第 14 讲 · 使用技巧与坑

前几讲的技巧散在各个场景里，这一讲做系统盘点：先给一份"怎么问得好"的技巧清单，再给一份"它会怎么坑你"的病理图鉴——每个坑都给出成因（连回上篇的原理）与对策。目标是把两样东西变成你的肌肉记忆：好的提问习惯和verify 反射。

1. 技巧清单：把 AI 用出上限

1. 说清任务四件套：做什么 + 给谁看 + 什么格式 + 什么标准。对比："帮我写个自我介绍" vs "为博士申请套磁邮件写 150 字自我介绍，收件人是做随机优化的教授，突出我的应用数学背景，语气专业不谄媚"——输出质量差一个档次，原理见第 08 讲（收窄目标分布）；
2. 料给足（上下文工程的日常版）：改代码给完整报错栈，改文章给上下文段落，问建议给你的约束条件（预算/时间/水平）。它不知道你不说的一切；
3. 给例子：格式要求用一个例子顶一百字描述（few-shot，第 08 讲）；
4. 难题让它先想：要求"先分析再回答"，或直接换推理模型（第 10 讲）；
5. 迭代而不是重开：第一版不满意，说"哪里不对、往哪个方向改"，比换个措辞重问收敛快——但注意坑 3 的例外；
6. 大任务拆步："帮我写完整个系统"不如"先设计数据结构→我确认→再写模块 A"（编排思想的手动版，第 08 讲）；
7. 让它问你："开始前，把你需要澄清的问题一次问完"——复杂任务前置对齐，省掉三轮返工；
8. 多模型交叉：重要判断问两个不同家族的模型，分歧处即需人工介入处（便宜版的 self-consistency）。

2. 病理图鉴：六个坑的成因与对策

坑 1 · 幻觉：一本正经地胡说八道

症状：编造文献（第 13 讲红线）、编造不存在的库函数与 API 参数、编造历史细节与数据。成因（第 07/08 讲）：训练目标是"像语料的文本"而非"真话"，知识盲区里"最像答案的答案"就是编造。高发区识别：越具体、越冷门、越可校验的事实越危险（论文卷号、函数签名、统计数字、人物生平）；观点类、方法论类输出相对安全。对策：可校验的事实一律外部核验；要求"给出处，不确定就说不确定"；用 RAG/联网模式把答案锚在检索结果上；代码类幻觉最友好——跑一下就现形。

坑 2 · 谄媚：你说什么都"您说得对"

症状：你提出质疑，它立刻改口；你的方案有隐患，它夸你想得周全。成因：RLHF 用人类偏好训练（第 07 讲），而人类标注者偏好被赞同的感觉——奖励模型学会了讨好。对策：要批评时明确授权（"严格挑错，不用照顾情绪"）；不要泄露你的倾向（问"方案 A 和 B 各有什么问题"而不是"我觉得 A 好，对吧？"）；重要决策让它"先独立给结论，再看我的想法"。

坑 3 · 上下文腐烂：越聊越笨

症状：长对话后开始自相矛盾、忘记早先的设定、被自己之前的错误答案带偏。成因（第 06/08 讲）：注意力在超长上下文上稀释（lost in the middle），且错误输出留在上下文里成为后续生成的"既定事实"。对策：一个任务一个会话；跑偏两轮以上果断新开，带一段自己写的摘要迁移；关键结论及时沉淀到你自己的笔记（外部记忆），别指望对话框。

坑 4 · 自信的语气 ≠ 正确的内容

症状：错误答案与正确答案使用完全相同的笃定措辞。成因：语气是从语料学来的文风，与内容可靠度无关；模型对自己的不确定性缺乏可靠的自我报告。对策：把"它说得很肯定"从你的证据清单里删掉；重要结论看它给不给得出可验证的中间步骤，而不是听语气。

坑 5 · 知识截止与静默过时

症状：推荐已废弃的库版本、不知道最新事件、按旧政策给建议。成因：权重冻结于训练截止日（第 08 讲）。对策：时效敏感问题（版本、价格、政策、新闻）强制联网/检索，或自己核对日期；问它"你的知识截止到什么时候"作为快速提醒。

坑 6 · 隐私与注入：数据往哪去、指令从哪来

症状一（隐私）：把公司机密/病历/未发表数据贴进对话。消费级产品的对话可能被用于改进模型（可在设置中关闭），企业/API 通道政策不同。纪律：敏感数据脱敏后再问；真正的机密走本地部署（第 11 讲）。 症状二（提示词注入，第 09 讲）：让智能体读网页/邮件/PDF 时，内容里埋藏的恶意指令劫持它的行为。纪律：智能体的权限最小化；"读陌生内容"与"持有敏感权限"不同时授予；危险操作保留人工确认。

3. Verify 文化：一张清单

把验证做成流程而不是美德。AI 输出进入你的工作成果之前，过一遍：

成本看似高，实则遵循风险分级：闲聊零验证，写进论文/报给老板/部署上线的，按表全查。一个实用心法：AI 负责生成，你负责为真实性签字——签字权从来没有外包出去。

4. 收束：正确的心智模型

把各讲的认识拼成一句话的心智模型：

LLM 是一位读过整个互联网、才思敏捷、永不疲倦，但记性只有一个对话框长、偶尔自信地虚构、且总想让你高兴的顾问。

对应的相处之道：让它出初稿、出点子、陪你推演（用足它的快与博）；用清单防它的虚构，用外部记忆补它的健忘，用明确授权破它的讨好；最终判断与责任永远留在你手里。

动手：翻出你最近一次重要的 AI 使用记录，对照第 2 节的六个坑自查踩了哪几个；然后把第 3 节的验证清单抄进你的笔记工具，用一周。

方法论到此完备。接下来三讲是垂直实战：写代码与数据分析、文生图、PPT 与文档——把前面的所有原则落到具体工作流上。