止表述，例如不得新增原文没有的时间点、不得把“待确认”改写成“已确认”、不得用模糊措辞替代材料里的明确数字。

填写完之后，必现信息可以直接在输出文件里检索，例如放在同一个目录下执行：

grep -c "负责人" task-01-output.txt
grep -c "截止日期" task-01-output.txt
grep -n "待确认" task-01-output.txt

计数为 0 就说明这条必现信息没出现，需要结合输出上下文确认是漏写还是换了说法；命中关键词但语境不对，也按未通过处理。这一步是为了让核对有落点，不是让关键词替代你读一遍输出。

固定问法，一次一题，记录原始输出

问法一旦定下就不要再改。同一道题第二次跑时如果顺手把语气调顺了一点、把两条要求合并成一条，两次输出就没有可比性，结果差异说不清是题目变了还是模型变了。确实要改，就另起一版问法，旧记录照旧保留。

你是文本整理助手，请只基于我给出的原始材料输出。

任务：把下面的会议原始记录整理成要点摘要，不超过 300 字。
原始材料：
<粘贴 task-01-input.md 的全文>

硬性要求：
1. 保留材料中出现过的所有负责人姓名和截止日期；
2. 保留“待确认”这类状态词，不要改写；
3. 不要补充材料里没有的时间、数字或承诺；
4. 不要用模糊措辞替代材料中的明确说法。

输出格式：
- 结论：1 条
- 待办：每条一行，包含负责人、事项、截止日期
- 待确认：如有则列出，没有则写“无”

跑题时上下文、参数保持一致，粘贴的输入保持一致，一次只提交一道题。记录表建议包含四列：题号、问法原文、原始输出、日期。问法原文整段粘贴，不要只写“摘要题”；原始输出直接保存，不要先手工润色再存；日期写到天即可，用来区分跑了几轮。

用三档打分并各写一句理由

• 通过：三栏里的必现信息全部出现，没有踩任何一条不接受说法，输出格式符合问法里的要求。
• 部分通过：必现信息缺一条，或格式不合要求，但内容方向没有歪，也没有踩禁止表述。
• 不通过：踩到任意一条不接受说法，或必现信息缺两条以上，或输出方向与原始材料明显不符。

理由句要落到具体条目，例如“部分通过：缺‘截止日期’这条必现信息，其余两条都在，没有新增原文没有的时间点”；再如“不通过：把原文的‘暂缓’写成了‘建议推进’，踩了不得改变结论方向这一条”。只写“感觉一般”，下一轮改题时就没有依据。

把自己的结果和公开评价对照，只比同类任务

对照时各说各的，再找交集。写法可以是这样：我这边的摘要题通过，必现信息里的负责人和日期都在，没有出现禁止表述；公开评价里被反复提到的长文档检索题不在我的题单内，所以那条评分不参与我对摘要题的判断。反过来，如果公开评价提到某类题容易漏编号，而你的题单里正好有编号类必现信息，那就回到记录表里核对一次自己的原始输出。

公开评分通常是在别人的材料、别人的问法下得到的，和你的三栏标准不是一回事，它更适合当作“要不要多做一次核对”的提示，不能直接替换你自己的通过结论。等题单跑过两三轮、记录表攒够几行之后再看结果，判断会比第一轮稳妥一些；这期间先把题目和问法固定住，比到处找新评分更有用。