使用LLM時的一些基本禮儀

如果你和我一樣是個挑剔的人，你可能會避免刷領英（LinkedIn）動態，以防被尷尬到。我覺得這個網站上90%（別引用我）的內容一直都是這種虛偽、充滿表情符號的空洞形式主義。我一直認為，除非寫作者心理有某種病態，否則寫出這種廢話一定很累。自從AI出現以來，這種虛偽內容中很大一部分已經開始自動化。這很合理，大多數人並不覺得這些帖子有高價值，所以為什麼不扔給機器呢？

我認為現在是時候讓LLM用户開始制定規則，規範他們使用這些工具與他人互動的方式了。當然，我並不指望他們重新開始自己寫領英帖子。雖然那會很好，但在AI開始寫所有東西之前，那個地方就已經沒救了。話雖如此，我注意到在日常互動中，LLM聊天機器人的使用越來越頻繁。這件事必須扼殺在搖籃裏。

讓我們設想一個情景。

霍爾科姆和杜魯門都是中年千禧軟件公司的數據工程師。市場部的利益相關者尤多拉向霍爾科姆反映，公司BI工具中顯示的一些指標與她在CRM中看到的報告不一致。霍爾科姆查看了儀表盤，確定它是由一個DBT模型驅動的。他不喜歡讀太多代碼，於是啓動克勞德（Claude），讓它去審查模型。

克勞德回覆説模型邏輯存在一個必須立即修復的關鍵缺陷。霍爾科姆非常驚訝，把克勞德的回覆複製粘貼到與杜魯門的Slack會話中。杜魯門被消息中對比性的修辭框架和大量破折號惹惱了。很明顯，霍爾科姆沒有花任何精力去理解問題或撰寫消息。

杜魯門接着調查了這個問題，發現正如他所懷疑的那樣，克勞德錯了。模型邏輯沒有問題。同樣的邏輯驅動BI工具和CRM中的數據。克勞德只是沒有掌握CRM數據來源的背景。這實際上是一個時機問題。BI工具實時查詢數據倉庫，而CRM通過批處理作業更新。杜魯門聯繫了尤多拉，告訴了她延遲的原因，她表示滿意。

在這個假想例子中，霍爾科姆違反了一些我希望LLM用户遵守的規則：

驗證LLM的輸出。

努力用自己的話轉述信息。

如果必須複製粘貼，請註明輸出來自LLM。

大家都知道LLM經常出錯。當你不花時間驗證LLM的輸出時，你就告訴了你互動的人兩件事之一：要麼你實際上不知道它在説什麼，要麼你太懶了，懶得確保你分享的信息是正確的。

要證明你懂行，你可以用自己的話轉述輸出。這不僅證明你完成了第一步，還能去掉所有惱人的AI回覆跡象。

如果你真的不知道它在説什麼，你可以直接説出來。不要試圖把內容當作自己的，因為那會讓你看起來很可笑。如果你簡單地説：“嘿，我問了克勞德關於某件事，它回覆了這些。你知道這意味着什麼嗎？”然後再粘貼回覆，這會讓對方覺得你尊重他們的智商。

作為一個AI用户，這只是你可以做的一些小事，讓你看起來不那麼令人討厭。理想情況下，你根本不應該使用AI，而是直接查閲文檔或使用IDE的功能瀏覽代碼庫。但我不想對你要求太多，所以我就説這些：你是一個非常特別的人，你做什麼都不會讓你變成一個壞人。