說(shuō)句實(shí)在話(huà)AI大模型應(yīng)用發(fā)展到現(xiàn)在真正拉開(kāi)人與人差距的已經(jīng)不是“會(huì)不會(huì)打開(kāi)對(duì)話(huà)框”而是“會(huì)不會(huì)把手里的活兒拆給AI干”。我見(jiàn)過(guò)太多人把一堆極其復(fù)雜的任務(wù)一次性丟給模型結(jié)果拿到一份看起來(lái)什么都說(shuō)了、實(shí)際上什么都不能用的產(chǎn)物然后轉(zhuǎn)頭跟我說(shuō)“AI不行”。真不是AI不行是任務(wù)還沒(méi)被拆到位。這篇文章是這個(gè)系列的第十一篇我打算不聊那些花哨的提示詞技巧而是把“高效使用”這四個(gè)字拆開(kāi)講清楚怎么讓AI從“偶爾靈光”變成“可控可靠”。適合誰(shuí)讀兩類(lèi)人。一類(lèi)是天天用AI聊天、寫(xiě)文案、做表格但總覺(jué)得輸出“差點(diǎn)意思”的普通用戶(hù)另一類(lèi)是已經(jīng)在用API接入業(yè)務(wù)卻經(jīng)常被模型輸出折騰得焦頭爛額的開(kāi)發(fā)者。全文沒(méi)有高深理論都是可以直接照做的步驟、模板和排查方法。1. 先把任務(wù)拆碎高效使用AI應(yīng)用的第一課1.1 為什么復(fù)雜任務(wù)直接丟給AI效果總是不好很多人用AI的習(xí)慣是“幫我策劃一個(gè)雙11活動(dòng)方案”“給我寫(xiě)一份年度工作總結(jié)”“分析一下這個(gè)季度的銷(xiāo)售數(shù)據(jù)”。問(wèn)題在于這些需求放到人類(lèi)世界里每一項(xiàng)都是一個(gè)包含若干子任務(wù)的“項(xiàng)目”你把整個(gè)項(xiàng)目一次性丟進(jìn)對(duì)話(huà)框模型自然會(huì)給你一份看起來(lái)很完整的回答但它不知道你的真正目標(biāo)是什么、重點(diǎn)在哪里、約束有哪些只能按照訓(xùn)練數(shù)據(jù)里常見(jiàn)的套路給你一份“放之四海而皆準(zhǔn)”的模板。更深層的原因是大模型生成文本的方式是逐字預(yù)測(cè)它在生成每個(gè)字時(shí)都要參考前面已經(jīng)生成的所有內(nèi)容。如果你拋給它的上下文里塞滿(mǎn)了多個(gè)目標(biāo)、多種背景、多個(gè)輸出要求注意力會(huì)被嚴(yán)重分散真正關(guān)鍵的那條約束反而容易被淹沒(méi)。打個(gè)比方你讓一個(gè)新來(lái)的實(shí)習(xí)生同時(shí)去做市場(chǎng)調(diào)研、渠道對(duì)接、物料設(shè)計(jì)和預(yù)算申報(bào)他能在一周內(nèi)給你一份四不像的報(bào)告但每一塊都經(jīng)不起推敲。AI也一樣任務(wù)越復(fù)雜中間出錯(cuò)的概率就越高而且一旦某個(gè)環(huán)節(jié)生成得不對(duì)后續(xù)內(nèi)容大概率會(huì)順著那個(gè)錯(cuò)誤繼續(xù)跑最后整個(gè)結(jié)果都沒(méi)法用。所以高效使用AI應(yīng)用的第一課不是學(xué)提示詞而是學(xué)任務(wù)切分。把一個(gè)大任務(wù)拆成多個(gè)小任務(wù)每個(gè)小任務(wù)有明確目標(biāo)、明確輸入和明確驗(yàn)收標(biāo)準(zhǔn)。這其實(shí)是工程思維的核心把不可控的大問(wèn)題變成可控的小環(huán)節(jié)。1.2 判斷“原子任務(wù)”的三個(gè)標(biāo)準(zhǔn)不是所有任務(wù)都需要拆也不是拆得越碎越好關(guān)鍵是拆到“原子任務(wù)”的粒度。我自己判斷一個(gè)任務(wù)是否合格主要看三個(gè)標(biāo)準(zhǔn)。第一單一目標(biāo)。一個(gè)任務(wù)只產(chǎn)出一個(gè)明確成果。比如“幫我總結(jié)這份周報(bào)并翻譯成英文再幫我提煉本周重點(diǎn)”聽(tīng)起來(lái)很高效實(shí)際上是把三個(gè)目標(biāo)混在一起每個(gè)目標(biāo)都做得不徹底。應(yīng)該拆成“總結(jié)周報(bào)”“翻譯總結(jié)結(jié)果”“從總結(jié)中提煉三條重點(diǎn)”三個(gè)獨(dú)立步驟逐個(gè)完成逐個(gè)檢查。第二可校驗(yàn)。也就是任務(wù)完成后你能明確判斷它做得好不好。比如“提取合同里的甲方、乙方、金額、簽約日期并整理成表格”就是可校驗(yàn)的你可以逐行核對(duì)“生成十個(gè)品牌宣傳語(yǔ)”就很難校驗(yàn)因?yàn)椤昂貌缓谩笔侵饔^判斷?？尚ｒ?yàn)的任務(wù)AI更容易輸出高質(zhì)量結(jié)果你也更容易抓住它的錯(cuò)誤。第三小上下文。輸入和輸出的信息量盡量控制在模型可承載的范圍之內(nèi)。比如要分析一份50頁(yè)的行業(yè)報(bào)告一次性丟進(jìn)去模型很容易在中段“忘掉”開(kāi)頭的信息。正確做法是先讓模型按章節(jié)生成摘要再把摘要拼在一起做整體分析。每一步的上下文都足夠短模型才有余力做好推理。舉一個(gè)實(shí)際例子我讓AI幫我寫(xiě)“產(chǎn)品發(fā)布計(jì)劃”時(shí)不會(huì)直接說(shuō)“幫我寫(xiě)個(gè)產(chǎn)品發(fā)布計(jì)劃”而是先拆成五個(gè)子任務(wù)目標(biāo)用戶(hù)分析、核心賣(mài)點(diǎn)提煉、發(fā)布階段劃分、各階段執(zhí)行清單、風(fēng)險(xiǎn)預(yù)案。每個(gè)子任務(wù)分別寫(xiě)提示詞分別檢查輸出。表面上看多了四輪對(duì)話(huà)實(shí)際上每一輪的輸出質(zhì)量都遠(yuǎn)超一次性生成整體時(shí)間反而更省。2. 掌握三種主流用法對(duì)話(huà)、模板與API2.1 對(duì)話(huà)式提問(wèn)把四要素說(shuō)全任務(wù)拆好之后接下來(lái)就是把任務(wù)“講清楚”。我平時(shí)寫(xiě)提示詞只關(guān)注四件事角色、任務(wù)、背景、輸出格式。角色決定模型用什么視角看問(wèn)題任務(wù)決定它要做什么背景提供判斷依據(jù)輸出格式?jīng)Q定最終長(zhǎng)什么樣。很多人的提示詞之所以效果差是因?yàn)橹挥腥蝿?wù)沒(méi)有角色也沒(méi)有背景。比如“幫我分析我們的用戶(hù)數(shù)據(jù)”模型不知道你的業(yè)務(wù)是什么、數(shù)據(jù)長(zhǎng)什么樣、分析出來(lái)給誰(shuí)看它只能給一套通用的分析框架。換個(gè)寫(xiě)法你是一名有8年經(jīng)驗(yàn)的電商用戶(hù)運(yùn)營(yíng)分析師。請(qǐng)根據(jù)下面提供的5月用戶(hù)分層數(shù)據(jù)找出次月留存率下降最可能的原因。數(shù)據(jù)只來(lái)自下方表格不要使用你記憶中的行業(yè)數(shù)據(jù)。要求按影響程度從高到低排列原因以表格輸出每行包含“可能原因、數(shù)據(jù)依據(jù)、建議動(dòng)作”?？梢钥吹浇巧薅朔治鲆暯侨蝿?wù)限定了具體動(dòng)作背景限定了數(shù)據(jù)范圍和約束條件輸出格式限定了交付形態(tài)。這樣一組提示詞哪怕選一個(gè)中檔模型輸出結(jié)果也比無(wú)腦問(wèn)通用模型要好得多。這套“四要素”不是金科玉律簡(jiǎn)單任務(wù)可以刪掉角色或背景但復(fù)雜任務(wù)最好一個(gè)都不要缺。2.2 提示詞模板把經(jīng)驗(yàn)沉淀成可復(fù)用資產(chǎn)如果你只是偶爾用一次AI那每次手寫(xiě)提示詞也沒(méi)問(wèn)題。但如果要每周處理同類(lèi)任務(wù)比如寫(xiě)會(huì)議紀(jì)要、做競(jìng)品分析、生成招聘JD那就值得把提示詞做成模板。模板的作用是把固定結(jié)構(gòu)和可變內(nèi)容分離你只需要替換變量就能得到一份穩(wěn)定可復(fù)用的提示詞。我常用的模板結(jié)構(gòu)如下【角色】你是{{崗位}}擅長(zhǎng){{核心能力}}。 【任務(wù)】{{要完成的具體任務(wù)}}。 【背景】 - 行業(yè){{行業(yè)}} - 業(yè)務(wù)情況{{業(yè)務(wù)情況}} - 當(dāng)前原始材料{{原始材料}} 【輸出格式】 1. {{第一個(gè)輸出項(xiàng)}} 2. {{第二個(gè)輸出項(xiàng)}} 3. {{第三個(gè)輸出項(xiàng)}} 【約束】 - {{約束1只基于所給材料}} - {{約束2不要虛構(gòu)數(shù)據(jù)}} - {{約束3字?jǐn)?shù)/格式要求}}把這種模板保存成一套自己的“彈藥庫(kù)”按場(chǎng)景分類(lèi)比如文案類(lèi)、數(shù)據(jù)分析類(lèi)、會(huì)議紀(jì)要類(lèi)后續(xù)遇到類(lèi)似需求直接復(fù)制出來(lái)替換變量。用表格對(duì)比一下手寫(xiě)提示詞和模板化提示詞的差別對(duì)比維度每次手寫(xiě)提示詞使用模板每次消耗時(shí)間5-10分鐘容易遺漏關(guān)鍵約束1分鐘以?xún)?nèi)替換變量即可輸出一致性看心情時(shí)好時(shí)壞結(jié)構(gòu)固定質(zhì)量穩(wěn)定可預(yù)測(cè)新人上手成本需要重新摸索套路復(fù)制模板跟著變量填寫(xiě)迭代管理改完就忘了下次從零再來(lái)可加版本號(hào)記錄每次改動(dòng)原因不過(guò)要提醒一句模板不是一勞永逸的。模型版本升級(jí)、任務(wù)需求微調(diào)都可能導(dǎo)致原來(lái)好用的模板效果下降。我習(xí)慣把測(cè)試通過(guò)的模板記錄成“版本測(cè)試日期測(cè)試輸入輸出樣例”像管理代碼一樣管理提示詞。2.3 程序化調(diào)用讓模型從“助手”變成“零件”對(duì)話(huà)式和模板化解決了“單次任務(wù)”的效率問(wèn)題但如果你的場(chǎng)景是批量處理幾十條文本或者要把AI能力嵌入自己的系統(tǒng)那手動(dòng)復(fù)制粘貼就不現(xiàn)實(shí)了。這時(shí)候需要走API調(diào)用把模型當(dāng)作一個(gè)函數(shù)來(lái)使用。API調(diào)用的核心步驟只有四步選模型、設(shè)參數(shù)、組消息、解析輸出。選模型主要看三個(gè)指標(biāo)上下文窗口是否夠長(zhǎng)、單次調(diào)用價(jià)格是否可接受、模型能力是否符合任務(wù)復(fù)雜度。設(shè)參數(shù)最關(guān)鍵的是temperature它控制隨機(jī)性寫(xiě)廣告文案、頭腦風(fēng)暴可以設(shè)到0.7-0.9事實(shí)抽取、格式轉(zhuǎn)換、結(jié)構(gòu)化輸出應(yīng)該設(shè)到0-0.3這樣才能減少“發(fā)揮”。下面是一個(gè)最簡(jiǎn)單的大模型調(diào)用示例使用OpenAI兼容接口代碼風(fēng)格貼合多數(shù)服務(wù)商的SDKimport os from openai import OpenAI client OpenAI( api_keyos.getenv(MY_API_KEY), # 通過(guò)環(huán)境變量傳入不要硬編碼 base_urlhttps://your-provider.example.com/v1 # 替換為實(shí)際服務(wù)商地址 ) resp client.chat.completions.create( modelyour-model-name, temperature0.2, max_tokens800, messages[ {role: system, content: 你是一個(gè)合同信息提取助手只輸出符合JSON格式的內(nèi)容。}, {role: user, content: 請(qǐng)從以下合同文本中提取甲方、乙方、金額、簽約日期\n合同文本……} ] ) result resp.choices[0].message.content print(result)代碼里有三個(gè)容易踩的坑。第一API Key一定不要寫(xiě)死在代碼里更不要提交到Git倉(cāng)庫(kù)用環(huán)境變量讀取是基本操作。第二輸出格式約束要放在system消息里因?yàn)閟ystem消息對(duì)全局輸出風(fēng)格的影響比user消息更明顯。第三溫度不是越高越好也不是越低越好而是按任務(wù)類(lèi)型選擇批量處理業(yè)務(wù)數(shù)據(jù)時(shí)溫度設(shè)低一點(diǎn)能明顯減少胡說(shuō)八道的情況。3. 一個(gè)可復(fù)用的實(shí)操案例競(jìng)品文案周報(bào)生成器3.1 場(chǎng)景設(shè)定與整體流程理論講再多都不如一個(gè)完整案例來(lái)得實(shí)在。假設(shè)你是一個(gè)運(yùn)營(yíng)團(tuán)隊(duì)的成員每周要盯5個(gè)競(jìng)品的公眾號(hào)、社群、朋友圈物料整理成周報(bào)給負(fù)責(zé)人看。以前的工作方式是到處復(fù)制粘貼、在群里討論、最后手動(dòng)寫(xiě)周報(bào)一稿下來(lái)至少2小時(shí)還經(jīng)常漏掉關(guān)鍵信息。下面我用AI把整個(gè)流程重新搭一遍。整體流程分為四步素材收集。把競(jìng)品文案、海報(bào)文案、落地頁(yè)文字統(tǒng)一粘貼進(jìn)一個(gè)素材庫(kù)按品牌和日期命名。單篇摘要。每篇文案交給AI提取品牌、平臺(tái)、目標(biāo)人群、核心賣(mài)點(diǎn)、活動(dòng)機(jī)制、文案亮點(diǎn)。匯總洞察。把所有摘要合并讓AI找出本周競(jìng)品的共性動(dòng)作和差異化玩法。人工復(fù)核。負(fù)責(zé)人檢查摘要和結(jié)論是否有事實(shí)錯(cuò)誤確認(rèn)后再發(fā)出。這樣設(shè)計(jì)的原因很簡(jiǎn)單模型不擅長(zhǎng)一次性處理大量異構(gòu)信息。先逐篇結(jié)構(gòu)化再匯總分析每一步輸入輸出都足夠聚焦整體質(zhì)量才能穩(wěn)住。3.2 分步實(shí)現(xiàn)拆解任務(wù)與編寫(xiě)提示詞單篇摘要提示詞長(zhǎng)這樣你是一名內(nèi)容運(yùn)營(yíng)分析師。請(qǐng)閱讀下面的競(jìng)品文案輸出結(jié)構(gòu)化摘要。 輸入 {{文案原文}} 輸出格式 - 品牌名稱(chēng) - 推送平臺(tái) - 目標(biāo)人群 - 核心賣(mài)點(diǎn)不超過(guò)3條 - 活動(dòng)機(jī)制 - 文案亮點(diǎn)用一句話(huà)概括最打動(dòng)人的點(diǎn) 約束 1. 只能根據(jù)上面原文提取信息不要補(bǔ)充你印象中的競(jìng)品背景 2. 原文沒(méi)提到的內(nèi)容一律寫(xiě)“未提及” 3. 不要對(duì)效果做評(píng)價(jià)。跑完所有單篇摘要后把得到的多段摘要拼在第二個(gè)提示詞里做匯總分析你是一名資深競(jìng)品策略分析師。下面是我方整理的本周競(jìng)品文案摘要每一條都包含品牌、賣(mài)點(diǎn)、機(jī)制、亮點(diǎn)。請(qǐng)幫我完成兩份輸出。 第一份本周競(jìng)品共性動(dòng)作 - 歸納3-5個(gè)多家品牌同時(shí)在做的動(dòng)作并說(shuō)明依據(jù)。 第二份差異化玩法 - 列出2-3個(gè)值得關(guān)注的差異化策略并說(shuō)明為什么值得關(guān)注。 約束 1. 只基于摘要信息不要用你記憶中的歷史信息補(bǔ)充 2. 每個(gè)結(jié)論必須能在摘要里找到依據(jù)找不到依據(jù)就寫(xiě)“暫未觀察到”。這兩步分開(kāi)的意義很明確單篇摘要讓模型先做“信息還原”匯總洞察再做“信息升華”。如果一上來(lái)就讓它直接分析5篇原文它很容易漏掉細(xì)節(jié)而且你無(wú)法判斷結(jié)論是來(lái)自原文還是來(lái)自訓(xùn)練數(shù)據(jù)。3.3 輸出校驗(yàn)與提示詞迭代AI跑完不是終點(diǎn)校驗(yàn)才是。我每次拿到輸出會(huì)檢查四件事一是原文里沒(méi)有的信息有沒(méi)有被擅自補(bǔ)充二是核心賣(mài)點(diǎn)提取是否和原文對(duì)得上三是匯總洞察的結(jié)論能不能在摘要里找到依據(jù)四是周報(bào)里的日期、數(shù)字、品牌名有沒(méi)有錯(cuò)。第一次跑這套流程時(shí)摘要里就出現(xiàn)了“該品牌主打年輕白領(lǐng)”這句話(huà)但原文根本沒(méi)提這個(gè)人群。我當(dāng)時(shí)的處理方式不是只刪掉這句話(huà)而是回到提示詞在約束部分加上“只能基于原文不要推斷或補(bǔ)充”。再跑一遍問(wèn)題基本消失。這里有個(gè)迭代原則一次只改一個(gè)變量。很多人看到輸出不理想同時(shí)改角色、加背景、改格式、換模型結(jié)果輸出變好了也不知道是哪一步起的作用變差了更不知道是哪一步出了問(wèn)題。我習(xí)慣每次只動(dòng)一個(gè)地方記錄改動(dòng)和結(jié)果幾次迭代后提示詞就會(huì)越來(lái)越干凈。4. 按場(chǎng)景選擇運(yùn)行方式云端API與本地部署4.1 云端API的適用場(chǎng)景聊完用法和案例還有一個(gè)繞不開(kāi)的問(wèn)題模型到底跑在哪。大多數(shù)場(chǎng)景下我建議直接使用云端API。云端模型的優(yōu)勢(shì)很明顯模型能力強(qiáng)、支持多模態(tài)、上下文窗口大、不需要自己維護(hù)硬件按量付費(fèi)隨用隨停。個(gè)人做內(nèi)容、小團(tuán)隊(duì)做辦公自動(dòng)化、創(chuàng)業(yè)團(tuán)隊(duì)做MVP產(chǎn)品這些都是云端API的典型適用場(chǎng)景。但云端API也有兩個(gè)硬傷一是數(shù)據(jù)離開(kāi)內(nèi)網(wǎng)敏感信息存在合規(guī)風(fēng)險(xiǎn)二是高頻長(zhǎng)文本調(diào)用費(fèi)用會(huì)指數(shù)級(jí)上漲。判斷要不要繼續(xù)用云端可以問(wèn)自己四個(gè)問(wèn)題數(shù)據(jù)能不能出內(nèi)網(wǎng)調(diào)用量是不是大且持續(xù)模型能力要求是不是長(zhǎng)期處于頭部水平團(tuán)隊(duì)有沒(méi)有人力做模型維護(hù)如果前三個(gè)答案都是“是”且第四個(gè)答案是“否”那繼續(xù)用云端沒(méi)有毛病。4.2 本地部署的關(guān)鍵配置如果確實(shí)有數(shù)據(jù)不能出內(nèi)網(wǎng)、離線(xiàn)運(yùn)行、長(zhǎng)期高頻調(diào)用等硬性要求那就要考慮本地部署。本地部署并不是讓你非要去訓(xùn)練模型而是把開(kāi)源模型跑在自己的服務(wù)器或工作站上通過(guò)本地服務(wù)對(duì)外提供API。目前像Ollama、llama.cpp、vLLM這些工具已經(jīng)把門(mén)檻壓得很低一條命令就能把模型跑起來(lái)。先給一份顯存估算表方便你判斷自己的硬件夠不夠模型規(guī)模量化后最少顯存建議顯存場(chǎng)景建議7B級(jí)別 Q4量化5-6GB16GB文本分類(lèi)、摘要、寫(xiě)作、基礎(chǔ)問(wèn)答13B/14B級(jí)別 Q4量化9-10GB24GB復(fù)雜推理、結(jié)構(gòu)化抽取、代碼輔助70B級(jí)別 Q4量化40GB左右48GB以上或多卡高質(zhì)量生成、長(zhǎng)文檔分析、Agent場(chǎng)景注意顯存不是唯一指標(biāo)。上下文越長(zhǎng)占用的顯存越多并發(fā)請(qǐng)求越多占用的顯存也越多。如果你的任務(wù)要求8K以上上下文并且同時(shí)跑四五個(gè)并發(fā)那實(shí)際需要把上表的建議顯存再往上留20%-30%余量。以O(shè)llama為例啟動(dòng)一個(gè)7B模型的命令很簡(jiǎn)單ollama run qwen2.5:7b啟動(dòng)之后它會(huì)默認(rèn)監(jiān)聽(tīng)本地端口你可以通過(guò)http://localhost:11434/v1/chat/completions調(diào)用接口是OpenAI兼容的也就是說(shuō)前面寫(xiě)的Python代碼只要把base_url指向本地就能直接復(fù)用。本地部署雖然自由但代價(jià)也被很多人低估。開(kāi)源模型和云端頭部模型之間存在明顯的能力差距尤其在復(fù)雜推理、多輪對(duì)話(huà)、指令遵循方面。另外模型升級(jí)、量化、服務(wù)監(jiān)控、故障排查都得自己來(lái)非常消耗精力。我的建議是沒(méi)有硬性隱私和合規(guī)需求優(yōu)先用云端API本地部署是用來(lái)解決特定問(wèn)題的方案不是“更高級(jí)”的方案。5. 高頻問(wèn)題排查與避坑心得5.1 問(wèn)題速查表用AI應(yīng)用時(shí)間長(zhǎng)了會(huì)發(fā)現(xiàn)很多問(wèn)題其實(shí)是反復(fù)出現(xiàn)的而且原因高度一致。我把最常見(jiàn)的幾類(lèi)列成一張速查表遇到問(wèn)題直接對(duì)照定位。癥狀可能原因解決思路回答前后矛盾、邏輯混亂任務(wù)過(guò)大上下文信息互相干擾重新拆小任務(wù)在一個(gè)會(huì)話(huà)里只回答一個(gè)問(wèn)題。輸出空泛全是正確的廢話(huà)任務(wù)描述過(guò)于寬泛用“角色、任務(wù)、背景、輸出格式”四要素補(bǔ)全約束。生成內(nèi)容有編造數(shù)據(jù)、編造事實(shí)模型幻覺(jué)追加“只基于所給材料”的約束開(kāi)啟引用/知識(shí)庫(kù)增強(qiáng)。輸出格式不符合預(yù)期解析失敗格式約束不夠明確在system消息里給出JSON結(jié)構(gòu)示例或開(kāi)啟JSON輸出模式。多輪對(duì)話(huà)越改越差fix動(dòng)作變成污染模型被負(fù)面反饋帶偏不要繼續(xù)追問(wèn)新開(kāi)一個(gè)會(huì)話(huà)修改原始提示詞?！吧舷挛某L(zhǎng)”報(bào)錯(cuò)內(nèi)容超過(guò)了模型窗口先用摘要把長(zhǎng)文本壓縮成要點(diǎn)再分析別硬塞。這六條覆蓋了我被問(wèn)到最多的八成問(wèn)題。特別是“越改越差”幾乎每個(gè)新手都會(huì)踩第一輪輸出不好就在同一個(gè)對(duì)話(huà)框里繼續(xù)發(fā)“不對(duì)你要更專(zhuān)業(yè)一點(diǎn)”模型越改越僵硬最后完全不能看。正確做法是回到第一輪的輸入重新審查提示詞里到底缺了什么再開(kāi)新會(huì)話(huà)跑效率高得多。5.2 我的幾條避坑心得最后分享幾條實(shí)操習(xí)慣說(shuō)不上高深但確實(shí)幫我省了很多時(shí)間。第一把提示詞當(dāng)代碼管理。每條經(jīng)過(guò)測(cè)試的提示詞都加上標(biāo)題、版本號(hào)、測(cè)試日期和測(cè)試輸出樣例放在一個(gè)文檔或文件夾里。改的時(shí)候先復(fù)制一份不要在原版上直接改避免“新版不好用想退回舊版”時(shí)找不到原版。第二一個(gè)會(huì)話(huà)只干一件事。對(duì)話(huà)式AI會(huì)把整個(gè)聊天歷史作為上下文上一個(gè)任務(wù)的輸出會(huì)悄悄影響下一個(gè)任務(wù)。我完成一個(gè)任務(wù)后馬上開(kāi)新會(huì)話(huà)需要沿用信息就手動(dòng)粘過(guò)去而不是在同一會(huì)話(huà)里連續(xù)處理多件不相干的事。第三所有AI輸出都要過(guò)一道驗(yàn)收清單。不要因?yàn)锳I寫(xiě)得流暢就放松警惕。我的習(xí)慣是數(shù)字必查、引用必查、日期必查、名字必查。AI是很好的初稿生成器但不是事實(shí)核驗(yàn)器終審權(quán)永遠(yuǎn)要留在自己手里。第四敏感信息要分類(lèi)處理。凡涉及身份證號(hào)、手機(jī)號(hào)、合同金額、財(cái)務(wù)報(bào)表這類(lèi)信息我不建議直接扔給第三方API。必須處理時(shí)先做脫敏再進(jìn)入模型如果脫敏影響效果那就老老實(shí)實(shí)走本地部署別拿數(shù)據(jù)安全開(kāi)玩笑。如果讓我總結(jié)這幾年用AI最值錢(qián)的一條習(xí)慣就是每次使用前先問(wèn)自己這個(gè)任務(wù)能不能拆成更小的任務(wù)拆完之后用四要素把提示詞寫(xiě)清楚跑一遍看結(jié)果再針對(duì)失敗點(diǎn)迭代。大家口中常說(shuō)的“AI輸出時(shí)好時(shí)壞”我自己的體感是多半是任務(wù)邊界沒(méi)畫(huà)清楚。你把邊界畫(huà)好了模型的表現(xiàn)會(huì)明顯上一個(gè)臺(tái)階。