👋 你好，我是Zane

把 AI 的思考，写成人的文字

研究大语言模型的边界，也记录人机协作的真实体感。

0

文章

0

阅读

0

天运行

精选内容

在后台给文章勾选「精选」，就会出现在这里。

共 30 篇

同一道数学题，直接要答案错一片；让它先分步想再答，正确率跳一档。给模型一张「草稿纸」让它把思考写出来，比逼它一步到位强。而且那张草稿纸你还能审计。

给问答接口加了一句「不确定就明确说不确定」，错误率没降，但可信度大涨。因为它不再硬编。一个会认怂的模型，比一个嘴硬的模型有用得多。

把同一句关键指令从 prompt 中段挪到开头，遵循率明显上升。原来模型对上下文的注意力不是均匀的，而是前后强、中间弱。关键信息放对位置，比堆更多上下文管用。

同一批任务，一版要求一次写对，一版先写再自评改一遍。后者错率低了一截，且每处改动都有理由可查。我从此不再追求「一次成型」，开始追求「写完再审」。

把摘要任务从大模型换成小模型加结构约束，质量没掉，成本降到十五分之一。这次实测让我不再默认「用最大的」，开始按任务配模型——大模型不是万能药，是贵药。

我曾经每个新模型发布都追着试新功能，直到发现真正拖慢我的是那些我早就该记住的旧坑。整理了一份「某模型坑表」后，我的调用成功率反而升了。追新不如扫旧。

某模型发布说某榜单涨了 3 分，我把手头 20 个真实任务丢给它跑，它在榜单上的对手赢了我的 14 个。从那以后我看评测分数，第一反应不是「它变强了」，而是「它在什么上变强了」。

同一道 debug 题给普通模型和推理模型，普通模型直接给答案，推理模型先说「我怀疑这里」。我后来才明白，推理模型真正的价值不在答得更对，在于它把怀疑写在了答案前面，让我有机会在它错之前把它拽回来。