用书生-A1.5 做科学任务，最常见的失败不是回答不对，而是回答“太完整”：一次提问换来一份读起来通顺的步骤，但里面的数值没有出处、引用查不到原文、实验参数缺上下文，看起来答完了，实际一步也落不了地。问题往往不在模型本身，而在于把本该分成两段的流程压成了一次问答。比较稳的做法是先把任务切成通用推理段和专业工具段，各自验收输出，再决定哪一步可以交给书生-A1.5、哪一步必须自己在脚本、数据库或实验记录里补上。
判断方向：科学任务里的拆解、排序、写分析计划适合放在通用推理段，交给书生-A1.5；真实计算、原文检索、仪器参数核对属于专业工具段，要由脚本、检索工具或实验记录完成。操作上先按“输入—动作—输出”把两段写开，再补一份含数据来源、输出格式和排除项的任务描述。验证看三点：数值能否重算、引用能否查到原文、缺失数据有没有被静默补全。边界是：模型输出的步骤只能当计划用，不能当结论用。
把一次科学任务拆成通用推理段和专业工具段
先固定一个具体任务再谈分工，比抽象讨论模型能做什么更有用。假设任务是「判断某配方在温度上限提高后是否需要调整工艺窗口」，把它拆成两段后，两段的输入、动作、输出差别很明显：
| 段落 | 输入 | 动作 | 输出 |
|---|---|---|---|
| 通用推理段 | 任务目标、已有结论摘要、约束条件（时间、成本、可用设备） | 拆子问题、列出需要哪些数据、给出验证路径和优先级 | 一份待办式分析计划：要查什么、要算什么、找谁确认 |
| 专业工具段 | 具体数据文件、计算脚本、检索工具、实验原始记录 | 真实计算、检索原文、核对参数与量纲 | 可复算的数值表、带出处的引用、带上下文的参数条目 |
判断某段输出该不该采信，看它有没有越界。如果通用推理段的输出里出现“通常取 0.8 左右”“相关文献表明”这类没有出处的具体值，说明本该由工具段完成的工作被塞进了推理段，这段内容只能当作“待核验项”收下，不能直接抄进结论。反之，工具段里出现“建议先做敏感性分析”这种排期类判断，也可以退回推理段去做。
在任务描述里写清手头数据、期望输出和不做什么
模型自行补全数据，多数时候是因为任务描述里没写数据边界。与其反复在追问里纠正，不如把模板固定下来，每次只替换括号内的内容。下面这份骨架可以直接粘到对话开头：
【任务】用一句话说明要判断什么，不要写“帮我分析一下”。
【手头数据】
- 来源：（文件名 / 表名 / 实验记录编号）
- 范围：（时间区间、样本量、字段列表）
- 已知缺口：（哪些字段为空、哪些批次没做平行样）
【期望输出】
- 格式：（分点计划 / 表格 / 待办清单）
- 粒度：（每步写到可执行动作，例如“用哪个脚本算哪个量”）
- 必含字段：（每步的输入、负责人、完成判据）
【不做的事】
- 不要补全我没有提供的数值，缺失处标“待补”。
- 不要给出具体文献标题或作者，只写需要检索的关键词。
- 不要替我做判断结论，只给判断所需的检查项。三块里最容易漏的是“不做的事”。排除项写得越具体，越容易在日志或对话记录里核对模型有没有越界：输出中是否出现未提供的数值、是否凭空给出引用、是否给出了没有条件限定的参数推荐。这份模板适合放在通用推理段使用；涉及真实计算时，仍要把数据交给脚本处理，而不是让对话完成计算。
标出必须外部核验的三类环节
信任边界要在任务开始时划清，不要等输出出来再挑错。按下面三类把核验动作和责任人写进计划里：
- 数值计算：凡涉及求和、拟合、单位换算、误差传递的结果，都要用脚本或工具重算一遍。核验动作是拿同一份输入跑脚本，比对输出数值与量纲；责任人是提出任务的人或数据负责人。模型给出的算式中途步骤可以作为检查线索，但不能作为最终数值。
- 文献引用：凡输出里出现文献标题、作者、年份、期刊，都要逐条查到原文再引用。核验动作是记录检索关键词和命中页面，确认原文是否真的支持该说法；责任人是能读懂该领域原文的人。建议在任务描述里直接要求只给关键词，不给具体条目，减少编造空间。
- 实验参数：温度、浓度、时长、设备型号这类参数，要对照仪器记录、SOP 或原始记录表确认。核验动作是把输出参数与记录表逐项对齐，标出不一致项；责任人是实验执行人。参数条目必须带上下文（批次、设备、条件），单独一个数值不算可用。
把这三类环节写进计划后，智能体输出的定位就清楚了：它负责告诉你要核验什么，核验本身由人和工具完成。
先用一个小任务跑通再做全流程
分工是否成立，用一个低成本任务就能暴露。试跑任务的选取标准通常是：样本量小到能人工核完、有已知答案或可对照的历史结果、失败成本低、并且同时覆盖推理段和工具段各至少一步。比如取一个批次的数据做参数核对，而不是直接跑全套分析流程。
试跑时重点观察三点：一是可复现性，同样的任务描述和同样的数据重跑一次，输出的步骤结构是否稳定，数值是否一致，不一致的地方要能解释；二是不确定性标注，模型有没有在缺失数据和推测处写“待补”“需确认”，还是直接给出确定语气；三是越界情况，输出里有没有出现你没提供的数值、没检索过的引用。这三点都可以直接在对话记录里翻查，不需要额外工具。发现问题时先改任务描述模板，而不是逐个纠正输出。
把这次分工写回自己的流程文档
跑通一次之后，把结论落成可复用的记录，下次同类任务直接照着走。每个任务类型记一条，字段固定：
任务类型：配方工艺窗口评估
两段分工：
推理段 - 拆子问题、列数据需求、排优先级
工具段 - 数据表统计（脚本）、文献检索（数据库）、参数核对（记录表）
实际卡点：输出中出现无出处的默认参数；缺失批次被静默补全
下次改动项：任务描述加“缺失处标待补”；参数类问题一律先给记录表再提问记录时尽量写具体动作和具体位置，例如“哪张表的哪一列缺失”“哪一步必须由脚本算”，不要只写“效果一般”。积累几条之后，同类任务的任务描述模板可以基本固定，需要人工确认的地方也会提前暴露出来，而不是等到结果交付前才发现。