为什么写真正精确的提示词如此之难？
我们来看一个问题——
“中国历史上有多少个皇帝？”
这个问题够明确了吧！
但你这样去问AI，再强大的AI也不可能给你一个确切的数字。
原因在于——
1.皇帝从什么时候开始算，从秦始皇算，还是从三皇五帝开始，还是从夏朝开始？
2.生前未称帝（如曹操、司马懿），死后被追尊为皇帝，算不算？
3.割据政权（如辽、西夏、大理）的君王算不算？
4.分裂时期（南北朝、五代十国）的君王算不算？
5.短暂称帝的黄巢、李自成、洪秀全、袁世凯算不算皇帝？
6.金末帝完颜承麟在位不到1天，城破身亡，算不算皇帝？
........
当以上问题都不明确时，中国历史上的皇帝数量在200+到500+这个落差极大的范围类飘忽不定。
而归根结底在于——问题中看似非常明确的“中国”、“历史”、“皇帝”这三个词都是一个模糊的概念。
它们各自在大模型的语义向量空间中是发散的，而非收敛的。
所以，提示词的精确永远是一个相对的概念，这是由自然语言本身的特点决定的。
从这个意义上，写提示词的艺术并非追求绝对的精确，而是在注定的灰度中寻找足够清晰的边界。
我个人的一个强烈体会是：AI给的答案往往不一定能符合预期，但它经常能提醒我更深刻地思考我提的问题本身。

豆包新发的1.8模型，在火山引擎后台测了下它的Agent，让它根据六度分隔理论，从《霸王别姬》的豆瓣页面只通过点击到达《我不是药神》，它完成得不错，有点东西。
它的路径是——《霸王别姬》-葛优-《我和我的祖国》-文牧野-《我不是药神》

帮转

豆包的按住说话是没有时间限制的，而元宝则限制在一分钟，这些微妙细节积累得多了，产品差距就体现出来了，鹅厂得加油，不要低估了宇宙条～

看一家公司某个方向的动态，我习惯去它的招聘官网看其招聘动向——字节招聘官网，和AI相关的职位，仅产品岗就有583个，什么叫饱和投入？这就叫饱和投入

一个小暴论——在我看来，哪一天海马体或天真蓝其中任何一家因为AI的冲击关门了，彼时AI图像才算真正普及了，现在国内的所有人群中，能用上Nano Banana的人比例还是太小了。

地主家的余粮也不是无限滴

DeepSeek带来了文字的AI味，Nano Banana Pro和NotebookLM带来了信息图和PPT的AI味。

和之前相比，Nano Banana Pro AI味道淡了相当多，这个模型的上限还没有被充分挖掘，另外，貌似在Gemini里用，只能出2K，出不了4K？

详情请看报道《摄影棚里的宇航员：美国登月造假调查》——mp.weixin.qq.com

通过Nano banana Pro ，我截获了一批美国登月造假的铁证——