可以说，我现在工作流的一切，基本上都被 AI 接管或者辅助了，它为我实现整体效率提升了三倍不止。
它真真正正的变成了我的私人助理，渗透了我工作、学习、生活的方方面面....
包括你现在正在看到的这篇文章，除了写作是老常本人完成外，其它的诸如排版，增补、润色、纠错等诸多环节，都是通过 AI 完成的....
其实，用同样的工具，我之所以能用它创造出实际的价值，而你却陷入了【回答好空，不知道用来干嘛】尴尬情况的核心原因.
就是因为你缺少了这么两点~
1.你拿到了屠龙刀，但是不知道怎么挥动它。
也就是：没有掌握 AI 的使用方法。
2.你能挥动它，但是你不知道挥往哪里，去哪屠龙。
也就是：无法让 AI 与自身的应用场景关联起来，最后屠龙刀只能当烧火棍用。
可以说，几乎所有无法用AI创造出实在生产力的同学，都死在了这两关上。
所以，咱们接下来展开讲解的逻辑，就是围绕着：使用 AI 的方法（帮你挥动屠龙刀），以及 关联AI 的应用场景（让你知道挥往哪里去屠龙）这两条逻辑线来帮助你彻底掌握 GPT 的应用~
首先，我们先来介绍下用好 AI 的第一条线，也就是：带你掌握使用AI的方法，来帮你【挥动 AI 的屠龙刀】！！
其实很好理解，由于目前人类的技术对自然语言（人说的话）处理的技术还不完美，所以导致目前 AI 生成内容的质量，非常依赖于提示词（Prompts）
PS：你可以把“提示词”理解成：让 AI 能精准 Get 到你意图的话，或者与 AI 沟通的语言方式。
也就是说：如果你给AI的提示词质量不好，或者不到位，那么 AI 给到你的，往往就是那种 “像是一堆正确的废话堆积而成” 的文字垃圾。
这些东西和你用搜索引擎搜出来的那些拼凑而成的口水文，没有本质区别，对你毫无启发性。
所以，想要获得 AI 高质量回答的第一步，就是先学会与 AI 沟通的语言，也就是学会写提示词。
关于会给AI写提示词的重要性，OpenAI的CEO，也是被称为ChatGPT之父的 Sam Altman 就专门发推强调说：会给 AI 写提示词是一个非常高杠杆的技能。
那么，为了让你更直接清晰的认识到，会写提示词的重要性，我们这里不妨再上一个能让你直接感知到的例子~
让你看看，对 AI 提同样的需求，会写提示词，和不会写提示词，AI 所返回给你的结果质量，究竟会有多大的差距.....
好了，通过以上，你就掌握了写提示词的方法了~
不过虽然说可以通过这套思路，设计出优质的提示词，获得 AI 高质量的答案。
但是我们也知道，目前的 AI 还没有进化到逆天的程度，所以对于一些稍微复杂的问题，AI 的一次回答往往并不那么到位。
所以，如果我们想要获得更牛逼，更深度，更有价值的回答，那么我们就需要对它进行调教了~
二：调教方法
其实这个『调教的方法和原理』都很好理解~
GPT 之所以牛逼，就是因为思维链技术（Chain of Thought）让它具备了，多轮对话以及理解&结合上下文语境的能力。
也就是说：在该技术的加持下，AI 会记住我们前面的会话内容，在前面内容的基础上，去针对性的回答我们后面的内容，实现类似于真人之间沟通的对话效果。
所以，基于 AI 的这个机制，我们就可以通过不断的对其"喂数据"&“投指令”的方式，对 AI 进行训练。
通过不断的引导 Ai，来帮助我们获得更具体、更深度、更有价值的回答，或者其他效果。
好了，这里你知道了调教 AI 的机制之后，那么具体该如何训练 AI，才能让它达到你想要的效果呢？
那么，想要实现这个效果，我们就需要用到这么两个指令了。
第一个指令，我管它叫：继续指令
其实这个所谓的【继续指令】的本质作用就是为了：帮助你突破 AI 厂商的输出限制，让 AI 的回答得以充分发挥所存在的。
那么关于这一点的解释，我们也都知道，AI 大模型的训练成本是非常高的。
可能是基于算力成本的考量，包括 OpenAI 在内的各大 AI 厂商，都会尽可能的控制 AI 所生成的篇幅，以及尽可能的通过概括文本内容，让内容变得简练。
就拿 ChatGPT 举例子，它的单次最大输出是不会超过2048个字符的，只要超过这个字符值的，AI 的回答会被强制截断停止。
也就是说，如果你的追问过长或者套娃层级太多的时候，那么你的继续指令，就可能会让 AI 产生歧义，呈现答非所问的情况。
所以在展开追问多层级里面内容的时候，请你一定要明确对象。
比如把：【请具体介绍下第二点】，换成【请具体介绍下提纲中的第二点】这样更具体的描述，这样 AI 就不会给你搞混淆了。
注意事项二：注意上下文语境的关联性
这一点我们前面也提到了，AI 具有强大的多轮对话，以及联系上下文的能力。
如果我们在同一个对话框内穿插多个不同的话题场景，那么 AI 的回答就有可能受到前面内容的影响，而出现乱答的情况。
所以，在与 GPT 的互动中，如果我们想在一个对话框内，问多个不同的话题，那么我更建议你在一个新话题开启的时候，初始化一下 GPT。
也就是把前面的对话清空后再开始新的话题，这样就可以避免 AI 的回答受前面内容的干扰。
具体重置 ChatGPT 提示词的操作是这样的：
好了，到这里我们就讲完了调教 AI 的【继续】指令了~
虽然说该指令可以让 AI 的回答更加丰富多彩，但是受制于语言传递信息的局限性，AI 的每一次回答，可能并不总是如我们的意，甚至聊着聊着还有跑偏的现象发生。
这样，就会让我们获得想要的效果的时候，出现很多不必要的麻烦。
那么面对这种情况，我们就需要用到调教 AI 的第二个指令，这个指令可以帮助你，设计具有“套路属性”&“模版类”任务的时候，有着神奇的效果。
于是经过重复的投喂，一轮轮的调教，最后它就成了辅助我出题的小助手了~
嗯，如果我不提前告诉你，你能分清楚那一个是 AI 出的题么...
所以，不妨思考下你工作中场景，看看有哪些是比较偏模式化的任务，对于这些比较模式化的目标，你都可以通过【奖惩指令】对 AI 进行训练~
在训练的过程中，对于那些符合你要求的地方进行鼓励，对于不符合要求的地方进行惩罚。
最后通过这样来回的奖惩之中，AI 就会达到你理想的行为标准，生成你符合你想要内容的能力，成为你工作中某个场景下的长期助手。
好了，到这里我们就讲完了关于【训练 AI 技术面】的方法了~
但是我们也都知道，无论是知识还是技术，还是工具，它们最终的目的都是为了帮助我们创造实际的生存力所存在的。
如果达不成这个目标，那么即使你掌握了屠龙术，但是没有龙可屠，那么这个屠龙术也是和你没有毛关系的。
我们很多同学之所以拿到了 GPT，也掌握了 GPT 的使用方法，却仍然使用的频次很低，甚至完全用不起来的核心原因，就是因为你没有把 AI 与你所需要的应用场景关联起来。
所以，想要让 AI 为你创造出实际的生产力，你就必须找到自己的应用场景，只有把AI融入到具体场景之后，我们的屠龙刀才会有用武之地。
所以接下来的部分，我就给你分享，在掌握了操作 AI 方法论的基础上，如何让 AI 与你自己结合起来，带来实际的生产力~
3.如何融合AI创造实在价值？
其实让 AI 和我们自身融合的思路很简单，把整个思路概括下来，无非就是两个步骤。
第一个步骤，我管它叫：梳理
其实，这个【梳理】很好理解~
在电商兴起的时，马云曾说过这么一句话：所有生意，都值得用互联网再做一遍。
那么，在 AI 时代，我也想套用同样的话：几乎所有涉及到知识的工作方式，都可以再用 AI 重构一遍。
也就是说：
我们可以通过反思自己的工作场景，把那些可能被 AI 替代或者辅助的部分，都给梳理出来，然后找到它们和 AI 可以结合的点，把这些点按照前面所讲解的思路，给打造出标准化的工具或者流程出来。
说人话概括就是：梳理你日常所有的工作轨迹，找到AI能干的活，然后把AI能干的，一律交给它或者让它辅助你来做。
从而把你解放出来，去做更有价值，更具有创造力的事情。
至于为什么要做这个动作的原因也很简单~
也就是说，除非我们有了一定知名度，数据有被 AI 厂商抓取的价值，否则我们这些个人训练出来的数据，都是无法进入到AI厂商的训练集数据库里的。
也就是说：即使你在一个对话框里，把 AI 训练的很听话了，但是当你重新打开一个对话框后，那么 AI 与我们前面所有的互动记忆都会消失......
总之，当你能按照咱们三维度的思路去做系统梳理，然后，再按照咱们文章开始所讲到的写提示词技能以及训练 AI 的方法，把它给训练出来。
然后，把它们分门别类的固定到你的AI 场景库之后，那么恭喜你，你就成功的雇佣到免费的助理了。
它会帮助你分担掉你各个场景中的大量琐碎，帮助你全面实现工作、生活、学习效率的极大提振。
只要你认真的去做了这件事，并且安排到位了，不说提升你十倍八倍的效率，那么提升个 2-3 倍的效率是绰绰有余的。
当然，最后还要提醒你一点~
AI 现阶段还没有进化到逆天的程度，所以在很多场景下，它还是没有办法做到真人的效果，而且它所生成的答案也不是百分百的正确，在很多时候它也会存在胡编乱造的答案。
所以对于一些重要场景的内容，我们还需要对它进行手工润色，修改，以及对它给的信息进行溯源核对。
总之，纵有 AI 辅助，也不要丧失独立思考的能力，无论是现在还是未来，独立思考的人才能控制 AI，而不是为 AI 所控~
至此，用ChatGPT来练习雅思口语就完全实现了。其中的关键点就四点：
⚈ 安装Voice Control for ChatGPT插件
⚈ 问它：Can you talk to me like an IELTS Speaking Test interviewer?
⚈ 在它一次问一堆问题时候要求它ask one question at a time
⚈ 最后要求它评价：Can you assess my response?
发表于 2023-8-8 11:45:58
变色卡
