如何使用任何生成式 AI
2026-05-15•3 min read
从 ChatGPT 切换到 Claude、Gemini、Grok，或者任何开源模型，都不应该意味着要重新学习如何提示、信任什么以及可以安全地委托什么。它们底层共享着相同的几种特性，并且用同样的几种习惯可以从所有模型中获得好的结果。
Anthropic 在两个免费的 Skilljar 课程中教授了这些内容：AI Capabilities and Limitations 和 AI Fluency Framework Foundations。这些特性在 ML 领域已经存在多年，而这些习惯是优秀提示工程师一直以来都在做的事情。
聊天 LLM 实际上是如何工作的
每个聊天 LLM 在底层都有相同的几种属性。说出哪个模型刚刚“咬了你”，通常就能找到解决方法。
- 下一个词元预测。 模型会根据之前的内容猜测下一个文本片段。它不会去查找任何信息。将输出视为草稿，验证任何重要内容。
- 知识。 模型只知道它被训练过的内容，而且只是大概知道。对于任何最新的、小众的或私有的信息，请粘贴源而不是让模型回忆。
- 工作记忆。 上下文窗口是有限的。不要粘贴整个代码库。粘贴前进行修剪、总结或分块，并避免将重要内容埋在长提示的中间。
- 可控性。 模型会响应清晰的指令、示例和结构。如果输出不正确，请先修复输入。向模型展示好的示例。
- 属性冲突时。 在一种情况下是优势，在另一种情况下就变成了劣势。注意那些同时要求创造性和严格格式的提示，模型通常会在这两者之间摇摆不定，以服务其中一个。
说出哪个属性出了问题（模型忘记了系统提示，它编造了一个函数，它忽略了格式）可以告诉你下一步应该调整哪个杠杆。
4Ds，一种与任何 AI 协作的方式
Rick Dakan 教授（Ringling College）和 Joseph Feller 教授（University College Cork）围绕四种习惯，即 4Ds，构建了 AI Fluency Framework。
- 委托 (Delegation)。 决定什么可以委托给 AI，什么需要自己完成。任何需要真正判断、隐藏上下文或模型无法核实的事实，通常都不适合 AI，无论你使用哪种工具。
- 描述 (Description)。 清楚地告诉模型你想要什么。格式、示例、目标受众、需要跳过的内容。好的提示在任何地方都有效。
- 辨别 (Discernment)。 用批判性的眼光阅读答案。任何模型都可能充满信心地出错。该课程将描述和辨别配对成一个循环：你提问，你检查，你再次提问。
- 勤勉 (Diligence)。 对你发布的内容负责。核实事实，尊重隐私，说明 AI 提供了帮助。这才是你应该工作的方式，而不是任何一个工具的特性。
为什么这优于提供商之争
押注于“我擅长 ChatGPT 提示”或“我懂 Claude 的技巧”，意味着每次你的团队切换工具时都要重新学习一半内容。排行榜每隔几个月就会洗牌。而这些特性和 4Ds 不会改变，它们会在每一次版本更新中持续带来回报。
这两个课程都是免费且简短的。请按顺序学习：先学习 Capabilities，然后学习 Fluency。