InternAgentS 跑出来的结果没法用，多数时候不是模型能力问题，而是运行前有两件事没固定：材料到底放在哪几个目录里，以及输出要长成什么样。材料散在下载目录、聊天记录、临时截图中，输出目标只写一句“整理一下”，工具只能自己猜，猜出来的东西自然对不上你的预期。上手前先把这两个入口写清楚——一个任务对应一个目录，一份说明对应一份可核对的输出清单——再让它跑。

把每个任务收进独立目录，原文、笔记、中间结果、最终输出分层存放；输出目标写成能被逐项核对的句子，标清格式、字段、篇幅和引用要求。这两件事在运行前固定下来，材料散、目标糊导致的返工通常能少很多。它不保证结果一定正确：材料本身读不到、范围没写清楚，后面照样会翻车，所以每次运行后仍要按检查点逐条核对。

把散落材料收进一个任务目录

先给这次运行建一个独立目录，目录名只带日期或任务编号，不要留空格和全角符号，避免路径在命令、脚本、日志里被拆开。目录内部按用途分层，原文和中间结果分开，最终输出单独一层，这样回看时能立刻分辨哪份是输入、哪份是工具生成的。

task-20240101/
├── 00_raw/           原文，只读，不再覆盖
├── 10_notes/         人工笔记、批注、补充说明
├── 20_intermediate/  工具产出的中间结果、切分片段
├── 30_output/        最终输出，只放验收通过的文件
└── task.md           任务说明：目标、范围、禁止项

几条整理规则值得先定下来：00_raw 只读，需要修改就复制到 10_notes 再改，保留原始版本可回溯；20_intermediate 与 30_output 不混放，中间结果可以覆盖，最终输出不做原地改写；每个任务的目录不跨用，不要在同一个目录里跑两个目标不同的任务。目录结构确认后，用一条命令列一遍文件清单，确认没有漏拷或多拷：

find task-20240101 -type f | sort

这一步的验证方式很直接：清单里的文件数量和来源文件夹能对上，说明材料收拢完成；对不上就先补材料，不要带着缺口开跑。

给输出目标写成可检查的句子

“总结一下这些材料”没法验收，“输出一份包含三段结构、正文 600 到 1000 字、每条结论带来源标注的 Markdown 文件”才能验收。差别在于后者把检查点显式写出来了，跑完你能逐条打勾，而不是凭感觉说“好像不太对”。

对比一下两种写法：

• 模糊目标：帮我把这批材料整理成一份总结。
• 可验收目标：在 30_output/summary.md 输出 Markdown，包含“背景 / 结论 / 待确认”三级标题；正文 600 到 1000 字；每条结论后另起一行写 source: 文件名#段落号；材料中未出现的数字不得写入。

可验收目标通常要覆盖这几类检查点：格式（Markdown、CSV、JSON、纯文本）、落盘路径与文件名、字段或表头（CSV 列名、JSON 的 key）、篇幅区间（字数或条目数）、必须出现的结构（固定小节标题）、必须带上的引用（来源文件名加段落或行号）、禁止出现的内容。把这些写成配置或写进 task.md 都可以，关键是运行时能读到、结束后能比对。

output:
  path: 30_output/summary.md
  format: markdown
  required_sections: [背景, 结论, 待确认]
  length_chars: [600, 1000]
  cite: "source: <文件名>#<段落号>"

验收动作建议固定成两条：检查文件是否落在指定路径且结构齐全；随机抽三条结论，回到 00_raw 或 10_notes 里核对来源是否真实存在。抽检不通过，先改任务说明和材料，而不是反复重跑指望结果变好。

确认材料格式在工具里能被读到

材料格式问题通常到运行中途才暴露：文件明明在目录里，工具读出来却是空字符串或乱码。开跑前先做一次最小读取，把每个文件的前 200 字打印出来看一眼，比事后排查省事得多。

常见格式的观察点：

• 纯文本 / Markdown：先确认编码是 UTF-8，中文没乱码，行尾没有异常字符。
• PDF：确认是否存在文本层。能选中文字说明有文本层；整页选中无内容，多半是扫描件，需要先走 OCR 或人工转录。
• DOCX：正文通常能读，但批注、修订记录、文本框里的内容不一定被提取，关键信息别只放在批注里。
• XLSX / CSV：确认读的是哪个 sheet、表头在第几行、合并单元格是否被拆开；CSV 还要确认分隔符和 BOM。
• 图片 / 截图：默认按二进制处理，读不到文字，需要先转成文本或在 10_notes 里手工补录关键信息。
• HTML / 网页另存：正文常混着导航和样式，必要时先抽正文再放进 00_raw。

读不到时的替代处理，按轻到重排：先转成纯文本或 Markdown 落到 00_raw；扫描 PDF 先 OCR，OCR 结果人工校对一遍再入库；表格统一成 UTF-8 编码的 CSV，固定第一行为表头；大文件切片时保留原始行号或页码，方便后续引用能对回原文。这些转换产物建议放在 00_raw 的对应子目录，不要覆盖原始文件。

运行前把任务范围和禁止项一起写进说明

材料收好、输出写好，还差一步：明确这次运行只能用哪些材料、哪些事不许做。范围不写，工具倾向于用常识补全空白，补出来的内容看着合理，但对不上你的材料，反而更难发现。

task.md 里建议至少写清这几条：可用材料范围（只允许读哪些目录、哪些文件）、不得自行补充（材料中没有的事实、数字、结论不许写，遇到就写“材料未提及”）、引用要求（每条结论标注来源文件和段落或行号）、写入限制（不改 00_raw，不读写其他任务目录，只向 30_output 落盘）。

任务范围：
- 只能使用 00_raw/ 和 10_notes/ 中的内容。
- 材料中没有的信息，写“材料未提及”，不要用常识补。
- 每个结论后另起一行：source: <文件名>#<段落或行号>。
- 不要修改 00_raw/ 下任何文件，不要读取 20_intermediate/。
- 输出写入 30_output/summary.md。

验证方式是在结果里反向找证据：看到一条结论，就在可用目录里找它的出处；找不到出处，说明越界补充了，应当退回修改说明或补材料。范围说明和材料目录、输出目标一起在运行前固定，中途临时改说明会导致前后两次结果不可比，建议改完重新完整跑一轮。