原创 wulujia 2025-03-30 16:19 中国香港
用 AI 帮助思考。这是 AI 越来越聪明之后，我最主要的用法。至于效果，前段时间，我和同事们交流，我略带兴奋地告诉他们：我觉得我变聪明了。
用 AI 帮助思考。这是 AI 越来越聪明之后，我最主要的用法。至于效果，前段时间，我和同事们交流，我略带兴奋地告诉他们：我觉得我变聪明了。
但是我也观察到有人掉进陷阱，主要有这么几种情况：
1. 一句话询问。把 AI 当成可以理解语义的搜索引擎。
2. 只用 AI 解决问题。忘记了我们有丰富的工具。
3. 问过当作已消化吸收。比如 AI 做的 Deep Research 报告，我猜很多人只是快速扫一眼，就“放着以后看“，实际上永远不看了。
昨天合伙人 Shotgun 在公司的知识星球里发了篇文章——大语言模型说：我可以提供“高质量的回答“，前提是有“高质量的问题“。他举了好些例子帮助理解：
> 原则：
> - 原则一：第一次提问要尽可能开放，只说需求，不说具体解决方案。
> - 原则二：通过问题链，通过学习大语言模型的回答，让自己的提问越来越专业，越来越细致，从而得到更高水平的答案。
> - 原则三：通过事实检查和双重检查，核实推理过程和回答的准确性。
>
> 原因：
> - 大语言模型，我理解其本质是一个预测器：根据用户输入的内容，来从概率上预测随后的内容，由于通用的大语言模型使用大量的文本进行训练，文本质量良莠不齐，所以输出内容质量非常依赖于输入的内容质量，用户输入的内容越专业、越准确，大语言模型预测出来的内容就越“聪明“。
> - 反驳或者让大语言模型重新认真构造答案，本质上是给之前的普通回答进行降权，而给专业回答进行提权，类似于对大语言模型说：“我不希望你用一些科普的东西糊弄我，我希望看到专业的回答”、“你是一名通讯行业的专家，从你专业的角度来看：”，这时大语言模型检索的重点就会进入专业领域，而非科普，当然就更容易得到高质量的回答。
> - 问题链则是更精确进入专业领域的方式，通过提问-学习-再次追问的模式，由提问者和大语言模型共同思考、讨论，来得出更高质量的答案。
> - 问题链能起作用的另一个原因是：很多复杂问题并不存在现成的答案，虽然推理模型一定程度上，也可以组合内容来得到复杂问题的答案，但如果通过分解问题来让提问跟现存的答案更接近，显然可以提高回答的速度和质量。
祝你能在 AI 的帮助下变得更聪明。
