$ man context-wiki/grounding

接地是你阻止 AI 凭空捏造的方法。当 Claude 没有足够的上下文时，它会用听起来合理的猜测来填补空白。有时这些猜测是对的。但往往不是。接地意味着给模型足够多的真实、具体信息，使它不需要猜测。区别在于"帮我写一封冷邮件"（未接地，Claude 会发明你的价值主张）和"这是我的 ICP、我的角色画像层级、我的消息框架，以及三封获得回复的邮件范例，现在写那封冷邮件"（已接地，Claude 基于真实数据工作）。

模式

上下文敏感度：在给 Claude 任务之前，问问自己这有多难，模型需要多少独特信息。简单的格式化任务几乎不需要上下文。编写合作伙伴入职工作流需要你完整的 ICP、角色画像和消息框架。将上下文与复杂度相匹配。 假设枚举：让模型在执行之前列出它的假设。要求 Claude 明确说明其假设。隐式假设变成显式的。显式假设变成可处理的。你在错误假设污染输出之前就发现了它们。 领域知识查询：给 Claude 完成任务所需的具体信息。不要让它猜测你的产品定位。不要让它推断你的 ICP。加载文件。指向数据。模型的质量取决于你放进上下文窗口的内容。

专业技巧

我通过将整个仓库作为上下文加载来为 Claude 接地。我的 CLAUDE.md 设定默认值。我的技能定义工作流。我的规则文件按文件类型强制执行模式。我的语音指南控制语气。我的合作伙伴文件夹包含每个客户的 ICP、角色画像和消息框架。Claude 不猜测，因为它需要的一切都已经在上下文窗口中了。当我运行 /partneronboard 时，Claude 读取合作伙伴的研究文件夹，提取 ICP 标准，构建资格认证提示，并搭建整个工作流。它不发明标准。它读文件。这就是实践中的接地。

反模式

接地在你假设模型知道它不知道的事情时失效。常见的失败情况：要求 Claude 用你的语气写作却没有加载语音指南。要求它筛选潜在客户却没有加载 ICP 定义。要求它遵循工作流却没有加载技能文件。这些都迫使 Claude 去猜测。而 Claude 非常擅长自信地猜测，这使得失败更难被发现。如果输出看起来合理但感觉不对，问题几乎总是缺少上下文。不是差劲的提示词。不是差劲的模型。是缺少上下文。

公式

在给 Claude 任何非简单任务之前，检查以下五项： 1. Claude 是否拥有所需的特定领域数据？（ICP、角色画像、产品文档） 2. Claude 是否知道使用什么语气或风格？（语音指南已加载） 3. Claude 是否知道输出格式？（提供了示例或 schema） 4. Claude 是否已说明其假设？（执行前先问它） 5. 任务复杂度是否与上下文深度匹配？（简单任务 = 轻量上下文，复杂任务 = 完整上下文） 如果你检查了所有五项，输出就会是接地的。如果你跳过任何一项，你就是在赌 Claude 的猜测。