文本探讨了利用语言学习模型（LLMs）生成和评估复杂任务的上下文，而非仅依赖人工撰写的文档。这涉及提示 LLM 对人员进行访谈，通过提问收集必要信息并生成上下文报告。作者从 Harper Reed 的博客中汲取灵感，强调 LLM 应一次只提出一个问题。另一种应用是利用质询式 LLM 对专家进行访谈，以评估文档的准确性，从而为人工审查提供替代方案。该方法可分阶段实施：首先用于文档创建，随后用于专家审查。该技术不仅适用于 LLM 场景，还能促进从难以写作的人员中提取知识。它有助于克服从写作困难者处获取信息的挑战，实现一种 AI 驱动的写作，即使其风格具有特定特征。最终，该方法论优先考虑信息的捕获与共享，即便其偏离传统写作偏好。这种方法利用了 LLM 在多样化情境中促进沟通与知识转移的能力。AI 生成的输出被认为优于信息缺失或撰写质量低劣的文档，尤其是在面对写作困难者时。该方法凸显了 LLM 在弥合沟通差距和改善协作工作流方面的潜力。