你有没有发现，用 AI 干活有时候像带新人。
第一次，你要解释公司业务。
第二次，你要解释指标口径。
第三次，你还要解释为什么这个字段不能随便用，为什么老板说的“有效用户”和产品文档里的“活跃用户”不是一回事。
说到最后，你甚至有点烦：我不是已经讲过了吗？
可是 AI 不知道你上周在会议室里讲过什么。它只知道你这次给了什么。
如果每次都要从头解释，很多时候不是 AI 记性差，而是你的工作还没有留下说明书。
反复解释，本身就是信号
做数据工作的人，每天都有很多重复解释。
这个指标为什么和上周不一样。
这个字段为什么不能直接用。
这个分析为什么只能说明相关，不能说明因果。
这个需求为什么要先确认口径，不能直接写 SQL。
以前这些解释消失在会议、群聊、语音和临时文档里。你说过，别人听过，然后下一次又重来。
AI 加进来以后，这个问题变得更明显。
因为 AI 不会自动继承你们团队的口头历史。它要么读到说明，要么重新猜。
你每次都要重新解释的东西，往往就是最值得沉淀的东西。
说明书不是大文档
很多人一听“说明书”，就想到很厚的文档。
这会让人退缩。
其实普通数据从业者需要的说明书，可以很小。
一个指标说明，只要先写清 5 件事：
- 它叫什么；
- 它怎么算；
- 它来自哪里；
- 它适合回答什么问题；
- 它不适合回答什么问题。
一个项目说明，也可以先写清 5 件事：
- 这个项目要解决什么麻烦；
- 关键数据从哪里来；
- 中间做过哪些选择；
- 结果怎么验证；
- 下次复用时最容易踩什么坑。
这些内容不需要写成论文。
你只要让未来的自己、同事和 AI 能看懂，就已经很有价值。
把“我解释过”变成“系统里有”
数据工作里最累的一类活，是反复解释同一件事。
更累的是，解释完还没人留下来。
所以你要有意识地把口头解释变成可复用材料。
下次业务问“这个指标为什么变了”，你不要只在群里打 300 字。可以顺手补到指标说明里：本指标受退款回写影响，T 日数据会在 T+1 上午收敛。
下次老板问“这个结论能不能用”，你不要只在会上口头补充。可以在分析文档里加一段：本结论基于最近 30 天样本，不适合外推到全年。
下次 AI 写 SQL 写错了，你不要只改那一行。可以把错误原因写进项目说明：用户状态表里 status=0 不是无效用户，而是未激活。
这样做有点琐碎。
但它会慢慢改变你的工作形态。
你不再是每次重新讲一遍的人，而是逐渐拥有一套可以被复用的判断材料。
说明书会反过来训练你
这件事还有一个好处：它会逼你把含糊的东西说清楚。
很多时候，我们以为自己懂一个指标，其实只是习惯了它。
一写说明书，就会发现问题：
这个口径到底有没有包含退款？这个字段什么时候更新？这个异常值为什么要排除？这个结论到底能不能支撑业务动作？
写不清，就说明你还没有真正想清。
这不是坏事。
这正是普通数据从业者变强的地方。不是突然学会一个很厉害的工具，而是把每天含糊经过的东西，变成别人也能复查的材料。
AI 时代，说明书会越来越重要。
不是因为大家喜欢文档，而是因为模型、同事、未来的你，都需要上下文。
上下文不应该每次都从你嘴里临时倒出来。
它应该留在工作里。
从今天开始，留 3 份小说明
如果你不知道从哪里开始，可以先做 3 份很小的说明。
第一份，写一个高频指标说明。
选一个你最常被问的指标，写清定义、来源、更新时间、适用和不适用场景。
第二份，写一个项目复盘说明。
选一个你最近做过的需求，写清问题、选择、证据、结果和下一次怎么复用。
第三份，写一个 AI 提问说明。
把你每次都要告诉 AI 的业务背景、表关系、禁用字段、输出格式整理成一页。以后别从零开始问。
这 3 份东西不一定马上被别人看见。
但它们会让你少解释很多次，也会让你的工作更像资产，而不是每天散落在聊天记录里的碎片。
说明书也会帮你面试和复盘
这件事还有一个现实好处。
以后你写简历、准备面试、做晋升复盘时，不用再从记忆里打捞项目。
很多人项目做完以后，只记得“我做过”。过了两个月，细节开始糊。半年以后，只剩一句“负责某某系统建设”。这句话放到简历上，很像，放到面试里，很虚。
如果你平时留下项目说明，情况会不一样。
你能说出当时的问题是什么，为什么没有直接写 SQL，为什么先统一口径，为什么排除了某类异常样本，最后怎么确认结果可用。
这些细节不是装饰。
它们会让别人相信你真的做过，也真的想过。
AI 时代，很多简单产出会变便宜。更值钱的，是你留下来的判断过程。因为判断过程说明，你不是只会把工具跑通，而是知道为什么要这样跑。
我叫石头，在数据行业里摸爬滚打了十几年，越来越觉得真正值钱的不是解释一次，而是让解释可以被复用。这里写的，就是这些教训——我觉得值得说出来的那部分。
