给它「事实地基」
用真实资料避免编造
AI 的知识来自训练数据——它的训练数据有截止日期，对你公司内部的数据、最新的市场数字、具体的合同条款，它一无所知。 如果你不给它真实资料，它只能用听起来合理的内容来填空，这就是「幻觉」（hallucination）。
解法很简单：把真实文件、数据、资料粘贴给它，再让它基于这些内容来回答。Claude Code 支持直接把文件路径、文件内容塞进对话——这就是你的「事实地基」（references / grounding）。
⚠
没有事实地基：「IASO206 目前临床进展怎么样？」——AI 不知道你公司内部数据，只能从公开信息猜，结果可能错得很离谱。
✓
有事实地基：「我把最新的 IASO206 临床数据表放在了 data/clinical-206.xlsx，请基于这份数据总结目前的 ORR 和 DOR 数据，不要引用数据表以外的数字。」
给事实地基有三种方式，按场景选：
直接粘贴文本内容
把核心段落、数据行直接复制到对话里。适合内容不超过几千字的情况。简单直接，不需要额外操作。
指向文件路径（Claude Code 场景）
在 VS Code + Claude Code 里，可以告诉它「读 refs/report.pdf」，它会直接打开文件。适合已经在工作目录里的文件。
结构化 refs 目录
养成习惯，在每个项目里建一个 refs/ 文件夹，把所有参考资料放进去。提示词里统一用「基于 refs/ 里的资料」——清晰、可追溯、下次复用方便。
判断标准：如果这个问题的答案依赖「你公司内部的数据、你手里的文件、最新发生的事」——那就必须给事实地基，否则 AI 给出的答案不可信。
→
进阶：把好用的 prompt 存成模板复用。每次写完一个好用的提示词，别扔掉——把它存到
prompts/ 目录下，下次直接调用。比如 prompts/competitive-analysis.md、prompts/contract-review.md。下次同类任务，打开模板改改 references 路径和具体要求，5 分钟内出结果。好的 prompt 模板是可以复用的资产，跟你积累的 SOP 一样有价值。