Let's Make AGI Real

相信作为研究生的你，对大语言模型（LLM）已经毫不陌生。你平时大概率已经频繁且熟练地用它来查阅资料、列提纲或是寻找灵感了。毕竟，语言生成（写作）正是大模型最核心的功能，而你又是最懂文字的一群人。

但我也经常发现，你的应用能力似乎并不高明，写出来的东西AI味很浓，虽然也知道你会“以毒攻毒”，用大模型去除AI味；你的提示词收集了很多，已经写得很丰富了，自己也在反复不断尝试，但它产出的内容还是达不到你的专业标准、缺少个人风格？这其实往往不是因为你不够懂技术，而是因为 AI 的运行逻辑与我们日常的人类沟通习惯存在差异。我们在与 AI 协作时，很容易陷入一些“直觉陷阱”。

结合实际测试与应用经验，以下整理了几个进阶建议。希望能帮你在这个基础上避开常见误区，让大模型真正看到你独特的文字审美。

一、 认知升级：它不是全知的“许愿池”，而是你的“秘书”和“工作台”

你平时一定知道要给 AI 下达清晰的指令，但由于我们太习惯日常高效的人际交流，有时难免会高估 AI 的“默认常识”。大模型的常识水平，目前已大致相当于一个优秀的本科生。如果你希望它完成超越这一基础水平的专业任务，绝不能简单地对它“许愿”（比如直接说“帮我解释这篇研究”）。

建议：把 AI 当作一个你的书童（秘书），或者一个拥有多种工具的工作台。当你需要它帮你梳理或修改文章时，不妨耐心地向它交代背景：这篇内容的受众是谁（比如是非专业但好奇的大学生）、你希望它从哪个宏大的图景切入、哪些复杂的概念需要举例拆解、哪些部分可以简略带过。你交代得越细致，它的潜力发挥得就越好。

二、 流程优化：用理性的“工程思维”承载你的感性审美

优秀的写作者都有自己独特的行文节奏和构思习惯。我们往往认为文科写作是神圣且浑然天成的，抗拒将其拆解为冷冰冰的“流水线”。但如果不做拆解，AI 往往只能笼统地模仿表层肌理。

建议：诗意的传达与理性的安排并不冲突。其实你潜意识中已经有了一套成熟的创作方法论，试着把它显性化。例如，你可以尝试把创作拆解为多个微观步骤（某个学科问题的完整研究过程）：先让 AI 观察现象、收集资料、提出假设、提炼事实、接着合并聚类、挑选能产生共鸣的故事、为故事排序、再寻找更宏大的图景进行关联。就目前最前沿的大模型水平来说，成熟的成果写作也常常需要20个以上的步骤，让 AI 在每一个切面极小的细分步骤里为你打工，最后拼合起来的，依然是你原汁原味的个人风格。

三、 算力保护：帮 AI 做好“体力活”，才能榨干它的“脑力”

在做深度研究时，你肯定会丢给 AI 大量的文献、PDF 或网页让它阅读总结，这是非常高效的用法。但你可能没注意到，AI 是非常会“偷懒”的。如果你丢给它排版复杂的 Word 或 PDF，它会把大量珍贵的算力浪费在解析格式上，真正用来理解文字内容的精力就大打折扣了。

建议：在人机协作中，为了让 AI 专注于智力运算，我们可以主动帮它打个下手。试着把你搜集到的资料转换为最纯净的 Markdown 或 TXT 纯文本格式再喂给 AI。剔除无用的格式干扰后，你会发现 AI 阅读和提炼内容的深度会有一个质的飞跃。

四、 任务设计：顺应 AI 的记忆逻辑，善用“压缩”而非“扩张”

我们在写作时，常常能由点及面，从几句话引申出一篇洋洋洒洒的深度长文。但如果要求 AI 根据仅仅 100 字的提示词扩写出一万字的深度好文，它大概率会开始胡编乱造。因为 AI 的上下文记忆是有限的，就像把一个人关在小黑屋里读一天书，出来后他只能记住很少的关键点。

建议：遵循“压缩远比扩张容易”的原则。像我们做严肃研究一样，先把海量的真实语料、几十万字的背景材料喂给它，然后让它从中提炼、压缩出一万字。有扎实材料支撑的“压缩”，其质量远超让 AI 凭空捏造的“扩写”。

五、 质量把控：克制“亲自上手改”的冲动，去优化你的“产线”

作为文字创作者，你的审美要求必然很高。当你看到 AI 输出了一份勉强及格的初稿时，一定会本能地想亲自上手把它改到尽善尽美。但这种“越俎代庖”的修改往往让人精疲力尽，最后你可能会产生“还不如自己全写”的挫败感。

建议：试着把自己当成餐厅的行政总厨——发现菜不好吃，不要自己去切菜炒菜，而是去调整后厨的配方和流程。克制住直接创作的冲动，转而去修改你为 AI 搭建的“提示词产线”，让它能稳定产出 75 到 80 分的作品。在此基础上，充分发挥大模型的“数量优势”：比如让它一次性报出 50 个选题，或者生成好几个版本的段落，最后再用你挑剔的人类品味，从中选出最惊艳的那一个。

总而言之，无论 AI 的技术如何迭代，一篇文章质量的上限，始终取决于你手中掌握的真实世界材料，以及你独一无二的审美判断。在这个过程中，AI 只是那个帮你执行的“动词”，而真正主导一切的“主语”，永远都是你自己。