关于AI的定位
n5321 | 2026年1月29日 23:16
虽然在日常chating，但完全是直觉式的，这个直觉背后的assumpting其实很重要！
LLM本来的定位是prompt，是另外一种智慧机器的语言。只是抽象的程度更高！但是他还是指令式的。更升级一点，做AI-assistant，他其实还是一个助理，一个被动，服从的object！
是直觉的影响，或者marketing的影响，好像把他在往omni science and omni potential上面靠。在主客体，在上下级关系上面，有一点反过来了。本来你是上级，AI是下级，但是直觉式的操作下，反过来了，变成了你是下级，他是上级！
你有一个意图或者说一个目标，问他怎么实现，然后他給代码，給解释，你复制粘贴，报错！
再把报错信息，复制粘贴给他，他再改动。你在这个基础上迭代，最后代码跑起来了，打完收工！
这是一个可行的路径，却是错误的，耗费tokens，浪费时间的路径！
如果把上下级关系复位，你是上级，你有一个任务要完成！改过来，不是一个目标要实现，意思差不多，但是上下级关系变了！不是你请示他，而是你安排他！
把这个上下级关系理顺！prompt的结构——RCSOI 意义就出来了！
你希望 AI 扮演谁？用来锁定视角与输出质量。
专业意见： 角色要“可执行”，不要太抽象。
价值： 让模型直接进入正确语境。
2）CONTEXT（上下文）
告诉 AI：当前情况是什么？已有事实是什么？约束是什么？
专业意见： Context 写“事实”，不要写“愿望”。
价值： 防止模型乱猜，减少跑偏。
3）STEPS / TASK（任务步骤）
你要 AI 做什么？最好拆成步骤。
专业意见： 复杂任务必须拆步骤，否则 AI 会直接跳到结论。
价值： 输出更稳定、结构更清晰。
4）OUTPUT FORMAT（输出格式）
你要它怎么输出：JSON？Markdown？PlantUML？表格？代码块？
专业意见： 规定格式 = 强约束，质量会提升一个等级。
价值： 可复制、可自动化、可接 IDE pipeline。
5）INSTRUCTIONS / RULES（规则与禁区）
禁止什么？必须满足什么？怎么处理不确定性？
专业意见： 规则写“红线”，别写成口号。
价值： 防止它自作主张。
只有跟领导请示汇报的时候，你才需要做很多解释工作！跟下属安排工作的时候，提供的就是信息量准确的干货了！你安排了什么任务，任务的要求，评估的标准，需要的资源等等！
切换到这个角度，应用AI的刀就磨快了，prompt就可以算是一种更高级的语言！一个prompt library就有了足够的意义！只不过这对人提出了更高的要求。
清晰的vision，果断的判断力，完全的责任！ 这是AI没有的东西！
