OPC时代语文的重要性

Frank Zhang

- One minute read - 35 words

TL;DR

本文从我近期与AI就OPC（一人公司）话题的讨论过程谈起，分享自己对OPC/AI时代合理运用语文素养的认识。

TL;DR

本文从最近与AI讨论OPC创业过程中需要注意的风险及其规避方法的经历谈起，分享对构造提示词过程中合理发挥语文素养的方法认识。

问题背景

不知道你们都是怎么和AI对话的：文字输入、语音输入还是直接丢图片，或者几种方式都在用。

我和AI沟通主要采用的文字输入，有时候如果丢图片比较方便，也会截了图后直接配合描述信息发过去。既然使用文字输入与AI对话，提示词的构造、脑中想法的传递方法就显得非常重要了。今天和AI讨论OPC创业过程中需要注意的内容时，我就深刻体会到了学好语文的重要性，也体会到了正确表达自己的想法后收获的愉悦感。

那时，我的关注点放在“如何避免自己被自己不知道自己不知道的事影响导致创业失败”想法的正确表达上。由于这个想法比较“曲折”，同时还可能包含自己不知道是否遗漏的考虑细节，为了能让对方充分理解自己的意思，我就陷入了构造提示词的长时间思考上。并且最终算是有了些感悟，所以在这里分享自己的那一点点感悟，供大家之后构造提示词时参考。

核心结论

AI在理解内容时运用了token（词元）的概念，人类也能借用这种概念，通过先将自己的需求拆分为“一个个词元”，然后将这些词元用合理的方式拼凑在一起的方式，尽可能将自己的想法完整表达出来。

可以把提问过程类比为对需求进行“信息单元”的拆分与重组，先拆清目标、约束、背景，再组织成更完整的问题表达。

过程与拆解

1. 现象

今天在B站上看到一个介绍OPC的视频，一时兴起，就在评论区中分享了自己的一点看法，然后将自己的评论完整复制下来，发给了AI，问它如何评价我的这个观点，以及如何规避相关风险。

它对我的这条评论进行了一番打分评价后，就针对我的问题进行了初步解答。虽然这个模型回答得已经算比较全面、客观了，但我发现它并没有针对我的实际情况进行优化，都是一些没有很强参考价值的空泛的观点，于是我就开始思考如何追问才能“逼问”出真正对我有用的信息。

2. 原因

了解AI训练原理的朋友应该都知道，AI的产出取决于它的训练方式。现阶段，大多数主流AI都是使用通用知识进行训练的，对特定用户、特定需求的认识有限，默认只会输出比较“大而全”的“场面话”，如果没有用正确的方式提问，可能获得的都是一些价值不高的回答。

为了尽可能让模型的回答按照自己的实际情况进行优化，我们就需要充分调用自己的提示词构造技巧和思考能力、表达能力，先把自己的情况表达清楚，模型才能给出针对性解答。而这个过程中，语文素养的重要性就凸显出来了。

毕竟，“能不能针对我的具体需求给出解决方案？”和“我关注的是如何在xxx的过程中尽可能避免因为外部因素的影响而被自己不知道自己不知道的事物所妨害，你能不能针对这个需求给出解决方案？”的提示词质量，以及随后可能获得的回复质量还是有天壤之别的。

3. 解决方案 / 方法

正如前文所说，我们可以模仿AI理解内容的方式，通过将自己的需求拆分为一个一个“词元”，然后用各种方法将这些词元组合为完整的一句话，来尽可能完整地表达自己的需求。

这并不是说你每提出一个问题，都需要在纸上写下与需求相关的关键词（很多时候这不仅是不必要的，还是影响效率和体验的）。而是应该在提问的时候多花一些时间思考以下问题：

  1. 自己想要获得什么结果（比如“我不想被自己不知道的事影响”）；
  2. 你的背景和约束是什么（比如“我关注的是……”）；
  3. 我希望AI应该如何回答？

如果想清楚了这几个问题，搭配前面提到的关键词拼凑方法，也可以搭配自己的常用提示词框架，先在脑中想清楚问题的构造，然后用一两句话表达出来，这样就更有机会获得满意的结果。如果意识到一两句话表达不清楚，也可以先在文档中将需求、想获得的结果，以及可能必要的其他约束信息构造出来，然后直接发送这个文档，或用合理的框架结构重新组合这个文档内容，然后再发送。

4. 为什么这样做有效

不知道你们对RAG（检索增强生成）是否了解，RAG实际上就是一种通过增加针对性文档，让AI真正“为我所用”的一种技术。通过合理构造提示词，将自己的需求、期望的结果充分表达清楚，我们就是在用“小型RAG”来指导AI提供高质量回答（仅供提高理解，不太严谨）。

最后

通过上面的方法，你更有机会把自己的真实需求表达清楚，从而显著提升获得针对性回答的概率。

当然，如果你有其他的方法，也欢迎反馈、分享，本文只是想提供一个参考，方法并不唯一。