Yizi Tips

专业化： 不同模型如同不同领域的专家。有的擅长语言创意 (Gemini 2.5 Pro)，有的逻辑推理强 (o3 mini high, deepseek r1)，有的代码能力突出 (Claude 3.7 sonnet)，有的追求速度和效率 (Gemini 2.0 flash)。

成本效益: 简单任务用轻量级模型，复杂任务用强大模型，平衡效果与开销。

任务匹配是关键： 没有"万能"模型，根据你的具体需求（生成报告、写诗、debug 代码、总结文档）选择最适配的工具。

核心： 你给 AI 的清晰指令和上下文

关键技巧：

• 明确角色 (Role Playing): "假设你是一位资深市场分析师..." 让 AI 进入特定视角
• 提供背景 (Context)： 给出足够信息，AI 才能理解任务环境。
• 清晰任务 (Task)： 明确说明你要 AI 做什么 (总结、翻译、创作、列清单...)。
• 指定格式 (Format)： 要求 JSON、Markdown、表格、要点列表等。
• 设定约束 (Constraints)： 字数限制、语气 (正式/非正式)、必须包含/避免的内容。
• 提供示例 (Few-Shot Learning)： "例如：输入 A，输出 B。现在，请处理输入 C。" 让 AI 模仿。
• 要求思考过程 (Chain-of-Thought - CoT): "请逐步思考并解释你的推理过程。" 提高复杂任务的准确性。
• 迭代优化 (Iterative Refinement)： 第一次结果不满意？调整提示词，逐步改进。

AI 的"私有图书馆"： 独立于模型训练数据的、你可以提供的特定信息集合（公司文档、项目资料、产品 FAQ）。

用途：

• 时效性： 提供模型训练截止日期后的最新信息。
• 领域专业性： 赋予 AI 特定领域的深入知识。
• 私密性： 让 AI 基于你的非公开数据回答问题。

"开卷考试"模式： 让 AI 在回答前先查阅相关资料（知识库）的技术。

流程： 问题 -> 检索知识库相关片段 -> 增强提示词 (问题+资料) -> AI 生成答案。

优势： 极大提升答案的准确性、相关性，减少"一本正经地胡说八道"（幻觉），并能溯源信息。是企业应用 AI 的核心技术之一。

作用： 调整模型输出随机性的参数，常见范围是 0 到 2。

效果：

• 低 Temperature (如 0.1 - 0.5): 输出更确定、一致、聚焦。AI 会选择最可能、最常见的词语。
  适合： 事实问答、代码生成、文本摘要、标准化报告。
• 中 Temperature (如 0.7 - 1.0): 在创造性与连贯性之间取得平衡。这是许多应用的默认值或良好起点。
  适合： 大多数日常任务，如写邮件、内容初稿、受控的创意写作。
• 高 Temperature (如 1.1 - 1.5+): 输出更多样、随机、有创意，有时可能不连贯或偏离主题。
  适合： 头脑风暴、写诗、生成非常规想法、探索多种可能性。

注意： 过高（接近 2）可能导致输出完全混乱、失去意义。

建议： 从中间值 (如 0.8 或 1) 开始尝试，根据需要调整。追求严谨调低，追求新奇调高。

• 上下文窗口限制 (Context Window Limit)： 每个模型能"记住"的对话历史长度有限。超出部分会被遗忘。
• 信息丢失/漂移： 对话越长，越容易忘记早期指令、细节或偏离主题。
• 效率问题： 反复澄清可能比开启新对话更耗时。

管理技巧：

• 保持简洁： 尽量一轮说清一个子任务。
• 适时总结： 在长对话中，定期重申关键信息和目标。
• 分解任务： 复杂问题拆分成多个小对话。

• 分解复杂任务： 不要指望一个提示词解决所有问题。将大任务拆成小步骤，分步引导 AI 完成。
• AI 是副驾驶，不是自动驾驶： 把 AI 当作强大的助手、激发器、初稿撰写者，而非最终决策者或完美答案的提供者。
• 批判性思维与验证： AI 会"幻觉"！务必核查 AI 生成的关键信息、数据和事实，尤其是在重要决策或发布内容前。
• 利用 AI 进行学习和探索： 让 AI 解释复杂概念、提供不同视角、模拟场景。
• 尝试不同措辞： 同一个意思换种说法，AI 的理解和输出可能大不相同。