神译局是36氪旗下编译团队，关注科技、商业、职场、生活等领域，重点介绍国外的新技术、新观点、新风向。

编者按：本文主要讨论了如何通过 “足够好的提示” 来有效地使用 AI，并强调了在实际工作中与 AI 合作的重要性。文章来自编译。

在看过一篇关于医生用GPT-4诊断疾病的新论文时，我发现了AI的一个常见问题。这篇论文证实了许多类似研究的发现：先进大语言模型在诊断方面表现出惊人的能力，即便模型并非专为医学设计。大家可能会认为这种AI能力能够帮助医生提高诊断的准确性。可是，事实是，使用AI的医生表现并不比不使用AI的医生更好——而且两组医生的表现都比不上只用ChatGPT。为什么医生不能从AI的帮助中获益？

其中一个原因是算法排斥效应。我们往往不喜欢接受与自身判断相矛盾的机器建议，这导致医生即便在AI判断准确时也倾向于否决其结论。另一个原因则与使用大语言模型密切相关。对于那些不熟悉使用这些工具的人来说，AI系统会显得难以掌控，从而导致他们无法充分利用AI的建议。

正如《纽约时报》一篇关于该论文的报道所言：“他们把[AI]当成了一个用于直接提问的搜索引擎：‘肝硬化是否是癌症的危险因素？眼痛有哪些可能的诊断？’ 只有少数医生意识到，他们可以将整个病史直接复制粘贴给聊天机器人，并要求它对问题给出全面的回答。” 这种问题不是只有医生才有。在我教授的每个课堂或演讲的每个组织里，大多数人都试过用AI，但经常不知道该怎么用。由于这种困境，他们并没有投入足够的时间（10个小时）来真正理解AI的作用。

阻碍的因素有很多：人们将AI看作是Google，向它询问事实性问题。可AI并不是Google，没法提供一致甚至可靠的答案。有些人则要求AI替他们写东西，但又抱怨生成的内容过于平庸。还有一些人根本不知道该如何开始，面对闪烁的光标感到束手无策。归根结底，他们无法有效地向AI发出提示。

对于这些问题，一个常见的答案是，人人都应该学习一下“提示工程”——一种让AI按预期工作的复杂科学（或更像是一门艺术）。不过，对于大多数人来说，用这种方式开始并不理想。首先，复杂的提示结构可能令人感到畏惧和束缚。尤其是因为你不需要成为AI专家，甚至不需要了解编程或计算机，就可以成为一名AI使用专家。如果建议从复杂技能入手，可能会让人望而却步。其次，“提示工程”这个概念暗示存在一种明确的科学方法，能让AI按你的预期运转。可实际上，研究人员对什么是好的提示的最基本原则仍在争论。这是因为AI存在不一致性和奇特性，在不同模型之间常常会产生不同结果。比方说，它们对间距或格式的细微变化非常敏感；当你让它“重新审视问题”时，它们会表现得更准确；它们似乎对礼貌语气反应更好（但不要过于礼貌）；甚至到了12月，它们可能还会表现得比较懒散，也许是因为它们“学会了”寒假的概念。此外，由于更大的模型对提示技术的变化不再像早期AI那样敏感，再加上新技术可以优化提示，对AI的正规培训需求可能会越来越少。

因此，虽然你可以学习提示工程的细节，了解大语言模型的基础工作原理，但对于大多数人来说，这并非必要起点。你只需花时间使用AI，了解它在你专业领域的实际用途。最重要的是，要花上10小时左右与高级AI系统互动。而做到这一点的关键是成为一个“足够好的提示者”，去克服阻碍许多AI用户的那些障碍。起步方式主要有两种：“足够好的任务提示”以及“足够好的思考提示”。

足够好的任务提示

使用AI来完成任务是最实用的方式之一。在我的书中，我提到要让AI参与到工作当中，尝试用它处理所有工作任务，去看看它的表现如何。我仍然认为这是一开始的正确做法。通常的建议是将AI当作实习生使用。可是，现在回想起来，我认为这种比喻往往会导致大家用非常有限的方式去使用AI。说实话，任何最近的前沿模型（如Claude 3.5、ChatGPT-4o、Grok 2、Llama 3.1或Gemini Pro 1.5）可能比你能雇到的任何实习生都要出色，但同时也会更怪异。

别这样，我建议换个新的比方：把AI看作一位耐心无限的新同事，只不过这位新同事记性不咋地，每次开启新的对话都会忘记你之前告诉它的所有事情，一位别人极力推荐但实际能力尚不清楚的同事。我的意思是，要真的像对待这样一位同事那样与AI互动。这个比方当中有两点跟与人类合作（新手和同事）类似，而另两点则非常异类（忘记一切以及无限耐心）。我们应该从AI最接近人类的地方开始，因为这是“足够好的提示”的关键。

鉴于AI是你的同事，你需要跟它合作，而不是光顾着给它下命令；同时，你也需要了解它的长处和短处。首先，从你熟悉的领域开始，这样你可以快速摸索出它的能力边界。由于你对该领域非常熟悉，可以快速判断AI的回答是对还是错。你需要做好心理准备，因为AI可能会提供一些看似合理但实际上却是错误的答案。但不要因为这些“幻觉”而害怕尝试。尽管“幻觉”可能不可避免，但随着时间的推移，你会了解它们在哪些情况下作用巨大，哪些情况下无关紧要。通过允许AI“犯错”可以有效降低幻觉的发生率。比方说，可以告诉AI：“如果你不确定或者缺少必要信息，请回答‘我没有足够的信息来回答这个问题’”，这种方式效果明显。

鉴于AI是新手，你需要非常明确地说明你的需求。比方说，不要只要求它写一份关于远程学习利弊的报告，而是具体到：“写一份针对美国中西部某地方大学开展远程学习的利弊报告，目标是说服商学院院长资助一个新的远程学习项目。” 其他帮助AI明确任务的方法包括：提供好坏回答的示例（所谓的少样本提示），以及逐步说明你希望完成的目标。你也可以像对待其他人一样，给AI提供反馈，要求它进行改进，或者干脆让它向你提问，了解不清楚的地方。与AI的合作是一场对话，而不是单向指令。

接下来我们来谈谈AI不太像人的地方，比方说它的健忘——每次新对话都会抹掉AI对你具体情况的理解。因此，你需要提供背景信息。背景信息可以是一种角色或身份（比方说扮演一名市场营销人员），但需要谨慎使用这些角色。因为虽然角色能帮助AI理解你的背景，但这并不是万能的（并不会真的将AI变成一名市场营销人员），有时候赋予AI角色甚至会降低准确性。可以尝试运用角色，但如果角色没用，也可以不用。你还可以直接提供所有相关信息，比如整篇文档、操作手册，甚至是之前的对话内容，这些通常都很有帮助。但请注意AI的记忆能力，就是上下文窗口有限。

最后，我们来谈谈AI的耐心无限，这是它最不像人的特性之一。实际上，关于AI最难理解的一点是，它永远不会对你发火。你可以不断提出要求，不断进行修改，它都会继续回应你。这种特性为知识生活带来了一种新的可能性——富足。你不必害怕提过分要求，比如可以让它同时提供三封不同语气的邮件来激发灵感。你不需要只要求一句话的写法，可以要它写出15种不同的表达方式来打破你的写作瓶颈。不必只提出5个想法，而是让它给30个点子。事实上，我们的研究发现，GPT-4可以生成成千上万个想法，而且不会在短时间内重复。你的任务是推动多样化（“给我提出比原先怪80%的想法”）、重组（“结合第12个和第16个想法”）、扩展（“提供更多类似第12个的想法”），然后选择一个你喜欢的。

足够好的思考提示

除了可以从AI那里获取工作成果之外，你还可能希望获得建议、找到一位思考伙伴或者就是找个人聊聊天。人们之所以这样做的原因各不相同。即便AI的建议未必总会有所帮助，你也可以把它当作一个“橡皮鸭”——这是一种在计算机编程中常见的想法，也就是当你对着桌上的一只橡皮鸭解释一个问题时，通过自言自语，你就会理清问题所在。举个例子，我曾跟一位量子物理学家交流过，他说AI对他的物理研究颇有帮助。当我问他AI是不是一位好的物理学家时，他回答说不是，但AI的好奇心旺盛，会促使他更深入地思考自己的想法。这就是“橡皮鸭”作用的体现。不过，AI也确实可以提供一些有用的指导。比方说，如果你有执行能力，AI可以提供不错的战略或创业建议。除此之外，根据控制实验，与AI的对话似乎可以减轻孤独感，但我们尚不清楚将AI用于治疗或陪伴的各种影响和风险，因此建议谨慎使用。

如果希望把AI看作思考伙伴，关键是对话要自然。只需跟它交谈即可。大多数人发现，通过手机进行语音对话是最轻松的方式。目前最好的语音模型是GPT-4o，可通过ChatGPT或Copilotapp访问。Google Gemini的语音模型稍显逊色，但也可以用。其他模型的语音模式也即将推出。

不要复杂化

理解AI最有效的方法就是去用。人们可能因为早期的幻觉（认为AI不够好）或存在主义的不适感（认为AI太好）而过快放弃使用AI，但随着时间的推移，很多最初的反应会变得缓和。你的目标很简单：花10小时用AI干真正相关的任务。之后，你自然就会明白AI是如何融入你的工作和生活的。你会逐渐培养出对有效提示的直觉，并能更好地理解AI的潜力。不要追求完美——从某个地方开始，边用边学即可。

译者：boxi。