Prompt与启发的传递 李继刚最近创作的一系列 Prompt 很值得研究，尤其是思考七武器（见公众号：李继刚），其中最令我眼前一亮的是“问题之锤”（图 1、图 2、图 3、图 4）。 他的 Prompt 都是用 Lisp 语言写成的，与自然语言的效果差别，可以参看这篇文章： 有兴趣的人可以认真拆解一下他的 Prompt，会有不少启发。我看下来，有 3 个关键点值得注意： （1）【对书本知识的深度抽象】，对经典的书籍或材料中的知识组块进行抽象，提炼出一系列关键概念与概念关系，用尽可能少的概念命题，映射出知识组块中的关键结构。（注意“苏格拉底”和“问题之锤”两个定义下的各种关键概念） 这是 Prompt 文本的意义与内容维度，从书到人，涉及自然语言的组织。 （2）【面向机器的形式化编排】，用 Lisp 语言进行规范性的编排，通过定义与限定，来确保大模型领会的准确性。纯自然语言在解义上的自由度在这里是一种需要规避的负面因素。（注意 Prompt 中的一系列格式与限定） 这是 Prompt 文本的结构与形式维度，从人到机器，通过形式语言来规范。 在（1）中，抽象的自然语言，收敛压缩“人”的思考与领会。抽象是为了还原，用尽可能少的符号拉拽出尽可能多的经验。最终还原的效果，取决于我们在抽象之前的领会的深度以及操作抽象过程时使用的语言的精准性。这需要编写者具有深度阅读的能力，当然，配合 AI 会事半功倍。 在（2）中，精确的形式语言，约束牵引“机器”的注意力。为的是让机器获得一系列思考的步骤、方向与线索，让“机器”的头脑里产生“人”所希望的语义预测-生成活动。掌握编程语言似乎有些门槛，但有 AI 加持，这门槛算不上太高。 概括地说，（1）和（2）完成了人→AI 的压缩与还原。下面的（3）则执行 AI→人的压缩与还原。 （3）【结果的再压缩与启发】，利用表现形式对 AI 的思考结果进行再压缩。李继刚的 Prompt 一个特色就是卡片式的呈现，且内容非常简练，这是对精准的思考内容再度压缩-抽象的结果，常常有一语道破的惊艳。 在（3）中，言简意赅的生成结果，有机会在使用者的心智中制造一种恰到好处的还原（解压缩）——使其获得一种被点亮、被启发的感觉。我做了一个测试，仅用自然语言，与 AI 做最简单的询问，但最终要求它给出最凝练、最扼要的答案——甚至限定字数。我的问题是如何区分自恋、自信与自爱。AI 先是吧啦吧啦一通，最后概括说，自恋：醉于镜中影；自信：稳于心中力；自爱：暖于心灵田（见图 5）。别说，结果还挺像那么回事，“镜中影”尤为切题。记住了这十几个字，也就抓住了能拉拽出整个答案的关键线索。这是 AI→人的压缩与还原。 我在《》里提到，想要 AI 启发你，必须先启发 AI。这个 Prompt 是范例。 提示词作者受到某些知识的启发，并对这些知识进行抽象（1），结合特定的形式，将 AI 约束成特定心智模式（2），这种心智模式会被特定类型的输入所启发，AI 将这些启发再次抽象，启发回输入者（3）。如此，完成了一次启发的传递。 大概这些，希望对各位有启发。 收起