AI启航（AICHINES） -AI知识库与前沿资讯平台一、Prompt之道：清晰表达（核心原则）
- 核心本质：与大模型交互的关键是“清晰表达”，即清晰传递内心真正想要的内容，而非依赖形式（如语法、框架）。
- 两大关键问题：
- 表达什么：强调“输入决定输出”（read in. prompt out.）。大模型的输出质量取决于用户输入的信息量与深度。需通过阅读、观察、行业经验等积累“内核”（方法论、认知框架），避免空泛描述。
- 如何清晰表达：需先在脑海中形成明确“内核”（如对某个方法论的理解），再借助工具（如框架）清晰呈现。框架是辅助工具，本质是通过预设角度（如目标、背景、任务）帮助呈现内核，但需避免“形似神离”（仅堆砌框架而无实质内容）。
- 核心感悟：
- 提示词写不好的根源是“向外求”（盲目试词、调参数），应“向内求”（回溯脑海中的认知，明确内核）。
- 大模型是“伙伴”，通过与它对话可反推自身认知的清晰度（模糊时对话推动认知深化，清晰时对话推动深度思考）。
二、Prompt之术：三板斧（基础技巧）
- 分配角色：
- 指定角色（如“哲学家”“作家”）可激活大模型的“行为模式”（知识域、语言风格、决策倾向等）。角色是“信息压缩包”，需确保模型理解该角色（如“哲学家”是大模型已知的通用角色，而细分领域角色需具体描述）。
- 若模型不熟悉角色，需“解压缩”：通过描述角色的背景、技能、工作内容等细化信息，塑造立体角色。
- 给出示例（Few-shots）：
- 当脑海中对需求模糊时，通过提供示例（如“脱口秀段子应包含反转或谐音梗”）补充信息量，帮助模型理解需求。示例是“速写”，将隐含需求显性化。
- 思维链（Chain-of-Thought, CoT）：
- 添加“让我们一步步思考”等指令，引导模型展示推理过程，提升逻辑性。效果对比：无CoT时为直觉输出（问题→答案）；有CoT时为逻辑推理（问题→推理步骤→答案）。
三、彩蛋：压缩表达（进阶观点）
- 核心理念：通过“压缩”提升表达精准度，从“段落→句子→词→字”逐步凝练，避免冗余。
- 两大效果：
- 精准：压缩后的词/句在大模型的向量空间（embedding）中精准定位，如“哲学家”一词直接激活模型对该角色的认知，而非模糊描述。
- 凝练：缩短输入长度，优化大模型的注意力分配（attention机制），避免长文本导致的权重分散，提升输出质量。
- 本质意义：压缩是“得其意，忘其言”的过程，通过精准用词传递脑海中的“意”（认知内核），而非依赖形式化的语言。
关键金句
- “读书多，脑海中有很多方法论，把那些方法论一封装就是一个场景。”
- “read in. prompt out. 因在前边，果在后边。”
- “提示词写不好就在外边去找，不断地试词，不断地调，那是跑偏了，真正的效果不好的时候，要回退，先回到自己脑海中。”
- “虽然只写了这三个字（如‘哲学家’），但是哲学家这三个字是一个大的压缩包。”
- “我觉得写提示词是有味道的一件事情，这个提示词，一看就是你的味道。”
总结：李继刚的分享围绕“清晰表达”展开，强调输入（read in）是根本，技巧（三板斧）是工具，而“压缩表达”是进阶核心，最终目标是精准传递脑海中的认知内核，与大模型高效协作。
