別讓人工智能填補所有重要空白

人工智能被稱為“辣味自動完成”、“令牌預測器”或“隨機鸚鵡”。無論你問誰，結果都取決於他們對這項技術的看法。但所有這些説法的核心真理是：AI非常擅長填充空白。一個半成形的提示詞加上零星細節，就能輸出可用的結果。對於局外人來説，AI的“魔力”一半就在於它填補空白的能力。

然而，這種填補空白的能力正是導致AI生成內容顯得平庸和千篇一律的原因——你得到的只是人類輸出的統計平均值。理想的做法是反其道而行之：在擅長的領域給出具體且詳細的指示，朝着符合你品位的方向充實內容。如果你知道HyperLogLog能輕鬆滿足精確需求，就不要讓AI在不同解決方案間徘徊。

這意味着將大型語言模型視為結對程序員，而非魔法黑盒。用具體的技術或美學決策錨定提示詞，剔除AI用平庸替代你個人品味的傾向。

模糊的指示無法實現有效授權。當提示詞不夠明確時，你其實是在放棄定義產品的核心工程和決策。這時需要捫心自問：使用AI是為了槓桿效應，還是把它當作逃避認知負擔的出口？

拖延思考是常見陷阱。寫一個觀點明確的提示詞幾乎總是比之後理清未做決策的技術難題要快。當你沒有事先規定實現方式時，“節省”的執行時間只是被推遲到了未來。這種摩擦體現在審查AI輸出時：你會花費精力去理解它為什麼選擇特定數據結構或狀態管理模式。在提示詞中多花三十秒明確約束條件，能大大提升獲得理想結果的可能性。

AI難以產生可重複結果的抱怨也源於此。用户自己填充空白可以在一定程度上減少這個問題。非確定性在模糊性中滋生：提示詞越開放，AI在不同運行中循環的變體就越多。縮小問題空間到一條單一、明確的“快樂路徑”——即你的路徑——AI就不再猜測你的想法，而是直接翻譯你的具體需求為代碼。

當然，這也要求提升提示詞編寫技巧。看着通用設計或代碼片段歸咎於AI缺乏靈感很容易，但問題通常在於提示詞，進而在於我們自己。大語言模型雖能在未明確告知約束的情況下輸出功能性結果，但這不意味着你可以完全跳過這些約束。半心半意的輸入必然導致乏味的輸出。

感謝閲讀至此！如果你正在構建有趣的項目，需要幫手加速交付，或只是想打個招呼，歡迎聯繫。我的收件箱隨時開放。