「总想说点什么系列📝」

具有理科思维的人写出来的文字和内容，才更容易获得AI模型的理解。

这里的“理科思维”，指代的并不是你所学专业的偏向性，而是你面对问题时，是否有「解构问题」的能力。

通过对问题进行「拆解，重构」；进而把【问题】转变成过往的「经验」可以触达的内容，而这些内容，你可以用所明确的「知识」来处理眼前这一团看似毫无章法的的「问题」。（换句话说，其实可以叫“信息”）

这点在 AI工具的使用上尤为明显；

你手头的 AI 工具可以产出多高质量的内容，取决于你对该问题用语言把控的程度。

Garbage in, Garbage out

从语言模型引导内容生产，你可以抽象地理解为：

你用这 Prompt织成一张网，你用这张网，在语言模型的汪洋里捞出来什么样的鱼。

你的 Prompt 给出的越为明确且富有调理，你的这张 Prompt 渔网也会越为坚固耐用。可以捞出来的鱼（生产的内容）也就越多，越新鲜。

所以，网上有很多教你怎么写出一个「结构清晰」，「脉络分明」的框架有很多。

例如最常见的CRISPE框架，RISE框架，ICIO框架等等。

这些本质上，都是在试图教会你如何“快速的学会打鱼”。

打上来的鱼，先不说肉质如何，成色如何。保证你可以有一条鱼可以打到。毕竟有些时候，先说有没有，再说好不好才是硬道理。
大家深知：“授人以鱼，不如授人以渔。”

所以很多时候，大部分人分享套用的Prompt，还是借用他人之视角，来审视自我眼前的这个问题。

这么做当然没问题，但是，「还不够完美。」

有的人在套用了别人的Prompt之后，得出的结果是知其然，不知其所以然。（别管为什么，就说能不能用。）

这样只会一味的模仿而并不实际去思考作者背后真正「思维链」的话，只会变成所谓的高分低能，而无法真正掌握这个工具。

因为缺少了建立“抽象概念”到“具象事物”关系的映射，换句人话说，就是缺少所谓的“逻辑关系”。

进而没有建立起来可以识别该问题的「概念」。

你就会听到某些人在面对一个问题的时候，说自己没有概念，说自己没有这方面相关的知识。没办法处理。

但其实，能意识到这点，就已经比大多数人学习能力要强很多了。

因为对于“抽象概念”和对“具象关系”的判别，就已经说明这个人拥有识别“文字信息”和“现实问题”的能力了。

这些人在使用 AI 工具的过程中，也会更加的得心应手，亦或者说，更知道怎么调整 AI。

（想念叨的还是好多，总之就是，别沉迷于如何写好一个 Prompt ，这个东西对于你理解 AI 没有半点用，真想搞 AI，去啃理论知识。学习这个事情上面，慢就是快。）

其实，某种程度上来说，使用AI的过程，其实也是人类在认识自己的过程。

用AI来辅助创作和思考，是这代人必须学会的一个工具。