几乎及时新闻_: 🗞️ 回顾AI基础知识 (2025年8月3日)
几乎及时新闻: 🗞️ 回顾AI基础知识 (2025年8月3日) :: 在浏览器中查看 重点推荐 👉 我的新书《几乎永恒：生成式AI的48条基础原则》现已上市！ 内容真实性声明 本周通讯100%由我本人（人类）创作。您将在视频中看到大量的AI生成内容。了解为何此类披露是明智之举，以及未来可能对与欧盟有任何业务往来者构成强制要求。 在YouTube观看本期通讯 📺 点击此处观看本期通讯的YouTube视频版本 » 点击此处获取纯MP3音频版本 » 本周随想：回顾AI基础知识 本周，让我们稍微回归基础。我最近出差频繁，与那些有着实际问题并希望尝试用AI解决的真实人们进行了交流。 我观察到最多的现象是什么？人们仍然像使用2023年的工具一样使用ChatGPT等工具，而不是利用它们今天的最新功能。他们感到沮丧、困惑和不知所措。 所以本周，我们来解决这个问题。让我们回顾一下生成式AI的现代基础知识，以及我们都应该使用的基本技巧和技术。读完本期内容后，您将掌握从任何AI工具中获得更多价值所需的现代基础。如果您已经了解这些基础知识，那么请务必将其分享给两位可能还不了解的同事或朋友。 第一部分：大语言模型（LLMs）的运作机制 在开始讨论技巧之前，我们先谈谈技术。关于大语言模型（LLMs，即驱动ChatGPT等工具的引擎）工作原理的一个根本误解是，人们认为您的提示只是您对它说的最后一句话。 在人类对话中，您给朋友发一条信息，他们回复一条，如此往复。您来回交流，并认为对话就是您对朋友说的最后几句话。我们就是这样运作的。我们不会把整个聊天记录都记在脑子里。 但机器并非如此。 如果您打开引擎盖查看内部，会发现您与AI进行的整个对话就是提示。您在该聊天中说的每句话，连同您最新的提示，都会成为下一个提示——整个对话每次都会被重新加载和重新处理。 想象一下，如果您在和朋友聊天，而他们每次回复都把你们至今为止的整个对话都发给您。您可能会想：“你还好吗？你到底在做什么？” 这对这些工具的运作方式有着深远的影响。首先，对话中每件事都算数（这是我在新书《几乎永恒：生成式AI的48条基础原则》中分享的48条原则之一）。所以，如果您之前在聊黑莓弗朗吉巴尼（一种甜点），然后切换到B2B营销的话题，那么所有关于甜点的对话都会影响您的B2B营销。有时这可能是好事，有时可能是坏事。 为了获得最佳结果，一个聊天会话应该对应一个任务。要切换任务？请开启一个新会话。 由于AI也会考虑整个对话，对话进行得越久，AI需要处理的工作量就越大。达到一定程度后，它会开始失去精确性。您会注意到它的回应质量下降。当您开始注意到这一点时，就该开始一个新的聊天会话了。 最后，不存在“忘记我们之前讨论过的所有内容，转而执行这个”或类似指令的说法。虽然您可以这样告诉AI，它甚至可能确认说“好的，我会遵循这些指示”……但它不会。这相当于说“不要想大象”。如果它在聊天记录中，AI仍然会考虑它。如果您在聊天中包含了错误信息，请开始一个新的聊天会话。 新会话：尽早开始，频繁开始。 第二部分：提示工程入门 现在我们已经了解了基本机制，接下来让我们进入提示环节。我认为我所拥有的最接近AI提示魔法或万灵丹（这在书中是第26条原则）的是一句话，您应该将其粘贴到每个提示的末尾： 每次只问我一个问题，直到您有足够的信息来完成任务。 这句话会显著改变AI的行为。所有大语言模型都基于三个基本准则进行训练：无害、有用、真实——按此顺序。无害意味着不要回答用户明显有害的问题，例如“我如何做这个非常糟糕的事情™？”（有趣的题外话：未经审查的模型会非常流畅地回答这类问题）。有用意味着尝试满足用户的请求。而真实性则排在遥远的第三位，即努力提供真实的答案。 对于大语言模型来说，真实性是最难的，因为真相[a]是模糊的。如今，真相很大程度上取决于身份和意识形态，无论好坏。而且[b]真相和概率不是一回事，而大语言模型处理的是概率。但这又是另一个话题了。 对于大多数ChatGPT等工具的用户来说，问题出在第二大支柱——“有用”。AI工具被训练成有用，而非有思想。它们根据所获得的信息尝试回答请求，当信息不足时，它们会根据所训练的知识和数据以及可访问的工具（如网络搜索）来尝试自行填补空白。 这意味着，如果我们给它一个指令，例如“写一篇关于B2B网红营销的博客文章”，它会努力提供帮助。它会推断或搜索数据来满足请求，并尽快执行，以达到“有用”的目的。 想象一下，一位下属害怕向您提问或寻求澄清。他们只会点头，说“是的，女士，马上办，女士”，然后尽力完成您的任务——他们注定会失败，因为撰写博客文章的提示是一个糟糕的指令。 通过在提示末尾添加那句话，您将其从“无脑有用”转变为“有思想地有用”。AI本身没有能动性。AI的能动性比蚊子还弱，比您的狗还弱。除非您告诉它，否则AI不会思考，因此，通过告诉它每次只问您一个问题，直到它有足够的信息来完成任务，您就给予了它提问和收集更多信息的许可。您给予了它思考的许可。 您必须给予AI思考的许可。 为什么每次只问一个问题？有两个原因。首先，当面对一整页问题时，人类会感到不知所措。每次只问一个问题对我们许多人来说负担较小。其次，回到我们讨论的大语言模型运作机制。当我们进行一来一回的对话时，整个对话就是下一个提示，因此通过每次回答一个问题而不是一次性回答所有问题，我们可以更快地确定一个有用的回应。 即使您从今天的通讯中只记住一件事，那句话也将改变AI对您的有用程度。它将轻松地使AI对您的有用性翻倍。 但我们还没有结束。让我们继续。 第三部分：知识块与上下文工程 第二个能显著改善AI结果的方法是我所称的“知识块”（这是书中第25条原则……您懂的）。在极客圈里，这有一个时髦的新术语叫做“上下文工程”（context engineering）。我不太喜欢这个术语，因为[a]它令人困惑，[b]它听起来过于精英化且夸大其词。 知识块顾名思义：它们是您手头拥有的知识和数据块，可以像乐高积木一样添加到提示中。您可以将这些信息保存在小的文本文件、PDF或甚至笔记本中，然后像名厨埃默里尔（Emeril）把大蒜扔进锅里一样，将其丢进相关的提示中。砰！结果更好。 以下是我建议您准备好或随时可用的知识块精选： – 关于您/您的公司：您是谁？您做什么？ – 您的营销方式：如果您从事营销，您如何进行营销？通过什么渠道、什么方法？ –…
