【论道】AI术势

"术是道的具现，道是术的规律" ——佚名

本月无事，所谓一些库的入门指南懒得去写，去参与更深一步的论术也无从下笔，不愿荒废掉每月一次的内视总结，索性就以ai门外汉的身份写一写对ai的理解与未来的趋势，想到哪就写到哪

23年gpt诞生，传播到国内后就有了大量聚合类平台，而后某些人/团体认为这是ai的最终发展形式，纵向来看，国内外某些ai为了抵冲成本，率先发起ai付费服务。横向来看，国内某些已有留存量的公司则开启了聚合类ai的试水，更有甚者开启了token计价(此情景至今也有)，依托的是大部分人没有梯子看不到外面的世界这一缘故(针对国内特殊情况)

24年国内各大企业开始下场角力，你方唱罢我登场(也见识到了各类人工智障)

25年初，deepseek横空出世，对其原理了解不多，但从使用者的角度来说，与别的ai最明显的区别在于展示了推理过程，尤其在可以自我修正这一点上可以说已经初具高级工业革命的雏形。

在此期间，既看到了某个ai爆出蒸馏国外大模型数据的慌乱，也有看到某ai先付费后免费最后全面基于某开源模型的窘态(谁说开源的就比不过私域付费的？头给他打歪)。

AI，本质上是大量数据基于指令的概率体现。

讲到这里，突然想到前阵子发生的一件事：

前阵子心血来潮买了一本deepseek实战指南，除去前几章的手摸手教学外，其余通篇都是讲如何定义一个合适的指令用于实现各类AI+需求 , 看完后内心复杂，最大的感受就是小钱钱又打水漂了—— 当前技术爆炸的时代，所谓论术的书没必要再去消费，把握住事物的道方可举一反三。

尝试想象这个场景：

一个渔夫，某时某刻在某地打鱼，也许今天捕了一网a种类鱼，也许今天捕了一网b种类鱼，但总会有，只是种类的区别或者个数的区别，但总归有。

这个例子里，大海类比大模型，网是指令，而鱼本质上就是ai的反馈，这三者中，网是对于使用者来说最重要的一部分，它是约束，是范围，是限定条件，只有在指令正确且合理的情况下，才可以真正让ai给出适合的反馈，也可以尝试下展开多个对话询问同一个问题，反馈并不完全一致，这是由于ai在推理过程中所引用的数据并不一致导致。

想要捕获到合适的鱼，就要学习下网的时机和相关技术。

大模型支持长文本的能力，使得ai可以基于上下文处理更多复杂的问题，想要将ai调教成更适合自己的模样，本质上就是要对prompt进行合理可控的设计。

一个用于处理复杂问题的prompt，总体来说由角色扮演，目标定义， 输出限制构成，详细的自不必提。

但是如果all in ai的话，谁又能记得住那么多指令，谁又能针对某些特例特意学习某些指令？

不如交给ai吧！

一句话： 描述具体需求，由ai给出合适的prompt。

长期以来人与ai的关系总是如此：人类作为目标提出者与反馈的接收者，对ai做出某些指令，ai作为目标的执行者，在给与推理后将数据反馈给人类，这是一个两者双向的过程，但是受限于人类的自然思维与ai本质的机械理解逻辑，想要从ai得到正确的答案总是会有些吃力，假设使用此方法，则可大幅提升对话质量。

(越来越喜欢纯函数了，感觉万物都可以纯函数)

举个栗子或许可以理解：想要开垦土地，使用锄头或许是一种办法，但是用耕地机效率更快且质量更好。

原理就是将第一个大模型作为输出prompt的工具的工具，第二个模型作为真正输出prompt的工具，以此类推。慢慢理解，请你理解

好在当今已有类似的产品用于上述的逻辑实现，如coze

让工具生产工具，是地球几次工业革命的本质。让ai来指导ai，这也是未来的趋势，本质上也是工业革命的高级显化形式。

而在未来，正确的描述将比正确的事更重要，如何定位人类自身在这场变革中的位置，也将是一件争议满满的事。

2025年8月，腾讯发布了一款智能IDE，一行指令实现了一个浏览器插件项目，亲测可用。看了项目源码后，忧虑更甚。

上面都是编的。

以上。