#Prompt

LLM 权重存储的不是记忆，而是对世界知识的理解，是以压缩后的方式储存的。所以它有各种各样的神奇能力，比如“zero-shot”。

激活它的方式就是 prompt，一个好的 prompt 可以完整地激活模型本身潜在的能力，是动态“组装”出一个临时算法来解决问题。

晚上构思怎么利用 LLM 赋能手机的系统，让它成为真正智能的设备。

在读另一篇行业资讯的时候，突然看到一个 prompt 技巧，“如果是这个行业 0.1% 顶尖的人，他会怎么思考？”。

我把如下 prompt 输入给 Gemini2.5 Pro 跟 ChatGPT O3，答案令人惊喜。

如果乔布斯还在世，他会怎么把当下的大型语言模型功能赋能到 iOS 上？他会做什么样的功能创新？

如果读了几遍还是不懂，那就意味着在某个环节上的基础知识出了问题。这时候再继续读下去，就是在浪费时间，特别是遇到数学推导相关内容的时候。

一个简单的方法是，与大模型对话时使用如下提示词：

由于我缺乏相关的基础知识，因此没办法理解你的解释。我为了搞懂我们对话中的内容：

• 你要罗列出所有必须理解的基础知识。
• 给出每个基础知识的概念。
• 再结合这些基础知识，帮助我理解内容。

另外一个技巧是，当你理解了之后，可以将自己的理解用列表的形式写出来，然后让大模型进行检查，指出正确的部分与错误的部分、错误的原因，以及分析为什么会产生这种错误理解。使用如下的提示词：

这部分是你自己的理解

以上是我的理解，请你根据我的理解，给出如下的信息。

• 哪个是理解正确的，哪个是理解错误的。
• 给出错误的原因是什么。
• 分析为什么会产生这种错误理解，给出常见的原因。
• 给出修正后的内容。
• 如果有表达模糊、容易引起歧义，需要特别提示，让我重新陈述。