关于AI使用的体会

首先寄出 真@人工智能 警惕文章：为什么最近有很多名人，比如比尔盖茨，马斯克、霍金等，让人们警惕人工智能？ - 知乎

在2025的AI爆发年，在使用了非常多的产品从使用角度越来越深入以后；总觉得AI哪不对； 

总结起来包含以下几个点：

1、AI并没有理解语言，没有理解思维结构，没有逻辑结构，没有理解知识。这些东西在AI内部是无数的向量、无数的权重、无数的算法和其他组成的；

2、AI在专业领域是现有知识的专家； 他们有无数多的知识。但是他们并不会主动的将这些单领域的知识或多领域的知识进行融合；如果有融合，那么一定有历史文献告诉过它。这些东西应该怎么组织，怎么使用；如果你微调或者训练或AI，那么你一定处理过知识工程，把每一个短片和内容解释给它，这些知识短片最后会回归数学的方式而不是思维链路的方式；

3、AI并不会打破常规，他们非常善于根据历史训练数据中找到你想要的东西，根据当前AI的程度互联网的天花板约等于大模型的天花板。

4、它非常合适完成人工密集性的行业动作：客服、电销等。

5、当前状态下的大模型最好一天事情管一个回话，或者一件事情管一个回话；千万不要让模型去获得大量历史回话数据，然后期望它变的更理解你，然后希望用更少的描述获得最快回复。这样只会造成大模型越来越模糊，精度越来越低，反应越来越慢。我们应该做的是整理好一个事情的前因后果，告诉大模型我们的目的，需要使用到的手法技术等内容。让它去执行，不是让它理解你，或者倾向你。大模型是工具不是爱人，你不需要一个工具来理解你倾向你。

6、使用良好的提示词习惯，约定它的身份、约定你的目的。让大模型重复你的要求，当使用者觉得目标一致后，再让它开始干活，并且是逐步完成，而不是全量处理，它记不住那么多东西，它也没有严谨的逻辑；

7、越是复杂的任务，一定要和大模型对其目标，减少代词使用，并逐步完成；

8、在项目实施过程中如果其中一直需要使用到大模型，你至少需要准备几个文件：每次回话结论、已完成工作、待完成工作、工作纪要；大模型是没有记忆的，你不要指望它看到一个word 就能想起3天前的工作内容，每一个回话都是一个全新的开始；

9、一个回话越长越久内容越杂，大模型精度越来越低，因为它的上下文已经混乱了。

10、当前的MCP也好，Agent也好，AI编程也好。需要一个工作流程去编排业务，并通过各种方式去完成工作流；

尤其是Course如果你使用过它，你会发现背后有一套严谨的行为逻辑,整体逻辑大概如下：

        用户提出要求-->AI开始“理解”、补全用户需求---->AI给出方案让用户确认--->写一个比较干货的MD文档供大模型自己阅读记忆 -->开始拆解任务及小模块--->逐个执行核心业务---->完善旁支业务---->执行检查错误---->根据上下文内容开始修补错误的代码---->开始运行项目检查各种错误--->根据错误反复修补、修复程序--->最后总结工作内容，并反馈整理成md输出给用户---->更新最开始的那个干货MD文档；

11、从简单的业务来讲， DeepSeek满血版 和 7B模型没区别，只是专家模型少了，精度下降了。但是你一个小感冒真的需要去协和医院或者华西总部么？