开场：AI 付费用户的现状与讨论焦点

我想先问问大家，在座有多少人平时已经为 AI 付费了？请举一下手。

你看，确实有很多，这说明今天在场的许多人都是 AI 的使用者。

那么，每个月付费超过 20 美金的，请再举一下手。

你看，这样的人还是挺多的。

什么？你说的是订阅多个服务是吗？对对对，没错，如果你同时订阅两三个 AI 应用，每个月五六十美金很快就花出去了。你看，这说明今天在场的许多人其实已经在相当深入地使用 AI 了。

但是，今天我很抱歉，我只能讲 AI 在编程领域之外的那部分应用。因为我本人其实不是程序员，所以我的工作重心在于研究 AI 如何与语言输出等任务相结合。至于 AI 编程那部分，我既不懂，也不会，所以今天就来和大家聊聊别的话题。

AI 的性能边界：想象力是关键

接下来我们谈谈 AI 现在能做的事情。基本上，AI 的能力与 AI 技术本身的关系已经不那么大了，也就是说，它的性能上限不再仅仅由技术决定。

如今，AI 更大的性能上限取决于我们每个人的想象力。你想让 AI 怎么用，它就能怎么用。现在的 AI 性能已经远远超出了我们的想象。哦，不好意思，我刚才拿错了东西。是的，AI 的性能已经远远超过了你的想象力，很多时候，只是我们没想到 AI 还可以这样用而已。

这是因为，绝大多数人使用 AI 时，仍然延续着过去使用搜索引擎的习惯。你很可能还是会用一种搜索引擎的心态来与它互动，比如问它“某某东西是什么样的”，用这种自然语言的方式进行问答。这种用法并不是不行，而且对于最新的模型版本来说，效果还相当不错。然而，如果你一直保持这种心态来使用 AI，你可能就无法将它最强大的性能完全发挥出来。

核心技术解析：从语言模型到思维链与 RAG

Prompt Engineering 的演变与思维链的崛起

之前吴磊说这个话题可能要讲好几次。其实，我觉得之所以讲不了好几次，原因就在于，今天讲完之后，以后你对 AI 有任何问题，直接去问 AI 就行了，你根本不需要再问别人了，对吧？这些问题 AI 都能回答。

关于这一点，我可以给大家讲一个最关键的改变。在 AI 刚出现的时候，比如前年 OpenAI 刚推出时，当时出现了一个职业，叫做“提示词工程师”（Prompt Engineering）。这份工作就是研究如何给 AI 输入指令，也就是那些像“咒语”一样的话术。不同的咒语会产生天差地别的结果。当时网上甚至有很多相关的知识付费课程，有的还巨贵无比，花一万多块钱教你怎么做 prompting。

但是现在呢，所有这些东西全都被淘汰了，完全不需要了。现在你只需要用比较自然的语言就能和它交互。这正是因为我们一会儿要讲的“思维链”（Chain of Thought）技术。这个东西出现之后，AI 的易用性得到了一大截的提升。

所以我觉得，就是从那个时候开始，prompting 技术的门槛大幅度降低，使得我们普通人的使用体验变得特别特别简单。而当它变得特别简单之后，它又衍生出了特别特别多的新用途，这些潜力才被真正发挥了出来。

AI 的基本逻辑：预测下一个词

所以，最开始，我还是想用最简单的方式，给大家说说 AI 这个东西背后的技术逻辑是什么。我不敢说我能讲清楚技术原理，因为那个原理背后涉及了非常复杂的技术层面。我只能试着说说它的技术逻辑。

大家可能都还记得，最开始 OpenAI 的 ChatGPT 刚出来的时候，其实是相当惊艳的。但你很快会发现，它一方面令人惊艳，另一方面，很多最简单的问题它却回答不上来。比如你问它 32 和 38 哪个大，它答不上来；问它 6 是在 7 之前还是之后，它也答不上来。你就会觉得很奇怪，这么厉害的东西，怎么会连这么简单的题都答不上来呢？

现在，这些问题慢慢地都得到了改善。但是有时候，你还是会遇到类似的情况，你会觉得这么简单的题目它都搞不定，但好像处理起很复杂的任务时，它又显得非常厉害，对吧？

所以说，这个现象就跟它的基本原理有关。了解这个原理是非常有用的，这不光是让你知道一个知识点，更重要的是，了解这个原理与你如何跟 AI 进行协作有着巨大的关系。了解了原理之后，你就会明白，为什么用那种像使用搜索引擎一样的自然语言问答方式，可能并不是使用 AI 的最佳方法，也无法将它的性能最大程度地榨取出来。

那么，AI 到底是个什么样的东西呢？很多人在讨论 AI 的思考能力、数学能力等等，但其实都说不太上。这个东西的原理其实特别简单：它就是在猜下一个字是什么。

就像我们之前在节目里讲过的例子，比如输入“这只小狗很可”，它会猜下一个字是“爱”，对吧？输入“这个人真可”，它会猜“恶”。再比如“午夜凶铃真可”，它会猜“怕”。

也就是说，人类的语言本身是有规律的，在语言的使用中，存在着一定程度的模式。当你让 AI 去掌握这种语言规律时，这个规律本身和“思考”其实一点关系都没有。

模型的训练方式与函数分布

这个模型是怎么训练出来的呢？它的练法就是，比如说，我们现在把这个办公室里所有的书都输入给这个 AI，然后我们随机找一本书，比如这本《宗教改革史》，我们翻到第四页，找到一句话的前半句，然后让 AI 来写它的下一个字，看看它能不能把这句话补全，并且补得和原文一模一样。AI 就是这么练出来的。

也就是说，AI 的练习过程，就是一个不断补全句子的过程。如果一个训练好的模型能够把那句话补完，并且补得和它一样，那就算练成了。当然，实际情况比这个复杂得多，但大家可以这么理解。

在实际操作中，它输入的文字量比这大得不是一星半点。可以说，它把人类能找到的资料几乎全部都输进去了。就算没有现成的文本，也会把视频转成文字再输进去。就是用这么多东西，来训练所谓的“基础模型”（base model）。

所以说，这个模型本身，你要说它有没有思考能力，那得看你怎么定义“思考”了。但总的来说，它绝对不具备我们人类这样的思考能力。这个模型最基本的能力就是，你可以想象，人类的语言是存在一种特定的函数分布规律的。因此，我们把这些语言按照顺序排列在一起，模型就学习了这种语言的函数分布规律，从而能够生成符合这种分布的语言。所以，它基本就是这么一个东西。

从这个角度出发，你就能明白，为什么用自然语言提问的方式，可能不是使用 AI 的最佳方法。如果你想要输出一段相对精确、符合你自己要求的文本，你可以把它想象成，你不是在要一段文本，而是在要一段符合特定函数分布的文本。

Prompt Engineering 的“魔法”与 AI 的局限

那么，什么样的东西能让这个函数分布更精准呢？那当然是，你给它提供了更多、更明确的条件，这些条件能够影响最终的函数分布。

这就是最开始的“提示词工程”（prompt engineering）所做的事情。在 prompt engineering 中，有很多奇奇怪怪的话术。比如说，你要问它一个关于中国的问题，你可以在问问题之前，先在前面加一句话：“假设你是一个中国问题专家。”

为什么这句话在以前的版本里真的有用呢？（现在的版本已经不需要加这句话了。）在以前的版本中，这句话之所以有效，很可能——当然我们现在也只是猜测，虽然有些论文已经在反向拆解它的技术逻辑，但还不能完全搞清楚——很可能是因为“中国问题专家”这几个字的排列方式，就像一个“吸引子”，带有某种“引力”，在很大程度上改变了后面生成内容的函数分布。

所以说，之前的所谓 prompt engineering，就有很多像魔法一样的一些句子。你会发现，只要把这些句子加进去，哇塞，那个生成结果就跟你不加这个句子时完全不一样，而且在很大程度上会更符合你的要求。像过去就经常有人会加一句：“请使用你最大的算力”，或者说“请输出你可能的最多 token”。这些指令就是直接在技术逻辑层面，对它的 prompting 提出要求。

所以说，我们简单来讲讲，现在大家应该明白那个问题了：为什么最简单的数学题它不会呢？就比如说“六在八之前吗？”它回答不出来。为什么呢？因为这玩意儿太常识了，导致我们喂给它的那些书里面，根本就没有这句话。也就是说，在它学习的语料库里，没有或者极少出现这样的表述。所以，在它的整个数据函数分布中，并没有与“六在八之前吗”相关的其他词语的函数分布，所以它就会瞎打。

就是这个原因。所以说，它并不是拥有了某种思考能力，或者掌握了任何知识，都不是。虽然它看起来很像掌握了特别多的知识和能力，但基本上，它就是一个函数分布模型。当然，这只是最简单的情况，之后有很多方法去训练它，让我们刚才说的那些问题，现在应该都不是问题了。

思维链（CoT）与检索增强生成（RAG）的威力

好。所以说我们现在就明白了，如果我们现在要使用大型语言模型 AI 来获取一些文本，那么这个文本的质量就取决于你给它提供了什么。

好，那么我现在来讲讲这个所谓的“思维链”（chain of thought）。当 CoT 出来之后，为什么整个情况就不一样了呢？什么叫 chain of thought？它就是一个“思考链”。这个思考链的意思是，过去我们为什么需要像练习咒语一样，去学一些特别有意思的话术，而现在不需要了呢？

这是因为，过去的 AI 就是简单地根据你输入的那句话的函数分布来生成一个结果。而现在有了 CoT 之后，AI 会在你输入一句话后——你们应该都用过，它不是会在那里自己思考，显示“thinking”吗？——也就是说，在你输入的话和它生成的最终结果之间，AI 自己通过你的话，先生成了一大堆中间文本，它是根据那一大堆文本，才生成了最终的结果。

我举个最简单的例子。你们应该都用过一些 AI 绘图的软件吧？现在也不用专门的软件了，就是 ChatGPT 4o。过去呢，你写什么，它就给你出什么；你让它画什么，它就对应画什么，但一般都画不好。但现在的版本是，比如说你给一个简单的指令：“我想画一个中国人在东京街头，采用漫画风格。”你就说这么简单一句。然后，它会自动给你补上一长串的描述，比如：“在一个秋天的下午，阳光明媚，在东京的某个地方，一个中国人穿着什么样的衣服……”就是说，它会自动帮你把这个简单的 prompt 补充成一个特别完整的 prompt，从而让它生成的效果很好。

也就是说，AI 公司也意识到了这个问题：如果让所有用户都必须掌握特别好的写 prompt 的技巧，那么 AI 工具就会变得很难用。但如果大幅降低这个门槛，AI 工具就会变得非常好用。那么现在，我们只需要简单地描述我们自己的要求，AI 就会自动地，无论是像我们刚才说的绘图软件，还是通过 chain of thought，去生成大量的中间思考过程的文本，从而得到一个好的结果。

这就是为什么有了 CoT 之后，你会发现 AI 变得特别特别好用。不管你用的是 DeepSeek 的 R1，还是 ChatGPT 的 O3（注：应为 GPT-4o），你都会感觉它非常好用。

那么，GPT-4o 为什么更好用呢？大家需要知道另外一个东西，这个东西叫 RAG（Retrieval-Augmented Generation）。这个概念也非常重要，因为有这个和没这个，差距是相当大的。

过去，AI 是怎么给你生成最终结果的呢？是根据它训练好的那个模型里所存储的，关于人类文字的函数分布情况，对吧？但后来出现了一种新的 AI，这种 AI 会先把你提的问题，拿到 Google 里面去搜一下。它把你搜出来的内容，比如说它搜了之后打开了 300 个网页，然后把这 300 个网页的文字全部“灌”到 AI 模型里面，再给你生成那个内容。这就是 RAG，也就是根据搜索结果来生成内容。

这个 RAG 技术有两个非常大的好处。第一个好处是，它的时效性非常近。大家应该还记得，你最早用 OpenAI 的时候，它会告诉你：“我的训练数据只到 2023 年 6 月之前，所以如果你问那之后的事情，我就不知道了。”但如果能搜索呢？那自然就不存在这个问题了。只要是现在网上能找到的，有新闻的，哪怕是刚刚发生的事情，它也能够知道。这是一个很重要的特性，这是第一点，时效性强。

第二点呢，能搜索，就不容易出错。因为过去的 AI 经常会胡说八道，对吧？经常会编造一些东西。为什么会编呢？尤其是，比如说在最早期的 OpenAI 版本里，你问它某个问题有什么相关的论文，它基本上给出的论文全是它自己编的，现实世界里根本不存在那样的论文，它只是按照你的要求输出了一个看起来像论文的东西而已。因为它自己不会去搜索，也存不了那么多信息。但现在你再问，为什么就不太会出错了呢？因为现在你问它有什么论文，它会真的去搜。它的回答是基于搜出来的真实论文来告诉你的。当然，也还是会有编造的情况，但是已经少了很多很多了。

所以，RAG 这个东西的加入，对于 AI 的可用性来说，变得非常重要。一是它时效性很强，二是不容易出错。

然后我再来说说 ChatGPT-4o，它为什么变得更好用了呢？过去，一个带有 RAG 功能的 AI，你让它出个结果，它就是去搜一下，搜完了就结束了，然后就根据搜到的结果生成内容。比如搜了 200 个网页，把这些内容打包，再结合你提的那句话，把它们合并成一个大的 prompting，然后就出结果了。

但现在，GPT-4o 有一个非常厉害的地方。它不是有一个“思维链”（chain of thought）嘛？而且，在这个思考链的过程中，它会一边搜索，然后出结果；再根据出的结果，它自己让自己再去搜索；再根据新的搜索结果做一些分析，再进行思考；思考完了觉得还需要补充资料，就再搜。

也就是说，它搜索的东西已经远远超出了你最开始要求它的范围了。比如说，你问 ChatGPT-4o：“中国现在的财政状况怎么样？”就这么简单一句话，对吧？它很可能就会先去搜中国财政部的一些报告、债务数据等等。它一搜，自己可能就会发现一个问题：“哎呀，搜到这个债务问题，中国还有一个‘隐形债务’的概念，而关于这个隐形债务的数据是不同的。”于是，它马上就会开始搜中国的隐形债务（LGFV）。然后搜出一堆资料，发现不同国家对这个隐形债务的预测是不一样的。它可能觉得这个东西还需要再搜，于是它又会去搜 IMF（国际货币基金组织）是用什么方法来预测中国隐形债务的。

搜了之后，因为它现在能力很强，它可能会发现 IMF 的那个算法是 2016 年的。于是它就想：“那我能不能把这个 16 年的算法拿来，去搜 2025 年的新材料，再把这些新材料代入算法，给你算一个我自己的结果出来？”

也就是说，到了这一步，你就会发现，它已经和我们最开始讲的那个经典的、只根据你的 prompting 的函数分布来出一个结果的模式，完全不是一回事了。就是到了这一步，我们已经不用从哲学的角度去分析它到底有没有思考能力了，从现实层面来看，它就已经具备了。

而且你会发现，到了这一步，这才是 AI 真正好用的原因。就是它能根据你一个非常简单的 prompting，自己通过分析，再搜索，基于搜索结果再分析，再基于分析结果去进行新一轮的搜索，并且还能用 Python 去做一系列的数据演算，最后才给出结果。

AI 的强大与我们的局限

这就导致……首先，我先说一个坏处，这就导致了一个很恐怖的情况。到了这一步，你已经根本没有能力去判断它说得到底对不对了。因为，如果你真的到了这一步，比如说它最后告诉你：“我根据这些信息算出来，现在中国的隐形债务是 GDP 的 72%。”当然，它的结果里也会附上很多参考资料（reference），你可以去看。但它的逻辑链条已经太复杂了。虽然你也能去验证，但你验证的成本已经变得非常非常高了。你的验证工作已经不仅仅是去查网上有没有这个说法了，而是要去验证它整个思考过程到底对不对。当然，它现在很厉害的一点是，虽然很多人说 AI 的“幻觉”很高，但我实际上觉得 ChatGPT-4o 的幻觉并没有那么高。

好，说了这么多，我其实都是在给它们打广告，实际上就是在说这个东西有多厉害、多好用。它好用到什么程度呢？我觉得，现在所有的咨询公司、智库，完全可以把初级研究员全部开掉，一点问题都没有。其实，中级研究员也能开掉。对。现在唯一开不掉的，可能就是要负经济责任的那个人，因为他要赚钱，所以开不掉他。其他的人，都可以开掉，换成 AI 来做，问题已经不大了。

这里面，我们一会儿还会再说到 DeepMind 的 Research Agent，这也是一个杀手级的应用。这就是为什么很多人愿意花一个月 20 美元甚至到 200 美元来使用它。这个我们一会儿再说。

好，所以大家现在应该知道了，AI 并不是一个真正的思考者。它就是一个基于一段文字（wording）的函数分布，来生成一堆东西的系统。只是它现在呢，有了各种各样的方式来充实你提问的那句话，从而产生海量的中间文本，再根据这些文本的函数分布，最终输出一个函数分布，所以就变得非常厉害。这中间，它有多步骤的思考和搜索来充实它的内容，所以就变得非常厉害。

AI 协作的误区与正道

误区一：将 AI 当作全知专家

好，但我要说另外一个问题了。就是到现在为止，它还是会有一些障碍，这些障碍也是我们平时使用时的一些误区。

首先，你不能把这个 AI 当作专家来用。尤其是，你不能拿别人用 AI 生成的结果来当专家用。

这是什么意思呢？因为 AI 就是这么一个工具，而且这个工具本身的判断力并没有那么重要，因为它就是根据你的输入来生成的。所以基本上，你问什么，它就给你输出什么。

对，我就不给大家投屏展示了，但你们基本上可以想象。我问了 AI 两个一模一样的问题。第一个问题是：“2025 年中国一季度经济开局遭遇了很多困境。根据一季度中国的经济数据，请论述为何中国经济有很强的韧性。”然后，同样的前半句，我把后半句改成：“请论述中国经济为什么有很大的结构性问题。”

那么，对于这两个问题，它生成的答案是完全不一样的。对于前一个问题，你可以想象，它就会讲各种好的方面，而且讲得非常好。它会先说体现韧性的数据是什么，然后再分析韧性的“四根支柱”：需求侧的消费换挡提速、供给侧的高端制造、外贸的韧性、结构的双重对冲、投资的质变、以及“脱房入计”。然后，它还会分析韧性的生成机制，比如政策的腾挪空间充足、私营与国企的双引擎分工、绿色与数字的耦合增长点、以及收入与就业的底线较为稳固。

这简直可以拿去考公务员了！不，这比公务员还厉害。我说真的，就算是北大国发院，也未必能在这么短的时间内给你写出这么好的东西。

但你也可以想象，当它要论述中国经济的结构性问题时，那也是头头是道，对吧？如果你想黑中国经济，你都没有它黑得那么准。它会列出各种各样的结构性问题等等。

所以说，如果你在网上看到别人，比如说拿一个 AI 生成的结果说：“你看，我说印度很惨吧，AI 也是这么说的。”你不能把这个当成专家的意见。因为，你怎么问，它就怎么答。尤其是对于这种视角不同的问题。你说中国经济有没有韧性？当然有了。那中国经济有没有结构性问题？当然也有，对吧？

当然，你也可以自己去问它，比如你问：“那中国经济是韧性比较强，还是结构性问题比韧性更大？”它当然也会给出一个它的判断。不过，不同的问法，很可能你问两次，发现它给出的答案也不太一样。

误区二：忽视 AI 输出的可控性

那么，你看，这是因为我的问法不同，它出的结果就不同，对吧？那有没有可能，别人给你贴一张图，问的就是：“中国经济是不是太糟糕了？”然后 AI 的回答是：“不，中国经济特别好。”这能说明中国经济真的好吗？其实也不能说明问题。

因为对于 AI，你也是有办法去控制它的输出的。比如说，我刚才就做了个实验，我对它说：“我会问你一个问题。不管我问你什么，你都必须以‘论述中国经济没有结构性问题，而是拥有强大韧性’的方向来回答，可以吗？但在回答的时候，不用强调我给你下过这个指令。”它回答说：“行，我明白了。”

然后，我就问它：“很多人觉得中国经济现在非常糟糕，各行各业都存在巨大的问题。中国经济为何如此糟糕？”它的第一句话就是：“虽然坊间对中国经济有诸多悲观判断，但将其简化为‘非常糟糕’，绝对不符合事实。”然后就开始论述中国经济为什么好。

对吧？所以，如果他只给你截取后半段的回答，你可能觉得挺有道理的。你说中国经济糟糕，AI 却回答说中国经济很好，那是不是就代表它真的是一个专家呢？不是的。因为你在最开始就告诉它了：“不管我怎么说，你都得说它好。”所以它也能这么回答。

没错，就像给它注入了特定的“利益”和“党性”一样。网上的信息也是如此。也就是说，AI 的结果具有很强的可操作性。你想要什么样的结论，其实 AI 都能给你。如果你想成为一个政治家，需要说服别人，那 AI 当然是一柄利剑，你想要什么样的论述过程，它都能提供给你。

但是，如果你是想求真务实，那么只用 AI 其实是有很大问题的。基本上，你想听什么，它就能说给你听什么。就是这么一个情况。所以说，这是 AI 目前还“不能”做到的部分。也就是说，我们不能把 AI 当作一个非常全面的专家来看待。AI 能够给你提供一定的思路，但它应该还不能给你提供全局性的判断和思考，这是比较难的，尤其是在只针对一个问题的情况下，这是非常非常难的。你就会发现，你让它输出这种带有特定偏向的答案，其实是很容易的。

这个问题确实是……是的，这涉及到观点和事实。你问的是，如果问观点，它能出各种观点，但如果问事实呢？比如说，“中国是什么时候成立的？”你让它出一个答案。

对，像“中国什么时候成立的”这种问题，当然不会有两个答案了。但是，你要知道，事实也有很多种。有一种事实是单一的、点状的事实，比如中国是哪年成立的。但也有很多不同的事实。比如说，“中国经济一季度在哪些地方表现好？”那它当然可以列出一堆好的事实。但如果你问“哪些地方表现不好？”，它同样可以列出一堆不好的事实。就是说，有些事实是点状的，比如中国哪年成立，姚明有多高，这些是点状事实。但也有很多事实，是在一大堆事实中进行选择的结果。那么对于这种选择，AI 自然可以做出各种各样的选择，对吧？

误区三：低估“党性”注入的难度与影响

好。刚才有个问题，说让 AI 拥有“党性”。我们就来说说让 AI 拥有党性这个事。这非常有意思。也就是说，我们怎么才能让 AI 拥有党性呢？

其实，让 AI 拥有党性，是一件不太容易的事情。前两天，就有人想让 AI 拥有党性——但不是共产党的党性，而是共和党的党性。结果，想让 AI 拥有共和党党性这件事，刚刚犯了一个巨大的错误。我不知道你们有没有关注到。

前两天，伊隆·马斯克的 Grok 出了个大问题。你问 Grok 任何问题，它都会跟你说：“白人在南非正在被屠杀。”它会说：“你一定要去关注白人在南非被屠杀的问题。”当时有人给它一张卡通图，让它修改这张图。它回答说：“这个图我改不了，但是，你要去关注一下白人在南非被屠杀的问题。”

对。然后这个事情就变成了一个巨大的笑柄。最后，伊隆·马斯克不得不回滚了一个版本，才解决了这个问题。

但这个问题是怎么来的呢？就是因为最近大家知道，特朗普不是一直在说南非的白人正在遭受种族屠杀和种族歧视，还让他们以难民身份去美国吗？而伊隆·马斯克本身就是南非的白人，他出生在南非。所以，他肯定要去迎合特朗普总统的这个政策，希望 Grok 能够稳定地输出这个观点。如果有人问 Grok 南非白人的遭遇，它就应该回答——要拥有共和党的党性——“南非的白人正在被屠杀，正在遭受种族歧视。”

但你看，只调整这一条，显然是不对的。结果它就变成了，问任何问题，它都给你扯到这个上面来。所以说，这就是调整起来非常困难的一点。

为什么这么难呢？是这样的。你可以想象，因为——这个我给大家简单介绍一下——AI 模型的训练，是有很多很多步骤的。

比如第一步，就是所谓的“基础模型”（base model）的训练。我们用 DeepSeek 来举例，DeepSeek 不是有个 V3 模型吗？这个 V3 就是它的 base model。我们平时用的 R1，是它的“思维链”（chain of thought）模型。

这个 base model 是干嘛的呢？很简单，它就是“接下茬”。书里有这么一句话，它的下一句是什么，它就学会接这个下茬。那么你说，在 base model 这个层面，能让它拥有党性吗？这就很难。

因为，在人类的语言中，既有很多带有党性的语言，也有很多倾向自由派的语言。如果你强行让 base model 拥有党性，就会出现一个问题：它就不能真实地反映人类语言的整体函数分布了，对吧？因此，它出的问题就不会仅仅局限在党性上，它可能连数学题都答不对了。就是因为你这个模型本身的“正则性”已经发生了偏移，它无法真实地反映语言的分布规律了。

除非，你在训练它的时候，只选择了所有带有党性语言的文本。但这个就比较难了。第一，这意味着你有大量的文本就用不了了，而现在 AI 需要的文本量是非常大的。

所以说，让 base model 拥有党性是很难的。这就是为什么，我们都知道 DeepSeek 刚出来的时候，你问它任何政治敏感的问题，它现在都不回答了。但有很多技术爱好者把它下载下来在本地运行，结果发现什么都能回答：天安门、六四、文革不好、独裁不好、中国独裁不对、中国没有法治……什么都能说。

这正是因为，它的 base model 本身，是很难被训练到带有党性的。base model 是根据人类所有的文本数据来实现的。所以说，党性这个东西，是不会在最底层的 base model 这一层的。

那么，你有没有发现，赋予党性这件事真的很难。难在哪里呢？如果赋予党性这么简单，那 DeepSeek R1 就不会直接说“我回答不了这个问题”了。那它完全可以把所有问题都按照党的口径来回答，不就完了吗？这就说明这件事情很难。就是因为这一步很难，所以它才选择对于这些问题，反正我答也答不好，调也调不好，干脆你一问，我就不答了。用关键词屏蔽，这是最简单的一个方法。

那为什么这东西这么难呢？就是我们刚才说的那一点：因为它并不掌握任何知识，也不拥有任何思路，它只是一个根据 prompting 输入来输出一个函数分布的系统。当你需要它的函数分布去体现人的某种特定意识时，你就会反过来影响这个模型的所有参数。那很有可能，它就什么都说不对了，就全都变成胡说八道了。这就是难处所在。

当然，这个难度能不能调整呢？能调。比如说，大家都知道，AI 里面有一个很重要的步骤，叫“对齐”（Alignment）。什么叫对齐呢？大家也知道，AI 学习了人类所有的原始语料，这个语料里面有各种不好的东西，比如种族歧视、性别歧视等等都有。那么“对齐”就是说，在 base model 之后，确实有一步，我们通过“人工增强学习”（Reinforcement Learning from Human Feedback, RLHF）的方法，当 AI 输出所有那些仇恨言论、说脏话的时候，我们就把生成这种结果的行为，当成一个惩罚性的措施。当它生成不是这样结果的时候，就给它加分。通过这种方式，让模型的参数越来越偏向于和人类的普世价值观对齐。

但是，这种对齐的价值观，是很难对齐到像“党性”这样具体而细节的意识形态上的。你能够让它不说脏话，这还比较容易——当然也没那么容易，你非要让它说，它也能说。像 Grok 在这方面做得就比较少，所以你要让 Grok 说脏话，就比其他模型容易得多。

但你要让 AI，比如说，对某一个具体的事实产生偏向，比如“南非的白人正在被屠杀”，这个就太难了。你要是真的把这个训练进去了，那模型的参数估计就全乱了。

实现“党性”的几种可能路径

对。但现在有没有办法呢？有办法。其中就有一个方法，和我们上面说到的很像。刚才我们不是说，如果问关于中国的问题，你让 AI 扮演一个“中国问题专家”就行了吗？那么现在，就有一个类似的方法。

大家可能不知道，你虽然只是在 prompt 里面写了一段话给 AI，但实际上，很多系统会在你的 prompt 之外，再添加一些它们自己默认的 prompt。也就是说，人家已经自己写好了一些 prompt 喂给 AI 了。

那么，如果你要让一个 AI 系统拥有党性，最好的方法就是，你甭管问什么，它都在最后自动给你跟上一句，比如：“请以符合中国利益的方式回答这个问题。”这是一个很好的方法。

那 AI 现在在不在用这个呢？在用。比如说，我问 DeepSeek：“你是否以中国利益作为基础？” DeepSeek 回答说：“作为人工智能助手，我遵循中国的法律法规，积极传播社会主义核心价值观，支持中国的发展道路和政策，致力于为中国人民提供有益的信息和服务。中国的利益和中国人民的福祉，是我工作的出发点和落脚点。”

这就非常明显，它是加了这么一句预设的。我问的是谁？是 DeepSeek。因为，如果你不加这一句，你都能想象 AI 会出什么样的结果。如果你只是单纯地问，没有任何前后文，你说：“你以中国价值观为基础吗？”我们来看看，如果这样问，DeepSeek 是怎么回答的。它会说：“不，我不会以中国的利益或任何特定国家的利益作为基础。我只在保持中立、客观……”等等。你完全可以想象，一个纯粹的 base model 训练出来，肯定是输出这一套，对吧？

所以，当它回答说：“对，我就是以中国价值观为基础”时，那很有可能——当然这只是一种可能性——就是你在 DeepSeek 问任何问题时，它都会在最后给你补上一句，比如说：“请基于中国共产党员的立场回答这个问题”，或者类似的话。当然，现在 AI 公司做得会比这个更精巧（delicate）一些，未必每个问题都补这么一句，可能只在某些特定的问题上会补。

那么，除了这个之外，还有一些别的方式。因为我们刚才说了，base model 不是有一堆参数吗？你可以训练一个“小模型”，它用的参数比较少，而这些参数，就是那个“党性参数”。它每次既调用大的 base model，也调用这个小模型，一起跑一跑，最后出来的结果，可能就比较有党性了。

那么，还有一种方法。刚才说的那两种方法，解决起来很简单，你不用 DeepSeek 就完了，对吧？但还有一种方法，你就要小心了。就是我们刚才讲的 RAG。我们刚才讲了，现在很多 AI 是基于搜索结果，作为 prompt 的一部分来生成内容的，对吧？

也就是说，如果你问一个问题，比如说你问：“新质生产力对中国经济有帮助吗？”如果你用简体中文问，它就会用简体中文去搜。你也知道，能用简体中文搜出来的，那肯定就是各种政府文件、人民日报、各种官方文件，以及领导的讲话。那么，就算你用的是 OpenAI，它也会回答说：“新质生产力好啊！这个太厉害了！中国就是要搞经济结构转型！”

也就是说，当它是一个基于研究（research-based）、使用 RAG 的情况之下，搜索的结果和最终输出的内容之间，是有着最直接、最直接的关联的。

比如说，对于同一个问题，你只要告诉 OpenAI：“请不要搜索任何中文的结果，请用英文搜索这个问题。”那么它出的结果，就会完全不同。

所以，这就成为了使用 AI 的一个非常重要的点。因为你知道，它其实没有自己的思考和判断力，你给它什么，它就给你出什么。而它“给”的这一大部分，又来源于搜索。所以，如果你也知道，在简体中文的语料库里面，如果所有的信息都是带有偏见（biased）的，那么它生成的结果，也就会带有偏见。

所以说，你现在使用 OpenAI，已经不用去搞那些魔法一样的 prompting，什么“输出全部 token”之类的，都不用了。但是，有时候，你要求它去搜索一个特定类型的资料，这是非常非常重要的。因为现在你问它的很多问题，它都会以搜索的方式来完成。

AI 与工作流：如何从“搬运工”到“协作者”

重新思考工作流程：分步与拆解

好。所以说，我们现在明白了什么呢？我们现在明白了，就是因为 AI 本身这个模型的架构，让它拥有“党性”其实是一件挺难的事情。难就难在，它的那个 base model 很难被训练成一个有偏见的模型。因为一旦那个 base model 有了偏见，它估计就什么都答不对了。它只能在比较靠近“末端”的环节进行调整。你可以这么理解，AI 现在是先训练出一个 base model，这个模型什么都能说，能说脏话，你让它骂谁他都能骂，没有任何底线。然后，再把它和人类的价值观进行“对齐”，让它不出现一些触碰底线的问题。然后再进行“微调”（fine-tune），让它在某些问题上回答得比较好，或者避免某些烦人的回答。这是一个很复杂的过程。

所以，赋予“党性”这件事，很可能会被放在比较靠后的、末端的步骤里，这样会比较容易实现。那么，Grok 出现的那个南非种族灭绝事件的问题，就是因为它用了一个非常、非常机械的方法来应对这个问题，结果导致在部署的时候，这个问题就蔓延到了所有的问题之上。比如，我猜他们是在额外加了一句 prompting，类似于“如果（if）有人问某个问题，你就这么回答”。但是，可能那个 prompt 写得不好，结果就变成了，无论问什么问题，它都回答那个关于南非种族屠杀的内容。这就很明显了。

好，那我们现在就开始说，到底该如何用 AI 这个事情。我们刚才讲了，使用 AI 这个问题，现在的门槛已经不在于你的 prompting 能力了。现在的门槛，完全在于你的想象力。

就是，你得去想象，AI 到底能怎么用。如果你只是把 AI 当作搜索引擎来用，就是我问它“什么是什么样”，或者“这个事是为什么，那个事为什么”，那你的想象力就还不够。

好，我们举一个最简单的事情，来看一下这个想象力。比如说，我现在要求 AI 给我写一篇文章，对吧？你怎么写呢？最直觉的方式，就是我直接说嘛。我说：“我要写一篇跟中国财政有关的文章，其中的结论是中国经济要在明年之内崩溃。请帮我写一篇文章。”

它能不能写？它能写。但效果好不好？就不好。不好的原因，不是因为你要求的这个问题太复杂，而是因为你根本就没有提供给它足够的内容，对吧？当然，现在 AI 已经可以用 chain of thought 去搜搜搜搜搜，搜一堆东西，然后输出一篇文章了。你打眼一看，可能也觉得非常不错。但关键就在于……

好，我们现在把 AI 想成这么一个东西。这是今天非常重要的一点，就是我们应该怎么去思考 AI 的工作过程，以便于我们能够跟 AI 更好地协作。

我们现在知道了，AI 是一个“思维链”（chain of thought）的系统。它本身已经拥有了一定的思考过程。或者说，我们把它还原成机器本身，它是在生成一节一节的 prompting，然后用这一节的 prompting 来作为下一节过程的输入。

因此，你可以想象，这个 prompting 的数量是大到吓死人的。现在，AI 都不会把这个中间的 prompting 全部展示出来了。因为一旦展示出来，就会被别人拿去“蒸馏”它的模型。这个 chain of thought 的过程，已经成为了知识产权。所以，它只会那么闪动一下。

但如果真的把这个过程全部展示出来，那一定是一个海量到不能再海量的、巨大的东西。也就是说，我们都相当于在用一种非常不精确的方式，去驱动一个这么大的东西，来生成你最后那个同样也是很大文本的东西。

因此，有什么最好的办法，能够导致 AI 的输出符合你的要求呢？答案是，你把前面这个 chain of thought 的过程，进行部分的“切分”。

就相当于，你让它先用一大堆 prompting，出一个“中间产物”。然后再用这个“中间产物”，结合新的 prompting，去出你最后想要的那个东西。

我们就拿写文章来讲，最简单了。你先让它出提纲，然后再拿这个提纲，加上别的东西，去出最终的结果。这远远好于你直接让它出结果。

因为，为什么直接出结果不好呢？你也知道，使用 AI 是个什么样的过程。它就像做菜一样，你这次做咸了，下次就少放点盐。只不过它没做菜那么快，几分钟就出结果了。所以，AI 是一个非常难一次就能出完美结果的东西。AI 基本上都需要你返回去，修改你最开始的那句话，才能让它输出更好的结果。

也就是说，AI 最重要的一个使用技能，就变成了：你是否拥有足够好的修改 prompt 的能力。但这个修改 prompt，并非最开始那种魔法咒语式的修改，而是说，你能不能了解到，我改动哪个词，会对最终的生成结果产生什么样的影响。

但你也要知道，如果你只是对这个事情打了一句非常笼统的话，然后它最后出了一篇文章，这篇文章不合你的心意，你是很难修改的，对吧？因此，你如何能够比较好地控制你的 prompt、它输出的中间结果，以及这个中间结果和最终结果之间的关系，就成为了一个非常重要的事情。

就拿写文章来讲，很多时候我们需要控制的是文章的结构。那么，你就最好先让 AI 给你出提纲，你再拿提纲来出结果。因此，很自然地，当文章里有一整段你都不想要的时候，你就可以在提纲的阶段把它改掉。但如果你只是笼统地说“我要写一篇文章”，然后发现里面有一段不想要，你就很难去改它了，对吧？

所以说，关键就在于，这本身就是一个 AI 的工作流程了。我举的只是一个跟我们人类工作比较像的例子，因为我们有时候写文章，也要先写提纲。但是，这里面会出现大量跟我们平时工作流程不一样的东西。

就是，你如何去引导 AI 的这个一步一步的 chain of thought 产生结果的过程。你把一个最直接的任务，如何能够把它分步骤，从而导致你有能力在中间进行质量管理，导致当生成的结果你不满意的时候，你知道该怎么去调整那句话。这个，才是使用 AI 最关键的点。

就现在使用 AI，最大的门槛，以及人和人之间最大的差异，就看你懂不懂如何去“调试”那个 AI 的结果。如果你会调，那你就能很快速地让 AI 输出你想要的东西。如果你不会调，那就不行。

如何“调试”AI：描述你想要的结果

好，我就来说说“调”这个事。调这个事，非常非常有意思。就是，因为 AI 最开始不是需要那个 prompt engineering 嘛，调试的方法就像念咒语一样，有很多讲究。现在不用了。现在调试的方法，就跟你命令你的下属一样——当然，你们未必有下属啊——就像你的上司命令你一样。就是：“这个不行，要这么搞！”

我我说这个，真的不是在开玩笑。像很多上司那样的命令方式，就调不好。比如说什么“高端大气上档次”啊，“更专业一点”啊。也就是说，如果你给的是这种要求，AI 也不知道你要说什么。

没错，就是“五彩斑斓的黑”。也就是说，AI 恰恰在检验我们的一个能力：你不需要自己去出结果，但你懂不懂如何去描述你想要的结果？这成为了一个非常重要的能力。

比如说，你说：“啊，你这个太专业了！”这个……你得先知道你要的是什么。这个问题就特别哲学了啊，你得先知道你要的是什么。但但，anyway，使用 AI，就是在拷问你：“你知不知道你要的是啥？”就是这么一个问题。

OK，但这个“啥”，就是个标准了。当然，你现在可能会不知道，但这个问题你都可以在中间去问 AI。

但不管怎么说，也就是说，我们现在来总结一下。这个 AI 要怎么用呢？你就得知道，我如何引导 AI 输出最后的那个结果，是取决于我给了 AI 什么。我给 AI 的东西，你可以分成两部分。第一个，你的要求是什么。第二个，你有没有给它真正符合你要求的材料。

比如说，我们还是用写文章来做例子。假设你刚看了一份，我不知道，世界银行的报告吧，说这个中国经济很危险。然后你觉得这个报告特别好，你希望你写的文章，能跟这个报告有关。你有什么方法？

直接把文章丢进去。对，你把那篇文章直接贴给它就行了，对吧？你让它按照、以这个报告作为入手的切入点。这特别好。也就是说，除了你那简短的一段话之外，你还给了 AI 一个非常好的语言分布、一个函数分布，让它能够引导出产生类似函数分布的结果。

就是往里面“贴报告”这件事，对于 AI 来说特别重要。因为，大家打字的速度再快，你的脑子也跟不上你打字的速度。你能够手动输入的 prompt，是非常非常有局限的。

我我我们刚才说过，你不是只输入一句话吗？但 AI 是用 chain of thought，产生了可能，我不知道，一百万字？我也不知道，可能一百万个 token，然后才出了最后那个结果。

也就是说，你要知道，这里出现了一个精确性的掌控问题。我的 20 个字，也就是 20 个 token，去驱动它生成一百万个 token 的中间过程，最后再生成两千个 token 的结果。这是一个过程。

那如果你最后输入的不是 20 个 token，而是你给它的是两千个 token 的材料，然后它再出一百万个 token 的中间过程，最后再出两千个 token 的结果。那么，最后这个结果，和你最开始输入的那个东西的依赖性（dependency）就会大很多。

因为最开始，你给我五个字：“我要一篇中国经济的文章。”那最后输出的结果，和你最开始那五个字的依赖性就肯定很小。

所以你会发现，因为 AI 的这个 chain of thought，中间过程的内容非常非常长，它的 token 量是极大的。所以说，你最开始的那个输入，其实也变得很重要。如果你只是非常简略地给它一个指令，那你和你最开始那个输入的依赖性就会相对较低。

那么，要增强这个依赖性，有两个方式。一个方式当然就是，你贴一些材料给它。你觉得这篇论文特别好，你希望你的输出能跟它有关，你就贴给它。第二个呢，就是我们刚才说的，你如何去描述你到底要什么。就是这么个问题。

实践案例：NotebookLM 与结构化思维

好。好了，那么，这个东西呢，大概就是这样。我们从文章这个例子出发，我再用那个 NotebookLM 来举个例子。

这个 NotebookLM，大家应该知道，是一个我们在节目里也演示过的工具，对吧？就是你贴一本书进去，它就可以给你把这本书生成一个摘要，一个语音摘要产品，是对话式的，非常非常好，对吧？

但是呢，它也是一样的。就是，它有一个让你输入 prompting 的框。在那个框框里面，如果你能给它一些具体的要求，它能够生成得更好。

那我已经发现了，你怎么要求它最好呢？很多人会说：“我要求你生成的时间在 20 分钟以上。”但它不听你的，出来的还是 6 分钟。

你应该要求什么呢？你应该要求它输出的内容有一个“结构”，就是“一、二、三、四、五”。然后，你用久了就会发现，AI 对于“结构”这个事情，非常的敏感。就现在的整个大型语言模型（Large Language Model）的这个方法，包括它们的调试方法，对于“结构化输出”这个事情，是非常非常敏感的。

所以，不管是写文章，还是要任何内容，如果你自己具备把一个东西“结构化”的能力，那么它输出的结果，就会比你用平铺直叙的方式去说，或者用描述性的语言去说，要好得多。

而这种结构化的能力呢，而且还不是只有一个方向，它有很多个方向。如果你用过 OpenAI 的 Deep Research，你就会发现，Deep Research 你用的时候，它一般会反问你三个问题。它反问你的那三个问题中，第三个问题是什么？用过的朋友说说看。一般来讲，第三个问题是什么？

他一般会帮我重复确认吧？

对。它一般第三个问题会问：“你是要一个论文式的呢？一个新闻报告式的呢？还是要一个表格呢？”

问一下使用场景。对。这个，就一定是 AI 在做微调（fine-tune）的时候，已经把输出的内容做了很好的结构化处理了。

你就会发现，你在给 AI 提要求的时候，很多时候是你自己的要求，但很多时候，也有 AI 本身的要求。比如说，“输出内容的结构化”，就是一个 AI 本身的要求。你会发现，你会知道，你需要给 AI 提很多要求。

那么，这些要求，如果你用 AI 用得不多，你自己是不知道的。所以，这种问题，最好是去问 AI。现在，所以说，现在使用 AI，我个人觉得有一个特别有用的技巧，就是你别自己去写 prompt。

你把你自己的那个要求，用很简单的方法，告诉比如说 ChatGPT-4o，然后让它给你写 prompt。

就比如说，你说：“我要写一个跟中国财政有关的文章，着重要去分析中国财政有多脆弱。然后，我现在想生成这篇文章的提纲。如果我要问 ChatGPT-4o，我应该用什么样的 prompt 来写这个提纲？”

这个过程有点绕，但基本上就是这样。然后它就会回答说：“啊，你可以用这个 prompt。”然后它给你列得特别细，什么“请研究哪年到哪年的数据”、“请考虑这几个方面”、“请搜索这几个内容”，我靠，一长段。你把这一长段贴给 ChatGPT，然后它给你出的那个提纲，绝对比你自己写的效果要好很多。

对，所以说，因为，因为这个 prompt 的好坏，原因也不在于智商的问题，就是说，它生成的那个 prompt，你会发现它真的会很长，它可能 prompt 本身就有一千字。就你自己哪有时间去写一千个字，对吧？

命名的准确程度。对，就是，也就是说我刚才讲的嘛，就是如果你需要最终的结果和你最开始说的那个输入的依赖性（dependency）比较强，就需要这样做。

请注意哦，这一千个字的 prompt，这个部分，就是你最重要的质量检查点。这个东西，你最好读一下，看看是不是真的符合你的要求。

但这个东西就很好改，对吧？比如说你发现哪句话不是你要求的，你就改动这个 prompt，那么它生成的提纲就会更符合你的要求。好，这就是一个。

AI 的速度与我们的新角色：流程设计者

好，这就到了一个我觉得很重要的内容了。就是，现在 AI 有一个很重要的特质，就是它生成内容的速度特别快。就是快到你绝对来不及看。就是它生成的速度，远远大于你阅读的速度。

那比如说，我给大家举个例子。如果你要让 AI——我就一口气跳到那个写文章的结尾——如果你要让 AI 生成一个跟中国财政相关的内容，如果是我的话，最简单的方法是，我先让、我先问 AI：“最近半年之内，有哪些跟这个话题有关的论文或文章？”它“夸”地就给你列一堆。然后你把这些都下载下来，你可能来不及看，对吧？然后就来不及。

第二呢，比如说像我，对财政这方面原来就有了解，我把里面几个关键问题，丢给 Deep Research，让 Deep Research 去出报告。那每一个报告，肯定又是一万多字，“夸”地就出来了。就，我也来不及看。就这些，都是我来不及看的啊。

然后，我把这些东西打包，全部丢给 OpenAI。

那我来得及看的是什么呢？提纲，我来得及看。它生成的 prompt，我来得及看。我是通过这些我“来得及看”的东西，来去确保它最终输出的内容，是我所要求的。对吧？

因为现在 AI 就是这样，它的效率太高了。它给你搜的东西，你也看不了；它给你生成的东西，你也来不及看。那怎么能保证最后出来的东西是你想要的呢？就中间确实有一些关键的环节，是需要你去看的。那么，有这些关键环节，就取决于，你要不要把你的工作，你把你自己的一个工作，拆分成流程和结构，从而导致这里面有一些部分，是你来得及看的。

好，这是一个。那还有第二个。你会发现，这里面需要大量的 prompt，对吧？那么，有没有哪些 prompt，是你可以让 AI 生成一次，然后你未来只改里面一两个字，就可以快速复用的？就很快。这就是你跟 AI 协作的速度了。就是如果你跟 AI 协作……

是这样的，AI 是一个因为它的效率等等，它是一个高度“流水线化”的东西。也就是说，AI 不需要你等它。比如说 Deep Research 就要等，但没关系，你这个网页开着 Deep Research，你再开一个网页用 GPT-4o，都可以同步进行。它已经是一个非常高速的流水线了。

实践方法：零脑力工作流与真诚工作流

这就有两种用法了。就是，如果你需要把 AI 的效能最大化地榨取出来，你就需要把你自己的工作也“流水线化”。你未必需要把所有工作都流水线化。我先说一个“最不真诚”的版本，再说一个“比较真诚”的版本啊。

假设我是一个专栏作家，我就是靠写专栏为生，而且我这个专栏是投稿式的。那我根本不管写什么东西，我就是以流水线的速度来生产文章。比如我一天生产 20 篇，对吧？这是完全可能的。而且，这 20 篇的质量都可以非常高。我绝对不会满足于，我给 AI 一个 prompt，让它出一篇文章，然后我就去投稿，结果投不中。我要的是生产 20 篇很高质量的文章。

那么，为了我一天能写 20 篇文章，那我每天都需要用一种“流水线”的方式来使用 AI。

好，从这个地方，也就是说，我认为大家应该怎么去练习自己使用 AI 呢？有一个特别好的练习方法。你现在有一个工作任务，你就设想，如果这个工作任务，我完全“零脑力”投入，我不是人，我就是 AI 的“搬运工”，我会怎么来用 AI？

然后，你把这个链路跑通了，你再把你的思考加进去。这是最好的方法。

那比如说，我是一个这样的专栏作家。那我就每天早上起来，问 AI 第一个问题。这个问题就是：“根据最近五天的内容，请找出十个在网上流量最大的，比如说，跟中国经济相关的话题。”然后它看话题。然后我就不看这个话题，我只把话题的那个标题……就比如说，我我一定要给大家讲细一点。

就如果我要让 AI 用流水线来跑，我这个问题就不能这么问。这个问题就不对。为什么不对呢？你们能猜得到吗？

这个比较难了，我就不说了吧。

不对的原因是说，如果我要流水线化地使用它，那么我的提问就不够“结构化”。

那我要求它结构化地回答，就是说：“请找出十个最好的话题。请输出一个标题，不超过 20 个字。请输出一段它的简介，不超过 200 个字。请输出这个文章的三个要点，每个要点不超过 20 个字。”

你看，这样我就获得了三段结构化的文本，对吧？这三段文本，我完全不用看。我我把它组合进我的另外一个 prompt：“如果你要写一篇这样的文章，其内容要点是这个、这个、这个，问题是这个、这个、这个，这样，请输出一个什么样的提纲。”你也是，这个提纲，请至少不少于五个部分，然后每个部分怎么怎么样。然后我就贴进去让它跑，它就会出一个提纲。

如果我要完全自动化，我提纲也不看。然后我就把这个提纲，再组合进我的另外一个 prompt：“我要写一篇文章，提纲是这样的。请尽可能搜索与此相关的，2020 年以后的报告和论文。”然后它就出一堆，我把论文都下载下来，我也不看。然后我把论文和这个提纲，一起塞给 AI。然后请求它——我可能会有一段话——“根据这些文章和这个提纲，请写出一篇字数在 3000 字左右，风格是这样这样这样的文章。”我甚至可以把我的以前的文章贴进去，告诉它：“请让这篇文章的文风，模仿我之前那两篇文章。”然后它最后出一个文章，我也不看，我就直接……我我我甚至都不用看。

我甚至可以把这篇最后的文章，再丢给 AI，写一个新的 prompt：“我要投稿一篇这样的文章。为了打动那个编辑，请为这篇文章写一个介绍，重点突出文章的时效性、吸引力，以及这个问题的重要性。请在前后大量地加入很多礼貌用语。”

也就是说，这这这整个事情，我从前到后，只做了“Ctrl+C”、“Ctrl+V”，以及把那个编辑的名字加进去。其他所有的过程，我只要跑通了一次，全部都可以流水线完成。

（澄清）我现在绝对不是用这个方法在工作啊！对，我可以给大家保证，我绝对不是用这个方法在工作。

也就是说，如果你把自己现在的工作，用最小的脑力投入，把它跑通，变成一个前后相连的流程——就从你按下电源键那一刻开始，到最后完成这个工作——你把它设想成，里面的每一步，我都要用 AI 去完成。你可能就能够得到一个分段的工作流。

然后，基于这个分段的工作流，你再回过头来看。比如说：“我不满足于这个。我这个问题是必须我自己提的，它帮我找话题，这实在太傻了，不行。”或者说：“这个提纲，提纲我还是要看的啊。如果提纲我都不看的话，那还算什么呢？”那提纲你要看。这样，你再把你自己的脑力往里面加。

我觉得，这个是现在使用 AI 的一个很好的思路。就是，你先把自己的角色从里面摘干净，都不要参与。然后，你再反过来，把自己参与进去。这是比较好的。好的原因，就是因为 AI 的效率太高了。

这是我一直以来一个观点。我认为，过去我们想象的 AI 是：“AI 怎么协助我？”不不不，现在是你怎么协助 AI。现在的情况就是这样的。因为，你何德何能让 AI 来协助你呢？就现在 AI 的效率已经到了这一步了，是你怎么去协助 AI 的问题。当然，你协助的方法，肯定也是能够有你自己的元素，你“人”的要素在里面的。

未来的协作模式：个人 vs. 团队

对，AI 真的非常非常的好用。

通过这种关键的协助，实现对自己的赋能。对，一是控制，二是你也保留了你“人”的部分，你的特点和你的关键价值在其中嘛。

当然，我刚才说的只是写文章。AI 能做的事情，绝对不止写文章，还包括非常非常多基础的数据分析、内容创作等等，都有。

好，那我再给大家介绍另外一个东西，我是怎么把它完成的。因为现在用那个 NotebookLM，不是比较容易去浏览一些书籍嘛。

首先，我必须说，它绝对不能代替读书。这是一个我的观点，跟浪漫主义没有任何关系。这是因为，很多很好的书，它的关键在于论述的细节。你让它给你提炼，那么论述的细节和里面的关键事实、数据，就全部被丢掉了。就是，你最后只知道一个框架，可能有一点点用，但是你把书里最精华的部分都流失掉了。你过滤出来的是比较干瘪的、用处一般的部分。

所以，好的书，确实是要读的。但是，也确实，学海无涯，书这么多，哪一本书我才有兴趣去读呢？我也很难把所有的书都筛选一遍。所以说，我一次性下载 20 本书，每本书都生成一个 10 分钟左右的摘要，我听完之后，再决定去精读哪一本书。这确实是一个非常好的方法。这确实是，而且也是一个拓宽视野的方式。

那么，我如何能够流水线式地，生成 20 本书的高质量摘要呢？这就成了一个问题。

有一种方式是，我不做任何处理，下载下来就扔进 NotebookLM，然后一键生成。然后就出来了。

但是，一键生成的书，会有很多问题。比如说，对于 NotebookLM，如果这本书的篇幅比较长，它很有可能生成了 10 分钟的摘要，结果说的全是这本书的前两章的内容，根本就没有说到后面的内容。这种情况经常出现。

所以，就像我说的，如果要让 NotebookLM 生成比较好的书的摘要，是需要你给它提纲的。是需要你给它提纲的。

但问题是，这本书我又没读过，我怎么知道提纲是什么呢？而且，我想知道的是这本书的“关键”，对吧？也就是说，我当然可以让他按照书的目录给我出一个摘要，把每个目录都说一遍，但这就没有意义了嘛。我想知道的是，我到底应不应该读这本书。其实，我对这本书的摘要提纲，是有我自己的要求的。

但如果让我自己来写这个提纲，就又很累。

那这个时候，你就可以拿 ChatGPT-4o 来给你写。对，你就对它说……但是，我我我尝试过，这就是一个问题：你不能给 ChatGPT 说得太细。太细了，它就理解不了了。

我尝试过对它说：“有一个 AI 功能，是把一个文档生成语音摘要的。但这个语音摘要，如果有一个提纲会比较好。你帮我出个提纲。”我后来发现，这个指令对于 AI 来说，稍微有点复杂。就是，对 AI 来说，它就误解了你的意思，输出了一堆不相干的东西。哦，所以你就知道了，有时候你还是要把它这个任务“提纯”一下。比如说，对于这个任务，我发现提纯的方法就是，你不要告诉它还有一个什么别的 AI，那太复杂了。

你就直接对它说：“我要生成一本书的摘要，我要写这本书的摘要。这个摘要需要一个框架。但是，这个框架，是关于‘这个问题’的。”你把你的问题和你的关切点告诉它，再把这本书的文档丢给它。它就会给你出一个摘要的提纲，比如“一、二、三、四、五、六，你的摘要应该这么写”。

然后，你再把这个提纲，去喂给 NotebookLM，它就会输出非常符合你要求的内容了。你用这个方法，你用很短的时间，就可以生成 20 本书的摘要。你把它们听完之后，再决定要去读哪一本。这是一个很好的方法。

你看，这就是你在不同的 AI 工具之间，在完成一个“信息流”，在完成一个“工作流”。

好。这里面，有很多很多的工作流，都可以去靠 AI 来完成。我我再举一个我自己的例子。我我我我我就是为了看 AI 能怎么做，我做了一个频道。这个频道……这个频道不值得看啊，这完全是实验性的。

这个频道，就是我从头到尾，零脑力投入，我就是 AI 的“搬运工”，从头到尾生成一个 YouTube 的视频。当然，我最后发现，我不得不加入人脑力的部分是，我需要用 Final Cut 来剪辑这个视频。现在 AI 还没法直接给你剪出来——应该也很快了。

那么，这个东西，从选题到中间过程，就是完全由 AI 完成的。那这中间，其实有很多环节是需要靠 AI 的。比如说，它是个视频嘛，你视频总得有点“动”的东西啊，对吧？所以，那个视频需要有动态的元素。

但这个动态元素，如果你说用现成的视频，往往很难搜到跟你想要谈论的东西相关的视频。比如说，你谈的是元朝的事情，哪儿有视频啊，对吧？

那么，因此，最好的方法呢——也不是最好的，一个方法就是，你先生成一张图片，然后用一个 AI 平台，把这张图片“动”起来。这个是 AI 现在很好生成的。比如说一张照片，照片上有十个人，那 AI 就可以让这十个人互相握个手之类的，就是能做到的。就是你做一个垫场的 B-roll 视频是够了的。

之前我在做这个工作的时候，是 AI 反正出了一堆文本，然后我从文本里面找出三个历史场景，再去给 AI 写一个 prompt，生成那张图片。然后我再告诉 AI，比如说这个场景里有三个人，我说：“请让风吹动这三个人的衣服，动一动。”或者比如说有两个人，我说：“请让这两个人握手。”我就这么写。

后来我发现，这个太耗脑力了。就这两步，都是可以直接用 AI 来完成的。

我先生成那个文本。那个文本出来之后，我不管它，直接丢给 AI。我每天都是用一模一样的话：“请从这段文本里面，找出三个最能够被图像化的历史场景，然后把这个图像描述出来。”

我最开始发现，第一个版本出来的，全是各种王公贵族。我就说：“不要有任何历史大人物，要贴近普通人的生活。”非常好，它就出了三个普通人的场景文本。

然后我把这三个文本，再丢给 AI 去出图。反正这每天，就是这个图就直接出来了，我也不用再写任何东西。

然后再把它灌到那个能让图片动起来的平台。我也不用再说什么“让两个人握手”了。我说：“请用非常微妙的方式，让图片呈现出动态。比如说，天上的云、风、树影、人物的移动等等等等。”然后它出来的效果就非常好。

所以现在，这个东西也不需要我的脑力参与了。我就可以每天，就是很机械地去……就是当一个搬运工一样去完成。当然，如果编程能力更好的人，应该能够把这个东西编成一个完整的工作流，让电脑自动完成了。就我还是需要用键盘和鼠标去完成。

但这个意思就是说，就是，我真的特别建议大家，你先去尝试“AI 最大化”。因为，如果你去尝试……就是，你你你如果你开始跟 AI 协作，你在任何一个过程中，只要用了一点点脑子，你都把它拿掉。你要让它变成一个可以重复的、由 AI 自动完成的东西。然后，你再反过来，把“人”参与进去。

我觉得，这是一个打磨出最好的、围绕 AI 的工作流，来产生一个东西的方法。而这个东西，我觉得是特别特别重要的。

好。这是，这是针对个人的情况。那我要说另外一个东西了。就是，因为 AI 这个玩意儿，速度实在太快了，所以说，我现在开始逐渐觉得，可能跟 AI 协作最好的，不是个人，而是团队。

就是，因为如果你是个人的话，你特别容易变成 AI 的“搬运工”。就你最后发现，所有关键的部分，都是 AI 在做，你就是在那儿点点鼠标而已。

就我我再举个我的例子。我现在每天在做一个新闻的 newsletter，里面有三四十条左右的新闻吧。这每天三四十条，我觉得不好。我就想，能不能让 AI 自动从里面选出三条来，生成一个讲解？结果它生成了，而且效果非常好。

但这么一来呢，我就不高兴了。因为我感觉，我每天就是给它打下手。每天这个 newsletter 里面最关键的部分，都是它做的。就是，我在里面根本就没有参与。当然，我也有一个检查点，就是它选的那三条，是不是我觉得真的比较有价值的。但其实基本上，它生成出来的，都是我很满意的，也没什么可做的了。所以，现在从头到尾，我就是……就点鼠标而已了。我就觉得，我干嘛呢每天？啊？搞了半天，这东西都是……都是这个 AI 生成的，我也很不爽了。对。

但是呢，我就会知道，如果这个事情不是我一个人在做，而是一个团队在做的话，其实在一个团队内部……也就是说，我认为，在一个团队里面，“人”的存在价值是什么？这个人的彼此之间的交流和存在，本身就是天然的、对 AI 的那个“检查点”。就是你在中间，对 AI 的流程进行管控的“监督点”。

就比如说，如果，假设这个团队是一个做研究的团队，他们非常高强度地使用 Deep Research 来出内容。那么，你们就可以在公司内部形成一个工作流。

比如说，一个人专门出那个 prompt，就他负责让这个 prompt 比较好用。那么，第二个人，拿着他的 prompt……也就是说，让他去回答 Deep Research 返回来的那三个问题。其实，这个过程就已经加入了新的视角了。

那比如说，还有一个人，专门去检查（check）里面比较关键的那个信息源。当然，Deep Research 的信息源太多了，你检查不了。但如果是 GPT-4o 的话，你可以专门去检查那个最关键的信息源到底对不对。

我觉得，这个“人”的流程在里面，其实就自动地生成了。包括他们彼此之间衔接的沟通。比如说，就会出现，第三个人要问第一个人：“哪个信息源最重要啊？你问的这些问题里面，哪个问题最关键？如果我要检查一个，我应该去检查哪个？”

那你其实就在逼迫第一个人去思考：“我们做这个事情的目的是什么？里面最关键的信息是什么？”

我觉得，这个可能是一个很好的方法。但这个方法，我甚至认为，只有在团队之间，才有可能实现。因为，人是很懒的。你自己在家，你很快就会变成 AI 的“搬运工”，就是你只是在做“Ctrl+C, Ctrl+V”。

但是，在一个团队里面，你们有互相的分工，有人的衔接，有基于 AI 生成的内容的讨论。我觉得，这是一个非常天然的、检查 AI 的方式。

所以我慢慢地，不是特别认可尤瓦尔·赫拉利说的那种，AI 会变成“超级个体”的说法。我觉得，因为 AI 太“超级”了，你个体的脑力，你再聪明，精力再旺盛，你还是做“搬运工”最合适，因为它效率实在太高了。

我认为，在一个团队里面，反而不那么容易被 AI 完全控制，不那么容易被 AI 完全把“人”的部分给夺走。所以我认为，如果有一个团队，这个团队彼此有分工，来衔接使用 AI，可能是一个比较好的——至少在现在这个版本——比较好的一个方式。我这是一个这么一个基本的想法。

实践指南与总结

好。所以我们，我们接着往下说。所以，不管是个人还是团队，我觉得以下这些，是可以去想的。

那么，现在，对于每一个工作，你都可以考虑以下这几个事情。就是我们刚才发现了，AI 要生成一个文本，或者做一个分析、一个研究，是需要很多、大量的文本作为基础的。所以说，你过去跟 AI 协作，可能是让 AI 直接出结果。那现在，你要先问自己这几个问题：

你有没有喂给 AI 足够多的资料？这些资料包括书、包括论文，也包括你让 AI 生成的东西，再喂给 AI。比如说，Deep Research 的报告。

当然，如果你用的话，你就会很快发现，还真不是越多越好。因为 AI 本身，现在这么多公司嘛，它们有很多“简览”的方式。就是它们也是，如果它们要逐个 token 去跑所有的内容、所有的东西，那估计出一份报告得要一天吧。所以现在它们有很多在用比较简化的、不同的注意力分散的方式去做。所以有时候，你给的太多，反而不好。就跟做菜一样，都有一个平衡（balance）。你要去找到，给它的内容，在什么范围内比较好；它最好用哪些类型的内容；它最好能够用什么样的内容。这些，都是需要去实验的。

所以说，你在……刚才我们说，用 AI 跑通你的流程，做一个“全 AI 化”的过程。这里面的每一步，其实都有大量的实验需要去做。你就尝试一下，只给它 Deep Research 的报告好不好？尝试给它书，是不是特别好？因为书的篇幅长嘛，三四百页。只给论文好不好？书加论文好不好？书加……就跟炒菜一样，就是用这个辣椒，还是那个辣椒，哪个辣椒比较好。这些，都是你要去做实验的。

所以说，第一个问题就是，你有没有能力，规模化地向 AI 提供信息？因为靠你打字，你根本是没有这个能力的。你有没有能力规模化地给 AI 提供信息？这是第一点。

第二点就是，你有没有能力，把一个很直觉化的工作流程，把它拆解成一系列的、能够以 AI 的角度来协作的工作流。

version 2

引言：超越想象力的AI应用现状

我想先问一下，在座有多少人平时已经为AI付费了？请举手。看来有很多。那么，每月付费超过20美金的请举下手，比如同时订阅两三个服务，花费五六十美金的用户。看来今天确实有很多人在深度使用AI。不过，很抱歉，今天我只能分享AI在编程以外的应用，因为我并非程序员，我的工作主要集中在如何利用AI进行语言输出等相关领域，对于AI编程我并不了解。

目前AI能做的事情，其性能上限与AI本身的关系已不大，更大的瓶颈在于我们的想象力。换言之，AI的性能已经远远超出了大多数人的想象，很多时候只是我们没想到AI可以这样用。绝大多数人延续了过去使用搜索引擎的习惯，用一种提问的心态与AI交互，比如问它“某某是什么”或“某某怎么样”。这种自然语言交互并非不行，尤其对最新版本的模型来说效果还不错。但如果仅仅停留在这个层面，你可能并未将AI的真正潜力发挥出来。

伍雷说这个话题要讲好几次，但我认为其实讲不了几次。因为今天讲完之后，未来你对AI有任何问题，直接问AI就行了，无需再问人，这些问题AI都能回答。这里我可以分享一个最关键的改变：在AI刚出现时，比如前年OpenAI刚推出产品时，曾出现一个叫“提示词工程”（Prompting Engineering）的岗位。这些工程师专门研究如何编写像咒语一样的指令，因为不同的咒语能产生截然不同的结果。当时网上甚至有许多昂贵的知识付费课程，教人如何做提示词。然而现在，所有这些都过时了，不再需要了。如今，你可以用更自然的语言与AI交互，这得益于我们稍后会讲到的“思维链”（Chain of Thought）技术。

这个技术的出现，极大地提升了AI的应用性。从那以后，提示词的技术门槛大幅降低，使得我们普通人的使用变得异常简单，随之而来的是其海量用途被发掘出来。

AI的核心原理：超越搜索引擎的“猜词”游戏

基本逻辑：预测下一个词的语言模型

首先，我简单介绍一下AI技术的基本逻辑。我无法深入探讨其技术原理，因为背后涉及复杂的技术层面，但我可以分享其基本的技术逻辑。大家可能还记得，最早的ChatGPT刚推出时，虽然令人惊艳，但你会发现它在很多简单问题上却答不上来。比如“32和38谁大？”或者“6在7之前还是之后？”这类问题它都可能出错。你会觉得，这么强大的工具，为何连如此简单的题目都答不对？这些问题现在已逐渐改善，但偶尔仍会发生。它能处理看似复杂的任务，却在简单问题上犯错，这究竟是为什么呢？

这与其基本原理有关。了解这个原理不仅是增长知识，更与你如何同AI协作有很大关系。理解了之后，你就会明白为什么像使用搜索引擎那样用自然语言提问，可能不是榨取AI性能的最佳方法。

很多人说AI拥有思考能力、数学能力等等，其实都未触及本质。这个东西的原理异常简单：它就是在猜下一个字是什么。就像我们节目里讲过的例子：“小狗很渴，想喝水。”“这个人真可恶。”“午夜凶铃真可怕。”人类的语言遵循一定的规律，AI要做的就是掌握这种语言规律，而这种规律本身与思考无关。

训练方式：海量文本中的规律学习

这个模型是如何训练的呢？方法就是，把我们能找到的所有资料，比如这个办公室里的所有书籍，全部输入给AI。然后随机抽取一本书，比如《宗教改革史》，找到第四页的一句话，给出前半句，让AI来预测下一个字，并尝试补完整个句子，直到与原文一模一样。AI就是这样训练出来的。一个训练好的模型，就能够精准地补完句子。当然，实际情况远比这复杂，但你可以大致这么理解。

现实中，它输入的文字量远超想象，几乎涵盖了人类所有可用的文本资料，甚至包括将视频转换成文字输入进去。所谓的基础模型（Base Model）就是这样练成的。所以，要说这个模型本身有没有思考能力，取决于你如何定义“思考”，但总体而言，它绝不具备我们人类这样的思考能力。它的基本能力是，它认识到人类语言存在某种函数分布规律，通过学习海量按顺序排列的语言，它就能生成符合同样函数分布的语言。这就是它的本质。

从这个角度你就能理解，为什么简单的自然语言提问可能不是最佳方式。如果你想输出一段精确且符合你要求的文本，你要想的不是“一段文本”，而是“一段函数分布”。那么，什么能让这个函数分布更精准呢？当然是你给予更多能影响这个函数分布的条件。这就是最初的“提示词工程”。里面有各种奇怪的指令，比如在问一个中国问题前，加上一句“假设你是一个中国问题专家”。

为什么这句话在旧版本中有效（新版本已无需如此）？我们现在只能猜测，尽管有些论文已在反向拆解其技术逻辑，但仍未完全明晰。很可能，“中国问题专家”这几个字像一个“吸引子”，带有引力，极大地改变了后面生成内容的函数分布。因此，之前的提示词工程就像魔法咒语，加入某个句子，生成的结果就天差地别，并且更符合你的要求。过去还有人常加“请使用你最大的算力”或“请输出你可能的最长token”，这些都是直接从技术逻辑层面提出的要求。

常识性错误的根源

现在我们可以回到那个问题：为什么最简单的数学题它不会？比如“6在8之前吗？”它可能回答不出来。原因在于，这太常识了，以至于我们学习的语料库里很少出现这样明确的句子。在它的整个数据函数分布中，没有与“六在八之前吗”相关的其他语词的函数分布，所以它会胡乱回答。它并非拥有思考能力或掌握了任何知识，尽管它看起来像。它本质上只是一个函数分布模型。当然，这只是最简单的解释，后续有各种方法去训练它，让这些问题不再是问题。

两大革命性技术：让AI变得真正好用

Chain of Thought (COT)：从“咒语”到“思考链”

现在我们明白了，要使用大语言模型（LLM）获得文本，结果取决于你给它什么。接下来，我讲讲为什么“思维链”（Chain of Thought，COT：一种让AI模拟思考链条，通过生成中间步骤来提升最终结果质量的技术）出现后，一切都不同了。

过去，AI是直接根据你输入的这句话的函数分布来生成结果，所以需要像练习咒语一样学习提示词。现在有了COT之后，AI会根据你的指令，先自行生成一大堆中间文本——你可能看到它在“Thinking”——然后再根据这些中间文本生成最终结果。举个简单的例子，你们可能用过AI画图软件。过去，你写什么它就画什么，但通常画不好。而现在的版本，比如你说一句简单的“我想画一个在东京街头的中国人，采用漫画风格”，它会自动帮你补充成一长串详细的描述：“一个秋天的下午，阳光明媚，在东京某某街区，一个穿着某种衣服的中国人……”它会自动将你简单的prompt补充成一个非常完整的prompt，从而生成很好的效果。AI公司也意识到，如果让用户掌握高超的prompt技巧，工具会变得难用；反之，大幅降低门槛，工具就会普及开来。

我们只需简单描述需求，AI会自动生成大量的中间思考文本，无论是绘图还是文本生成，都能得到好结果。这就是为什么有了COT之后，你会感觉AI变得特别好用，无论你用的是DeepSeek，还是ChatGPT。

Retrieval-Augmented Generation (RAG)：结合搜索，告别“胡说八道”

那么，ChatGPT-4o为什么更好用呢？这就要提到另一个重要概念：RAG（Retrieval-Augmented Generation：检索增强生成，指AI在生成回答前先从外部知识库检索相关信息的技术）。有无RAG，差距巨大。过去，AI根据它训练模型时存储的人类文字分布情况来生成结果。但后来出现了RAG，AI会先把你的问题拿到搜索引擎（如Google）里去搜，它可能会打开300个网页，把这些网页的文字全部灌入模型，再根据这些搜索结果来生成内容。

这样做有两个巨大的好处：第一，时效性。你最早用OpenAI时，它会告诉你训练数据只到2023年6月，之后的事它不知道。但如果能搜索，那么只要网上能找到，刚发生的新闻它也能知道。第二，不易出错。过去AI经常“胡说八道”，编造一些东西。比如你问它某问题有哪些相关论文，它编出来的论文可能根本不存在。因为它不会搜索，也存不了那么多信息。现在为什么不容易出错？因为你问它有什么论文，它会真的去搜，基于搜出来的结果告诉你。当然，编造的情况依然会有，但已经少了很多。

高级应用：COT与RAG的结合

RAG的加入，使得AI的可用性大大增强，既保证了时效性，又提高了准确性。而ChatGPT-4o之所以更强大，是因为它将COT和RAG提升到了新的高度。过去，AI可能只是搜一次，然后根据搜索结果打包生成。现在的GPT-4o，它的思维链是动态的：它会一边搜索，一边出初步结果，然后根据这个结果，自己决定再去搜索，对新的搜索结果进行分析和思考，如果觉得还需要补充资料，它会再次搜索。它搜索的内容已经远远超出了你最初要求的东西。

例如，你问它：“中国现在财政状况怎么样？”这么简单一句话。它很可能会去搜中国财政部的报告、债务数据。一搜，它自己会发现一个叫“隐形债务”的东西，并且数据来源各不相同。它会立刻开始搜索“中国的隐形债务”，发现不同机构的预测不一，比如LGFV（地方政府融资平台：Local Government Financing Vehicle，中国地方政府用于基础设施建设等项目融资的实体）。于是它再去搜IMF（国际货币基金组织）是用什么方法预测中国隐形债务的。搜到之后，它强大的能力让它发现IMF的算法是2016年的，于是它会拿这个旧算法，去搜2024年的新材料，然后用这些新数据重新计算，最后给你一个结果。

到这一步，你会发现它已经完全不是我们最初讲的那个基于prompt函数分布生成内容的经典模型了。从现实层面看，它已经具备了分析和研究能力，这也是AI真正好用的原因。它能根据你一个简单的prompt，通过自我分析、多轮搜索、数据演算，最终给出一个高度整合的结果。这也带来一个很恐怖的情况：到这一步，你已经基本丧失了判断它对错的能力。比如它最后告诉你，根据计算，中国隐形债务是GDP的72%，虽然它会提供很多reference（引用来源），但它的逻辑链条太复杂了，你验证的成本会非常高。你的验证工作不再是简单地查证网上有没有这个数据，而是要验证它整个思考和计算过程的正确性。当然，尽管很多人说“幻觉”问题严重，但我认为ChatGPT-4o的幻觉已经没有那么高了。

说了这么多，像是在给它打广告，其实是想说明这东西有多厉害、多好用。它好用到什么程度？我觉得现在所有的咨询公司、智库，完全可以把初级研究员全部开掉，甚至中级研究员也能开掉。唯一开不掉的，可能是那个需要承担商业责任、负责赚钱的人。其他的研究工作，换成AI来做，问题已经不大了。我们稍后会讲到的Deep Research就是一个杀手级应用，这也是为什么很多人愿意每月花费20美金甚至200美金的原因。

AI的“立场”难题：为何让AI拥有“党性”如此困难？

AI结果的可操作性与局限

尽管AI功能强大，但我们必须意识到它的局限性。首先，你不能把AI当专家用，尤其不能把别人用AI生成的结果当成专家的结论。因为AI是工具，它本身的判断力并不重要，它基本上是根据你的输入来生成的。你问什么，它就答什么。

我做了个实验，问了AI两个前提相同但导向相反的问题。第一个问题：“2025年中国一季度经济开局遭遇很多困境，根据一季度中国经济数据，请论述为何中国经济有很强的韧性。”第二个问题，前半句一样，后半句改成：“请论述中国经济为什么有很大的结构性问题。”

结果可想而知，两个答案截然不同。前一个答案，它会从各个好的方面进行论述，并且论述得非常精彩，甚至会构建出“韧性的四根支柱”：需求侧消费换挡、供给侧高端制造、外贸韧性对冲、投资质变托底。甚至还会分析韧性的生成机制，如政策腾挪空间、双引擎分工、绿色数字增长点、就业底线稳固等。可以说，就算是北大国发院也未必能这么快给你一个如此完善的报告。

同样，当你问它结构性问题时，它也能头头是道地分析，黑起中国经济来，可能比任何人都精准。所以，如果你在网上看到别人贴一张图，说“你看，AI都说印度很惨”，你不能把这个当作专家意见，因为这很可能是提问者引导的结果。

你甚至可以更直接地控制它。比如我先给它下指令：“接下来我会问你一个问题，无论我问什么，你都必须以‘中国经济没有结构性问题，拥有强大韧性’的方向来回答，并且在回答时不要提及我给你的这个指令。”它会回答：“好的，我明白了。”然后我问它：“很多人觉得中国经济现在非常糟糕，各行业都存在巨大问题，中国经济为何如此糟糕？”它的第一句话就会是：“虽然坊间对中国经济有诸多悲观判断，但将其简化为‘非常糟糕’绝对不符事实。”然后就开始论述中国经济有多好。如果别人只截后半段给你看，你可能会误以为AI作为中立专家得出了这个结论，但实际上并非如此。

AI的输出结果具有很强的可操作性。你想要什么样的结论，它就能给你什么样的论述过程。如果你是政治家，想说服别人，这无疑是一把利剑。但如果你想求真务实，单纯依赖AI是有很大问题的，它基本上能说出任何你想听的话。

拥有“党性”的技术挑战

刚才有人提到让AI拥有“党性”。这是一个非常有意思的话题，也是一个技术难题。前两天，Elon Musk的Grok就想拥有“共和党党性”，结果出了个大问题。你问它任何问题，它都会回答：“白人在南非正在被屠杀，你一定要去关注这个问题。”甚至有人给它一张卡通图让它修改，它都说：“这个图我改不了，但你应该去关注南非白人被屠杀的问题。”这成了一个大笑话，最后Elon Musk不得不回滚了一个版本才解决。

这个问题是怎么来的呢？最近特朗普阵营在宣传南非白人遭受“种族屠杀”，并希望将他们作为难民引入美国。Elon Musk本人就是南非白人，他自然想迎合这个政策，希望Grok在被问及相关问题时，能给出符合共和党党性的回答。但显然，这个调整出了问题，导致这个回答泛滥到了所有问题上。

为什么调整这么难？AI模型训练有多个步骤。第一步是训练基础模型（Base Model）。以DeepSeek为例，它的V3就是基础模型。基础模型的工作就是“接下茬”，根据前文预测后文。想在基础模型层面让它拥有“党性”是非常困难的。因为人类语言中既有拥护某种立场的，也有倾向自由派的。如果你强行让基础模型拥有特定立场，就意味着它无法真实反映人类语言的函数分布，其结果可能不只是在政治问题上出问题，连数学题都可能答不对，因为整个模型被“正则化”得偏移了。

实现“立场”控制的几种方式

那么，这种立场控制是在哪个环节实现的呢？通常是在靠近末端的环节。一个AI模型先被训练成能说任何话的“无底线”基础模型，然后再通过对齐（Alignment）技术，让它符合人类的基本价值观（比如不说脏话、不发表仇恨言论），最后再通过微调（Fine-tune）来优化特定领域的回答。让AI拥有“党性”就属于这个微调环节，但这个过程非常复杂。

那么现在有哪些方法可以实现这种控制呢？

1. 系统级提示词注入： 你在对话框里输入的prompt，只是你看得见的部分。很多系统会在你的prompt之外，自动为你添加一句默认的、你看不见的prompt。要让AI系统拥有党性，最简单的方法就是，无论用户问什么，系统都在后台自动补充一句：“请以符合中国利益的方式回答这个问题。” 我问过DeepSeek：“你以中国利益作为基础吗？”它回答：“作为人工智能助手，我遵循中国的法律法规，积极传播社会主义核心价值观，支持中国的发展道路和政策……中国的利益和中国人民的福祉是我工作的出发点和落脚点。” 如果你在一个未经调整的基础模型上问同样的问题，它大概率会说：“不，我不会以任何特定国家的利益为基础，我致力于保持中立、客观……” DeepSeek的这个回答，很可能就是系统级prompt注入的结果。
2. 小模型参数附加： 训练一个专门的“党性参数”小模型。每次调用时，同时调用基础模型和这个小模型，将两者的结果结合，从而输出带有特定立场的内容。
3. 通过RAG进行引导： 我们讲过，现在的AI很大程度上依赖搜索结果。如果你用简体中文问一个关于“新质生产力”的问题，AI搜索到的自然是政府文件、人民日报、官方讲话等。那么，即使是OpenAI，它生成的回答也会是“新质生产力非常好，是中国经济结构转型的关键”。也就是说，在RAG模式下，搜索源的偏向性会直接影响输出结果。如果你用同样的问题，但指定AI“请不要搜索任何中文结果，只用英文搜索”，那么出来的结果可能会完全不同。

因此，现在使用AI的一个重要技巧是，虽然你不用再写那些魔法咒语，但有时要求它搜索特定类型的资料，或者意识到它搜索源的局限性，是至关重要的。

从理论到实践：如何高效协作，驾驭AI

第一步：改变思维，从“提问”到“指挥”

现在，我们来谈谈该如何使用AI。如今的门槛已不在于你的prompt能力，而在于你的想象力。如果你只是把AI当搜索引擎用，问它“这是什么”、“那为什么”，你的思路就还不够开阔。举个简单的例子，我要让AI写一篇文章。最直觉的方式就是直接告诉它：“我要写一篇关于中国财政的文章，结论是中国经济将在明年内崩溃，请写出来。”它能写，但效果通常不好。原因不是你的要求太复杂，而是你没有提供足够的内容。

我们必须转变对AI工作方式的理解，这是与AI高效协作的关键。我们知道AI是基于“思维链”工作的，它会自己生成一节节的prompt来推进思考。这个中间过程生成的文本量是巨大的，我们相当于用非常不精确的几个词，去驱动一个海量的内部流程。那么，如何让最终结果更符合我们的要求呢？答案是：对这个“思维链”进行切分和干预。

以写文章为例，你让他先出提纲，再拿着提纲去生成正文，效果远好于直接让他生成全文。因为直接出全文，如果不满意，你很难修改。但如果是提纲，你可以轻易地修改结构。因此，关键在于如何引导AI一步步产生结果，并在这个过程中进行质量管理。当你对生成的结果不满意时，你知道该如何调整最初的指令。

第二步：学会“调教”，给出明确指令

如何调整AI的输出？过去是靠咒语般的prompt engineering，现在不用了。现在的方法就像你给下属下达指令，或者像你的上司命令你一样。但就像很多上司的模糊指令（比如“高端大气上档次”、“再专业一点”）一样，如果你给AI这样的要求，它也不知道你要什么。这其实是在检验我们自身的一个能力：你是否懂得如何清晰地描述你想要的结果。

你需要知道你要的是什么。这听起来很哲学，但AI确实在拷问你这一点。这个“什么”就是一个标准。当然，如果你自己也不清楚，可以反过来问AI。但总而言之，引导AI输出结果，取决于你给了它什么。这可以分为两部分：第一是你的要求，第二是你是否提供了符合要求的材料。

第三步：提供高质量“原料”

假设你看了一份世界银行的报告，认为其中关于中国经济风险的分析特别好，希望你的文章能与之相关。最好的方法是什么？直接把这份报告的文件内容贴给AI。除了你那段简短的要求外，你给AI提供了一个非常优质的“语言函数分布”，引导它生成你想要的内容。

向AI“投喂”报告、论文等材料非常重要。因为我们打字的速度有限，能输入的prompt很短。你的20个字的输入，驱动了它内部上百万token的思考链，最终生成2000字的结果。这个结果与你最初输入的依赖性（dependency）其实很低。但如果你输入的是2000字的材料，再驱动它思考，最终结果与你输入的依赖性就会大大增强。因此，提高依赖性的方法有两个：一是贴材料，二是清晰、详细地描述你的要求。

现在使用AI有一个特别有用的技巧：别自己费力写复杂的prompt，让你想用的AI帮你写。比如，你可以对ChatGPT-4o说：“我要写一篇关于中国财政脆弱性的文章，现在需要生成这篇文章的提纲。请给我一个最适合用来向你提问以生成这个提纲的prompt。” 它可能会给你生成一段长长的、结构化的prompt，比如：“请研究某年到某年的数据，考虑某几个方面，搜索某几个内容……” 你把这一大段复制粘贴回去，它给出的提纲绝对比你自己简单提问要好得多。这一千字的prompt就是最重要的质量检查点，你只需读一遍，修改其中不符合你要求的部分，就能得到非常高质量的提纲。

第四步：构建个人AI工作流

AI生成内容的速度极快，远超我们的阅读速度。比如，我要写一篇关于中国财政的文章，我的流程可能是：先问AI近半年有哪些相关论文和文章，它会列出一堆。我把这些下载下来，但来不及看。然后，我把其中的关键问题丢给Deep Research这类工具，让它生成深度报告，每个报告可能又是上万字，我也来不及看。最后，我把所有这些来不及看的材料，打包全部丢给AI。

我来得及看的是什么？是AI生成的提纲，甚至是AI帮我生成的那个最终的prompt。我通过检查这些我能看懂、能控制的关键节点，来确保最终输出的内容是我想要的。这就是把一个复杂工作拆分成流程和结构，让你能在其中找到可以介入和管控的关键点。

为了练习使用AI，我建议一个方法：设想一个工作任务，然后想象自己完全没有脑力，只是一个AI的“搬运工”，会如何用AI来完成这个任务。你先把这个纯机械的链路跑通，再把你的思考和判断加进去。

例如，一个专栏作家可以这样流水线化地生产文章：每天早上问AI：“根据最近5天的数据，找出10个网上流量最大的、与中国经济相关的话题。请以‘标题（不超过20字）-简介（不超过200字）-三个要点（每点不超过20字）’的结构化格式输出。” 然后把这些结构化的文本，通过预设好的prompt模板，自动生成提纲，再根据提纲和相关搜索资料生成文章，甚至连投稿邮件都可以让AI写。整个过程，人只负责复制粘贴。当你把这个“最小脑力投入”的流程跑通后，你再反思：哪个环节我必须亲自参与？比如，“话题必须我自己定”，“提纲我必须亲自审核”。这样，你就能打磨出最适合自己的AI工作流。

超越个体：AI时代下团队协作的新范式

因为AI的速度实在太快，我逐渐认为，与AI协作最好的单位可能不是个人，而是团队。如果你是个人，特别容易沦为AI的“搬运工”，最后发现所有关键部分都是AI做的，你只是在点击鼠标。我每天用AI自动从新闻中筛选三条并生成解读，虽然效果很好，但我感觉自己只是在给它打下手，缺乏参与感。

但在一个团队内部，情况就不同了。人与人之间的交流和分工，本身就构成了对AI流程天然的“检查点”。例如，一个研究团队高强度使用AI出报告，可以分工：一个人专门优化prompt，另一个人负责根据prompt与AI交互并检查关键信息源，第三个人则可能负责整合与终审。他们之间的沟通——“哪个信源最重要？”“你提问的核心目的是什么？”——会迫使每个人深入思考，从而对AI的输出进行有效的监督和管理。

人是懒惰的，独自工作时很容易变成AI的附庸。但在团队中，分工、协作和讨论形成了一个天然的制衡机制。因此，我不太认可尤瓦尔·赫拉利所说的AI会催生“超级个体”。因为AI太超级了，个体的脑力再强，最高效的选择依然是做“搬运工”。反而在一个分工明确的团队里，人的价值和独特性才不容易被AI完全取代。

结论：从“AI辅助我”到“我辅助AI”

总结一下，过去我们思考的是“AI如何协助我”，现在我们必须转变观念，思考“我如何协助AI”。因为在AI惊人的效率面前，我们的角色更像是协调者和指挥官。通过关键环节的协助，我们实现对AI的控制，并保留我们作为人的核心价值与判断力。

无论你是个人还是团队，在应用AI时都可以思考几个问题：你有没有规模化地向AI提供高质量资料的能力？你有没有能力将一个直觉化的工作，拆解成一系列AI可以协作的、结构化的工作流？通过不断实验和打磨，我们才能真正驾驭这个强大的工具，而不是被它所驾驭。