一个太顺的句子
有人把一段会议记录粘进对话框,让它写封回复邮件。几秒之后,屏幕上出现一段措辞得体、语气妥帖的文字,连标点都像是斟酌过的。这种顺滑很容易让人产生一种错觉:它懂了。
但它给我的感觉更像一个读了很多遍语法书的人,在没有词典的情况下凭语感接话。生成式人工智能的基本动作是预测下一个词——给定前文,算出一串概率,再从中挑一个。顺滑是训练目标的副产品,不是理解的证据。
它擅长的是“变形”,不是“知道”
把一件事换一种说法、把长文压短、把口语改成书面、把一种语言的语气搬到另一种语言里,这类任务有个共同点:内容已经由你给出,它只需要在形式上做位移。这些活儿它接得住。
麻烦出在需要它自己提供内容的时候。它不太会说“我不知道”,因为输出机制里没有这个默认选项;它更可能给出一段结构完整、前后自洽、但某个关键处悄悄错了的文字。错的地方往往不在显眼位置,而是中间某个人名、某个日期、某条因果。
所以判断一段输出能不能用,我习惯先问一句:这里面的事实,我能不能在不依赖它的前提下核实?能,就用;不能,就把它当成一份需要自己填写的提纲。
接进流程之前,先想清楚放在哪一格
- 放在“从零到一”的位置,风险偏大。空白页交给它,它给的是一个平均化的答案,你还得花力气分辨哪些是真、哪些是凑。
- 放在“有素材、待整理”的位置,比较顺手。你有判断、有立场,它负责把粗糙的东西摊平,把重复的表述合并。
- 放在最后一道关口,要格外小心。校对、数字核对这类活儿,它对错误的敏感程度,远不如对一个漂亮句子的偏好。
还有一个常被忽略的成本:读它写的东西,比读人写的更费神。人写的文字有犹豫、有省略、有前后不一致,这些痕迹反而帮你判断哪里该追问;一段过度齐整的文字会让人放松警惕,读的时候脑子是滑过去的。
真正要练的手艺
提示词的技巧很快会过时,模型版本一换,昨天管用的说法今天就多余了。留下的是一种更朴素的能力:把一件事拆成“哪些部分必须由我确定”“哪些部分可以交出去”。
我见过有人把需求写成三行字,然后抱怨结果不对;也见过有人先花十分钟把自己的判断写清楚,再让它来改。区别不在工具,在于前者希望生成式人工智能替他思考,后者只让它替自己打字。
如果非要留一个习惯,我会留这个:每次拿到一段顺得不得了的文字,停两秒,找出其中唯一一处“如果这里错了,我会很麻烦”的地方,然后去核实它。多数时候你会发现那处是对的,但那两秒的停顿,决定了你是在使用它,还是在被它的语气带着走。