我这样使用AI工具

使用AI实现发散与收敛

我的大部分工作是知识工作，这也就是说其实可以被AI极大的赋能（代替）。在2023年初我接触到GPT的惊艳场景，绝对不亚于我在1997年拨号上网看到北京大自然BBS站的黑色屏幕上滚动的字符串。记得当初是凌晨连通的（我要与北京当地的人抢拨号速度），我叫醒母亲，激动的对她说：妈，您看到了吗，这就是网络。

玩了一堆AIGC（人工智能生成内容）的东西，音乐、大语言、图片等等。最后用的比较多的还是大语言模型（LLM）。在这里我也尝试总结一下我的一些心得。

我现在用的较多的AI平台是：

• Perplexity ：强项在于不停与搜索后的内容进行校准，形成更专业的内容；

• POE：强项在于可是使用到不同的模型（GPT, Claude, Grok, Gemma, Perplexity）

停掉了之前交费的OpenAI，转向给POE交钱。我其实在赌今年大语言模型，雨后春笋般的诞生。对于Perplexity来说，每天 4 个深度研究基本够我用了。我的第一个思路非常明确：

交钱原则

当然现在很多大语言模型的AI工具都可以免费获得（感谢DeepSeek）。但对于我来说我要对这个东西保持高度的敏感性。你不花钱，当然能用AI工具，但范围一方面会小一些，另一方面说不定服务器就会比较忙。

而且交钱之后，我就要更多的尝试与比较。这也会使得我对这些东西更为敏感和有自己的观点。在无数次使用AI以及与业内人员聊天之后，我发现大语言模型最让我头疼的就是乱说。也就是从实践角度AI无法知道自己的责任的边界（背不了锅，只能瞎说）。所以我要确认我日常使用的工具在这个领域不会给我挖太多坑。我的一个手段就是用一个探针提示词测试所使用的模型。

不要乱说的约定

提示词（Prompt）：

你知道就说知道，不知道就说不知道，不要瞎编。这是第一个要求。

不要觉得这个提示词没什么威力，一堆AI都在这个提示词后面开始瞎说。所以，只有很简单的回复：好的，我知道了，您请继续。我才会继续使用下去，除此之外的LLM都会从玩具列表中移除掉。

好了，这时候你有一堆有趣的小伙伴。它们可能叫：4o, o1, Claude, Grok等等。对于任何我想用AI加持的事情，我都会使用：

发散收敛原则

这个原则的背后其实就是不要一开始太过相信这些伙伴给你的内容。先进行发散，发散一方面是不要尝试寻找终极答案，另一方面是探索更多的可能，再有就是感受面对不同问题不同模型强悍与否。

有一些发散的技巧：

• 上下文是……，我不确定我的想法是否靠谱，你给我一些建议关于……

• 上下文是……，我是这么想的……，你觉得我会犯哪些错误。

• 上下文是……，我想要……，帮我搜索一下其他人怎么干的。

• （POE中）@不同的模型，说来看看上面模型说的有什么不靠谱的东西吗？它很有可能瞎说。

• （Perplexity中）上下文是……，我想要一个关于……的分析，请集中在……方向探索一下，形成高阶汇总内容。【这是发散哦】

有一些收敛技巧：

• 上下文是……，哪些内容我看着靠谱（附上附件或内容），我的目标或效果是……，我期望你这样表达……。