使用LLM时的一些基本礼仪

如果你和我一样是个挑剔的人，你可能会避免刷领英（LinkedIn）动态，以防被尴尬到。我觉得这个网站上90%（别引用我）的内容一直都是这种虚伪、充满表情符号的空洞形式主义。我一直认为，除非写作者心理有某种病态，否则写出这种废话一定很累。自从AI出现以来，这种虚伪内容中很大一部分已经开始自动化。这很合理，大多数人并不觉得这些帖子有高价值，所以为什么不扔给机器呢？

我认为现在是时候让LLM用户开始制定规则，规范他们使用这些工具与他人互动的方式了。当然，我并不指望他们重新开始自己写领英帖子。虽然那会很好，但在AI开始写所有东西之前，那个地方就已经没救了。话虽如此，我注意到在日常互动中，LLM聊天机器人的使用越来越频繁。这件事必须扼杀在摇篮里。

让我们设想一个情景。

霍尔科姆和杜鲁门都是中年千禧软件公司的数据工程师。市场部的利益相关者尤多拉向霍尔科姆反映，公司BI工具中显示的一些指标与她在CRM中看到的报告不一致。霍尔科姆查看了仪表盘，确定它是由一个DBT模型驱动的。他不喜欢读太多代码，于是启动克劳德（Claude），让它去审查模型。

克劳德回复说模型逻辑存在一个必须立即修复的关键缺陷。霍尔科姆非常惊讶，把克劳德的回复复制粘贴到与杜鲁门的Slack会话中。杜鲁门被消息中对比性的修辞框架和大量破折号惹恼了。很明显，霍尔科姆没有花任何精力去理解问题或撰写消息。

杜鲁门接着调查了这个问题，发现正如他所怀疑的那样，克劳德错了。模型逻辑没有问题。同样的逻辑驱动BI工具和CRM中的数据。克劳德只是没有掌握CRM数据来源的背景。这实际上是一个时机问题。BI工具实时查询数据仓库，而CRM通过批处理作业更新。杜鲁门联系了尤多拉，告诉了她延迟的原因，她表示满意。

在这个假想例子中，霍尔科姆违反了一些我希望LLM用户遵守的规则：

验证LLM的输出。

努力用自己的话转述信息。

如果必须复制粘贴，请注明输出来自LLM。

大家都知道LLM经常出错。当你不花时间验证LLM的输出时，你就告诉了你互动的人两件事之一：要么你实际上不知道它在说什么，要么你太懒了，懒得确保你分享的信息是正确的。

要证明你懂行，你可以用自己的话转述输出。这不仅证明你完成了第一步，还能去掉所有恼人的AI回复迹象。

如果你真的不知道它在说什么，你可以直接说出来。不要试图把内容当作自己的，因为那会让你看起来很可笑。如果你简单地说：“嘿，我问了克劳德关于某件事，它回复了这些。你知道这意味着什么吗？”然后再粘贴回复，这会让对方觉得你尊重他们的智商。

作为一个AI用户，这只是你可以做的一些小事，让你看起来不那么令人讨厌。理想情况下，你根本不应该使用AI，而是直接查阅文档或使用IDE的功能浏览代码库。但我不想对你要求太多，所以我就说这些：你是一个非常特别的人，你做什么都不会让你变成一个坏人。