思维链 & 涌现
📌 思维链（Chain of Thought）是一个描述人类思考过程的概念，可以理解为一个个相关的想法、问题和答案组成的链条。在思维链中，一个想法通常会引发下一个想法，然后再引发下一个，以此类推。这样的链条可以帮助我们理解和追踪我们的思考过程，让我们更好地理解自己的认知过程和解决问题的策略。
📌 涌现（Emergent Abilities）是一个描述系统中的新性质如何从更基本的组成部分中出现的概念。在这种情况下，整体的行为或特性不能简单地归因于组成部分的行为或特性，而是在组成部分的交互作用中产生的。涌现的概念在许多领域都有应用，包括生物学、神经科学、哲学和人工智能。在 AI 领域，涌现的概念被用来描述复杂的智能行为如何从相对简单的算法和数据中产生。
例如，一种人工神经网络可能会被训练来识别图像中的人脸。在训练过程中，网络的各个层次会学习到不同级别的特征，如边缘、纹理、形状等。这些特征在自己并不能识别出人脸，但是当它们在网络中一起工作时，就能实现人脸识别。在这个意义上，人脸识别可以被视为从网络的更基本的组成部分中涌现出来的能力。
😅 AI 并不能真正地“思考”在 AI 中，
Chain of Thought指的是一个模型如何处理并生成回答的过程。从输入的提示开始，AI 基于其内部的数百亿参数进行运算，逐步推导出最后的输出结果。这个过程可以被视为 AI 的“思维链”。不过，这并不意味着 AI 真正地“思考”。它并不具有意识，也没有情感或者个人主观感受。只是在处理输入信息，并试图生成符合预期的输出。AI 通过对大量文本数据的学习，对语言结构和语义有了理解，能够生成在结构和语义上符合人类语言规则的文本。简单来说：
AI 只是在执行一种高级别的模式匹配和预测，而这个过程是基于大量的数据训练和复杂的数学运算实现的。例如，当你问 AI 一个问题，它并不是“思考”这个问题的答案，而是根据其模型内部的计算结果生成一个可能的回答。在某些情况下，AI 可能会根据上下文信息来生成更为复杂的回答。这个过程可以被视为一个更长的“思维链”。比如，如果你问 AI “为什么天空是蓝色的”，然后又问“那为什么夜晚的天空是黑色的”，AI 会根据上下文信息来生成相应的回答。
提示（Prompts）技巧
大量流传在网络上的付费"提示秘籍"其实并无太大神奇之处，不存在真正的"秘籍"，过度依赖提示并非最佳使用 AI 的方式。
现代 AI 系统（GPT-4）已经在理解用户意图方面相当强大，随着未来技术的进步，提示的重要性可能会逐渐降低（但这并不意味着我们可以完全忽视提示，恰当地理解和使用提示，依然可以提升工作效率）。
很多关于提示的建议其实并无科学依据，更像是符号性的仪式，而非真正的技巧。
理解并正确使用提示是有所帮助的，通过提供上下文和限制，可以提升 AI 的输出质量。
通过为 AI 设定角色和限制，你可以调整其输出的语气和方向。
提供你拥有的样本数据，可以帮助AI做出更好的预测和输出。
将你的提示想象为用英语（或其他语言）编写的文本，通过明确逻辑的指令帮助 AI 进行输出。
对于复杂的任务，你可以尝试将其拆解为多个小任务，并对每个小任务分别进行提示。这样的“链式思维”提示，可以帮助 AI 更好地处理复杂的任务。
将 AI 视为一名实习生，而非单纯的软件工具。多实践，技巧会得到提升。你需要指导它的工作，这可以通过以下两种方式完成：
直接询问 AI 可以为你做什么。但这种方式可能会存在问题：AI 给出的答案可能过于简单、包含错误，或者没有突出 AI 最能帮助你的地方。虽然你应当试图这样做，但也不能完全信任AI的自我描述。
你应当告诉 AI 它是什么，它能做什么。虽然这可能会随着任务的变化而变化，但给 AI 提供上下文和限制会产生显著的差异。所以在任何对话开始时，你都应告诉 AI 它是什么，比如：它是一位科普作家，一位专业顾问，或者一名新闻记者。这并不会真正让 AI 成为这些角色的专家，但它可以引导 AI 以适当的方式表现，理解应参与的上下文和受众。接下来，你需要做的就是评估 AI 在这些任务中的表现。
...
AI 的用途根据不同的人和任务而不同，大体上，任务可以被分为以下四种类型：
只能由我完成的任务：这些是 AI 目前无法帮助完成的任务，或者是你认为应由人类完成的任务。
委托任务：这些是你分配给 AI 的任务，你预计自己会对结果进行审查和监督，但并不打算花费大量时间的任务。
半人马任务：这些任务涉及人工智能和人工的深度整合，你需要学习如何将 AI 深度融入你的工作流程中。
自动化任务：这些任务你完全交给 AI 处理，甚至无需进行检查。
思考
AI 技术正在快速发展，新的算法、模型和应用不断涌现。作为用户或开发者，持续关注和学习新的进展，是保持技能和知识领先的关键。
虽然 AI 技术令人印象深刻，但它仍然有其局限性（例如：它仍然依赖于训练数据，对于超出其训练范围的任务可能无法很好地处理）。
当使用 AI 处理个人数据或敏感信息时，确保数据安全和隐私是非常重要的。
AI 仍处于早期阶段，创新和发掘新的应用场景，可能带来巨大的机遇。
AI 最大的用途不是替代人类，而是增强人类的能力，帮助我们更好地完成任务。
...
最后
你正在使用的最强大的 AI，可能在未来会变得相对较弱或者不再适用。你需要考虑 AI 的发展趋势，预测未来 AI 可能在哪些方面为你提供更大的帮助，同时思考你不希望 AI 替代的工作领域。