我的专属词条觉醒了 · Terminology Awakening

§0 你一定经历过这个场景

> 第一周，你对 AI 说：「我说的『转化』指的是免费用户变成付费用户，不是页面转化率。」
>
> 第三周，你又解释了一遍：「记住，转化 = 免费到付费。」
>
> 第六周，你说「分析一下上周的转化数据」——AI 开始跟你讨论按钮点击率。
>
> 你深吸一口气，第四次解释：「转化。免费。到付费。」
>
> 你像一个反复教同一个学生同一个单词的老师。而这个学生的记忆只有七秒。

词条觉醒做一件事：你定义一次，之后 AI 只要遇到这个词就自动加载你的含义。不再用通用词典覆盖你的语境，不再把你花了三个月建立的专业语义体系清零。

这不是记忆。记忆是"关于你的事实"。词条是"你如何定义世界的语义图谱"。

§1 核心概念

什么是词条

一个词条 = 一个词或短语 + 你赋予它的专属含义 + 它在你的工作语境中如何被使用。

为什么需要词条而不是每次解释

解释是对话级的，词条是语义级的。当你解释「转化=免费到付费」，AI 在这条对话里理解了。下一条对话、下周、下个月——你的解释已经从上下文中消失了。词条把语义从对话中提取出来，持久化为你的个人语义资产。

词条 vs 记忆词条：两张完全不同的表

§2 词条的四种类型

类型一：语义覆盖（Semantic Override）

把通用词典里的含义替换成你的专属含义。最常见类型。

词条：转化
类型：语义覆盖
通用含义：泛指从一种状态到另一种状态的转变
我的定义：免费试用用户完成首次付费订阅的行为事件
上下文：用于数据分析、增长讨论、OKR 设定
使用示例：「上周转化掉了」= 上周免费到付费的人数下降了

类型二：缩写展开（Abbreviation Expansion）

把你常用的缩写展开为完整含义，同时指定它在你的语境中的确切指代。

词条：Q1/Q2/Q3/Q4
类型：缩写展开（批量）
我的定义：
  Q1 = 第一季度（1-3月），年度规划执行窗口
  Q2 = 第二季度（4-6月），年中复盘窗口
  Q3 = 第三季度（7-9月），冲刺准备窗口
  Q4 = 第四季度（10-12月），预算执行与年度结算窗口
注意：讨论财报时自动带上"预算执行"和"结算"视角

类型三：行为指令（Behavioral Directive）

一个词不只是语义，它还携带了"当我说这个词时，你应该怎么做"的行为指令。

词条：简洁
类型：行为指令
我的定义：当我要求"简洁"时——
  - 回复不超过 3 句话
  - 不使用 emoji
  - 不使用感叹号
  - 不使用「好的」「明白了」等填充语
  - 直接给结论，不给解释（除非我追问）
覆盖范围：所有对话

类型四：指代锚定（Referential Anchor）

一个模糊的代词或简称，锚定到一个具体的、不会变的对象。

词条：老系统
类型：指代锚定
我的定义：2018年上线的订单管理后台
技术栈：Java 8 + MySQL 5.7 + 自研 MVC 框架
状态：已停止功能更新，仅维持运行
维护人：运维团队（非开发团队）
注意：讨论「老系统」时默认涉及"不可大规模改动""仅做兼容性维护"

§3 完整走通流程

场景：产品经理在讨论增长

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
第一步：定义词条

用户：
「定义词条：北极星指标 = 周活跃付费用户数（Weekly Paying
Active Users），不是 DAU 不是 MAU，就是 WPAU。
这个指标比我生命还重要，讨论增长时默认围绕它。」

AI：
已觉醒词条「北极星指标」。
类型：指代锚定
定义：周活跃付费用户数（WPAU）
激活条件：当你在讨论增长、数据、OKR 时提到"北极星指标"，
我将自动替换为 WPAU 并围绕它展开分析。
优先级：最高（覆盖北极星指标的通用定义）
[词条ID: term_001]

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
第二步：继续定义更多词条

用户：
「再定义两个。留存 = 付费用户在第 4 周仍然活跃的比例，
不是次日留存不是 7 日留存，是第 4 周。流失 = 连续 2 周
无付费行为的用户，不是取消订阅，是连续 2 周不付费。」

AI：
已觉醒 2 个词条。
「留存」→ 付费用户第 4 周活跃比例（term_002）
「流失」→ 连续 2 周无付费行为（term_003）
三个词条已关联：北极星指标（WPAU）受留存和流失直接影响。

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
第三步：在日常对话中自动激活

（三天后）

用户：
「分析一下上周的数据，重点看北极星指标和流失。
对了，Q2 的留存也要对比。」

AI 内部语义处理：

[词条觉醒] 检测到 4 个已定义词条：
  • 北极星指标 → WPAU（term_001）
  • 流失 → 连续2周无付费行为（term_003）
  • Q2 → 第二季度，年中复盘窗口（term_batch_001）
  • 留存 → 付费用户第4周活跃比例（term_002）

[语义替换完成] 实际理解：
  "分析上周 WPAU 和连续2周无付费行为用户数据，
   对比 Q2（4-6月）的第4周付费用户活跃比例"

AI 回复：
上周 WPAU 为 3,240，环比下降 4.2%。流失用户（连续2周
无付费）净增 186 人，是近 8 周最高。Q2 同期第4周留存
为 68.3%，当前为 64.1%——留存下降与流失上升同步发生，
建议优先排查第 3-4 周的用户体验断点。

关键点：你不需要在每次对话中重复解释这些词。AI 在理解你的话之前，先过了一遍词条库——把「北极星指标」替换成 WPAU，把「流失」替换成连续2周无付费，把「留存」替换成第4周活跃比例。然后在这个语义基础上理解你的真实需求。

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
第四步：迭代词条

（两周后）

用户：
「更新词条『留存』：之前定义是第4周活跃比例，
但我们现在发现第6周的数据更有预测价值。
改成第6周付费用户活跃比例。」

AI：
词条「留存」已觉醒到 v2。
  旧定义：付费用户第4周活跃比例
  新定义：付费用户第6周活跃比例
  生效时间：立即，后续所有对话使用新定义
  影响范围：「留存」关联的「北极星指标」分析模型
  中将同步切换为第6周口径。
  历史词条版本已存档，可随时回溯。

§4 词条管理：创建 / 查看 / 修改 / 删除 / 导入

创建词条

最简方式：

定义词条：[词] = [你的含义]

完整方式（推荐）：

定义词条：
  词：北极星指标
  类型：指代锚定
  定义：周活跃付费用户数（WPAU）
  上下文：增长讨论、OKR设定、数据分析
  不要理解为：DAU、MAU、GMV
  使用示例：
    - 「北极星指标跌了」= WPAU下降了
    - 「围绕北极星指标优化」= 以提升WPAU为目标优化

批量定义：

批量定义词条：
  CP = Content Provider（内容供应商）
  MCN = 我方签约的达人经纪机构
  KA = Key Account（年框金额 > 100万的客户）
  SMB = 年框金额 < 10万的中小客户

查看词条

修改词条

修改词条 [词]：[新的定义]

修改时 AI 自动保留历史版本，你可以说「回退词条 [词] 到 v1」恢复旧定义。

删除词条

删除词条 [词]

AI 会确认一次后再删除。被其他词条引用的词条删除时会给出影响范围提示。

导入已有词条

如果你已经有现成的术语表（比如团队的 wiki、飞书文档、Notion 页面），可以直接导入：

从这段内容导入词条：
[paste 你的术语表]

AI 会扫描内容，识别出潜在的词条定义，逐一确认后批量创建。

§5 词条觉醒机制：三个触发层级

层级一：精确匹配（默认）

当前对话中出现了完全一致的词或短语 → 自动激活。

你说了「转化」→ AI 检查词条库 → 找到「转化=免费到付费」→ 激活

层级二：上下文推断

当前对话的主题明显进入某个词条的定义领域 → AI 提前加载相关词条，即使你没用那个词。

你说「分析付费数据」→ AI 自动激活「转化」「留存」「流失」「北极星指标」
（因为这些词条都标记了上下文"增长讨论/数据分析"）

层级三：主动提示

AI 检测到你在反复使用某个词但还没有定义它 → 主动问你是否需要创建词条。

你说「竞对」说了 5 次，但没有定义 → AI 提示：
「我注意到你经常用『竞对』这个词。要不要把它定义成词条？
比如指定它具体指哪几家？」

用户手动控制

你可以随时控制词条是否生效：

§6 词条冲突与优先级

当两个词条的覆盖范围发生冲突时，按以下优先级处理：

冲突时 AI 的回应方式

你说的「转化」在词条库中有两个定义：
  • 「增长上下文」中 = 免费到付费
  • 「广告上下文」中 = 点击到落地页
当前对话更接近哪个上下文？如果都不对，我可以创建一个新定义。

§7 词条进化：从草稿到成熟

一个词条的生命周期不是"定义完就完了"。随着你的业务变化，词条也会迭代。

四阶段成熟度模型

[草稿] ──→ [稳定] ──→ [核心] ──→ [归档]
  │            │          │          │
  刚定义      使用3次+   使用10次+  不再使用
  可能会调整  定义稳定   关联其他    保留历史
  不参与      参与       词条       版本
  上下文推断  上下文推断 参与所有
                        层级

词条升级是自动的，但你可以手动干预：

强制「转化」为核心词条    → 无论触发多少次，立刻升为核心
降级「转化」为草稿        → 暂停上下文推断，观察定义是否还适用
归档「转化」              → 不再激活，但保留

§8 一些你可能没想到的用法

用法一：把"你"教成你的专属助手

不只是业务术语。你可以定义 AI 在特定场景下的行为模式。

定义词条：
  词：写周报
  类型：行为指令
  定义：当我说「写周报」，你需要：
    1. 回顾本周对话中关于工作的讨论
    2. 提取 3-5 个关键进展
    3. 按「进展-风险-下周计划」三段式输出
    4. 每段不超过 3 行

之后每次说「写周报」，AI 直接按你的格式输出——不用每次都强调"三段式""不超过3行"。

用法二：构建你的团队术语体系

批量定义词条（团队版）：
  双周迭代 = 每两周一个开发周期，周三发版
  Tech Review = 技术方案评审会，每周四下午
  Postmortem = 事故复盘文档，标准模板见飞书
  Oncall = 本周值班的在线责任人

当你在对话中说「下周 Tech Review 要过双周迭代的 Postmortem」——AI 完整理解为「下周四下午的技术方案评审会上，要讨论每两周迭代周期的事故复盘文档」。

用法三：行业黑话一键翻译

定义词条：
  词：PMF
  类型：语义覆盖
  我的定义：Product-Market Fit，但在我这里特指——
    用户主动推荐率 > 40% 且 30 天留存 > 60%
  不要理解为：模糊的"产品市场匹配"
  上下文：战略讨论、融资、产品规划

用法四：纠正 AI 的常见误解

定义词条：
  词：最新
  类型：行为指令
  我的定义：当我说「最新」时，默认指最近 7 天内，
  不是 AI 训练数据截止日期前的内容。
  如果涉及代码/框架版本，指当前稳定版，不是 latest tag。

用法五：语言风格偏好固化为词条

定义词条：
  词：英文
  类型：行为指令
  我的定义：当我在中文对话中夹杂英文单词时，
  不要翻译成中文。保留原词。这不是错误，是习惯。

§9 存储机制

词条数据存储在 terminology-db.json：

{
  "version": "2.1",
  "last_updated": "2026-07-13T16:30:00Z",
  "active": true,
  "entries": [
    {
      "id": "term_001",
      "term": "北极星指标",
      "type": "referential_anchor",
      "definition": "周活跃付费用户数（WPAU）",
      "contexts": ["增长讨论", "OKR设定", "数据分析"],
      "negative_definition": "不是DAU、不是MAU、不是GMV",
      "examples": [
        {"input": "北极星指标跌了", "output": "WPAU下降了"},
        {"input": "围绕北极星指标优化", "output": "以提升WPAU为目标优化"}
      ],
      "maturity": "core",
      "trigger_count": 23,
      "version": 1,
      "history": [
        {"version": 1, "date": "2026-06-15", "definition": "周活跃付费用户数（WPAU）"}
      ],
      "related_terms": ["term_002", "term_003"],
      "created": "2026-06-15T10:20:00Z",
      "last_triggered": "2026-07-13T09:15:00Z"
    }
  ],
  "settings": {
    "auto_suggest": true,
    "context_inference": true,
    "maturity_auto_upgrade": true
  }
}

§R 核心铁律

1. 一个词条，一个权威定义。 每个词在你的词条库中只有一种含义。如果确实需要多种含义，用上下文限定区分（"在增长讨论中" vs "在广告讨论中"）。不要出现"转化有时候是X有时候是Y"——这会导致语义污染。

2. 定义驱动行为，不只是记录。 词条不是给你自己看的备忘。一个有效词条的终极效果是：当你下次使用这个词，AI 不再需要你解释。如果 AI 在激活词条后还是按通用语义理解了——这个词条定义写得不够好，需要细化。

3. 行为指令必须有可验证标准。 如果你定义"简洁=不超过3句话"，AI 却回复了4句话——不是 AI 不听话，是你的词条定义硬度不够。行为指令必须是可机械验证的（数字阈值、格式检查、关键词检测），不能依赖"AI 觉得够简洁了"。

4. 新定义立即生效，旧定义存档不丢。 更新词条时 AI 自动保存旧版本。这让你可以大胆迭代——错了可以回退。历史版本是词条的进化化石，记录了你对每个概念的认知演变。

5. 不自动创建词条，仅主动提示。 AI 注意到你在反复解释某个词时，会问你是否需要定义——但不会擅自创建。词条是你对世界的定义权，AI 不能替你做语义决策。提示形式为「要不要把『XX』定义成词条？」绝不会静默创建。

6. 词条不跨对话自激活（能力边界声明）。 当前架构中，词条库存储在对话内。新对话开始时，需要先加载本 Skill 才能激活词条。这不是缺陷——这是设计。词条的"觉醒"需要你主动开启，就像你打开工作电脑登录你的环境。一旦本 Skill 加载，对话内所有词条即刻觉醒。

7. 不可定义系统保留词。 不能定义"停止""退出""重置""格式化""删除所有"等系统控制词。这些词的行为由系统安全机制控制，不受词条语义覆盖影响。试图定义这些词会收到拒绝提示。

§A 结构化异常处理

§B 常见错误与纠正

§C 能力边界

§D 常见问题

Q1：词条和"记忆词条"到底什么区别？我感觉都是"让 AI 记住"。

记忆词条管「你是谁」——你在哪工作、你喜欢什么风格。专属词条管「你的语言怎么用」——你嘴里的"转化"不是字典上的转化。一个给 AI 提供人物背景，一个给 AI 更换语义引擎。你可以在一条对话里同时使用两者：记忆词条告诉 AI 你是个严肃的产品经理，专属词条告诉 AI 你说的「留存」指的是第6周数据。

Q2：我定义了很多词条，会不会让 AI 变慢？

不会。词条检查发生在 AI 理解你的消息之前，是轻量级的字符串匹配+上下文判定。100 个词条的匹配耗时与 10 个词条几乎一致。真正影响的是行为指令（比如"每次回复不超过3句话"）——那是 AI 生成回复时的约束，会增加推理复杂度。

Q3：我可以把词条分享给同事吗？

可以。导出词条库为一个 JSON 文件，同事导入即可。「复制我的词条」→ 导出 → 发送 → 对方「导入词条」。但注意：词条是你的个人语义体系，同事可能有不同的用法——导入后可能需要调整。

Q4：AI 会不会在我没注意的时候自己创建词条？

不会。铁律第5条：只提示，不擅自创建。你没有说「定义词条」，词条库不会新增任何内容。

Q5：如果我定义了一个词条，但后来发现定义错了？

修改它。旧版本自动存档，你可以随时回退。词条库是活文档，不是一次性的。

§E 最佳实践

从高频痛点开始

不要一次性导入整个团队 wiki。从你最近一周里重复解释了 3 次以上的词开始。这些是你真正的语义摩擦点。

定义之前先写使用示例

定义「留存」之前，先写三个你会说的句子：
- 「上个月留存不错」→ 你实际想表达什么？
- 「留存掉得厉害」→ 什么数据口径？
- 「优化留存」→ 具体优化什么？

然后用这三个句子反推词条定义。示例驱动比抽象描述更不容易跑偏。

定期清理

每两周看一次词条触发统计。超过 30 天没被触发的词条——归档。你正在用的词条是最好的词条。积灰的词条不提供价值，只增加管理负担和误激活风险。

词条不是越多越好

10 个精准的词条比 50 个半成品的词条更有价值。每个词条都需要在你脑中维护——"这个词现在还准确吗？"如果答案是不确定，先降级为草稿。质量先于数量。

§F 与其他 Skill 联动

§G 版本历史