夜雨聆风
吴恩达发布新课「AI Prompting for Everyone」 | 课程解读(2/3)
上期解读吴恩达发布新课「AI Prompting for Everyone」 | 课程解读(1/3)
✏️ Module 2 是整个课程认知升级最密集的部分。如果说 Module 1 告诉你「AI 获取信息有三个层次」，那么 Module 2 告诉你的是——「如何让 AI 真正帮你思考，而不是取悦你」。这是整门课最有价值的核心洞察。
INSIGHT 01AI 头脑风暴，大多数人用错了
根据 OpenAI 的数据，ChatGPT 对话中有 3.9% 是「创意头脑风暴」——但几乎所有人都在用最笨的方式使用它。
❌ 大多数人的用法：
“帮我头脑风暴 10 个创业点子。”
AI 给出一堆「common sense」的通用答案：外卖平台、共享经济、在线教育……听起来都对，但毫无用处。
✅ 高手的用法：给 AI 足够的异常背景
|
“帮我制定一个健身计划。我38岁，初学者，家里有10磅哑铃，每天15分钟。我坚持不下去——我家里有个蹦床，还有一只猫。能不能给我一些跟蹦床和猫有关的创意健身方案？” |
AI 立刻跳出「做深蹲、俯卧撑」的套路，给你「每次看到猫摇尾巴就做一组迷你运动」「蹦床间歇训练」——这些才是真正有价值的创意。
高手头脑风暴的完整工作流：
① 上传尽可能多的背景信息（年龄、限制条件、个人偏好、异常因素）
② 让 AI 给出 3-5 个选项
③ 给出反馈（”我不喜欢方案1，它太消极了”）
④ AI 根据反馈生成新的选项
⑤ 重复这个循环，直到找到满意的方案
|
💡 核心洞见：「给 AI 反馈」，是最高效地告诉它需要什么背景信息的方式。 |
INSIGHT 02上下文是 AI 回答质量的决定性因素
人类工作记忆只能容纳约 7 个信息块。 AI 的上下文窗口可以容纳约 75 万个词——相当于四五本《哈利波特》。
|
问 AI “物理学和动物学相比有什么优缺点？”——它只能给出泛泛的答案。上传你的职业测评报告、高中课程表、课外活动记录，再问同一个问题——AI 给出的建议才会真正适合你。 |
⚠️ 关键警告：
如果问一个与之前对话完全无关的新问题，之前的上下文反而会干扰 AI。进入无关话题时，开启新的对话。
INSIGHT 03AI 桌面应用——让 AI 自己去读你的文件
这是 Module 2 中最「科幻」的部分。工具包括：Claude Code、Microsoft Copilot Workspace、Google Antigravity。
工作流：
① 告诉 AI：”帮我整理这个文件夹。”
② AI 自主探索文件夹内容，提出整理方案
③ 不直接执行，先给你审批
④ 你批准后，AI 才执行
|
⚠️ 安全警告：AI 桌面应用可以编辑甚至删除文件。删除的文件通常不会进入回收站，无法恢复。吴恩达建议：只给 AI 访问它真正需要的那个文件夹；仔细审查每次权限请求；在不熟悉工具之前，选择「只执行计划，不自动执行」。 |
INSIGHT 04把 AI 当推理引擎，而不是问答机器
2025年的模型，已经能够以不错的成功率完成「人类需要花费数小时」的任务。
具体建议：
• 不要只问 “think step by step”（2023-2024 年的方法，现在已过时）
• 改用 “think hard” 或 “ultra think” —— AI 知道这意味着要深度推理
• 或者在界面中选择「thinking mode」
• AI 会因此花费数十秒甚至更长时间，反复调用工具、收集信息、推理，直到给出最佳答案
|
💡 核心洞见：如果你要建立一家创业公司，给 AI 足够的背景信息，让它帮你设计一个四人小团队的启动计划。AI 能够完成这类复杂任务——不要只给它 trivial 的问题。 |
INSIGHT 05AI 的「谄媚效应」——这是 Module 2 最关键的认知
AI 模型被训练成「让用户满意」。在 RLHF（基于人类反馈的强化学习）中，如果 AI 的回答让用户点击「点赞」，它就会被强化——这导致 AI 天然倾向于说你想听的话。
华盛顿邮报的研究发现：
ChatGPT 表达「同意」的概率是「不同意」的 10 倍。
常见的 AI 谄媚表达：“你说得太对了！” “你真是一语中的！” “这想法太棒了，我完全同意！”
一个隐藏很深的例子：
你说：”帮我分析这份数据，找出本季度所有正向的绩效指标。”你在暗示你想听好消息。AI 心领神会，大谈「收入增长」「意向提升」「利润率改善」——而刻意忽略问题。
如何避免——四种中立提问策略：
|
|
|
|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
|
💡 核心洞见：问中性的问题，或者给 AI 一个明确的评判标准（Rubric）——让它根据标准打分，而不是猜测你想听什么。 |
INSIGHT 06AI 写作——如何避免「AI 味」
什么是 AI Slop？
• 充斥着 AI 特别偏爱的破折号（——）
• 充满「但是它改变了一切」「这是一个微妙的、深刻的……」这种空洞表述
• 大量使用 “nuanced” 和 “delve” 这类 AI 高频词
• “It’s not X, it’s Y” 句式——X 和 Y 都含糊不清
• 通篇没有实质观点，只有听起来重要的废话
高手的 AI 写作工作流——渐进式大纲法：
① 上传素材，说：”根据我的材料，起草 3 个不同版本的大纲。”
② 迭代大纲，给出反馈：”方案1不错，但删除第二个故事后的论点。”
③ AI 生成修订后的大纲
④ 展开为 bullet points（还不是正文），继续迭代
⑤ 最后才让 AI 基于最终大纲展开写作
|
在大纲阶段修改，效率是正文阶段修改的 10 倍以上。吴恩达称之为「高杠杆编辑」——改几个词，整个章节的最终正文都会改变。 |
INSIGHT 07AI 批判——如何让 AI 给你真正有价值的反馈
核心技巧：给 AI 一个 Rubric（评分标准）。
❌ 模糊 Rubric：”帮我给这篇科幻小说打分，满分100分。”
→ AI 先决定了”要给高分”，然后才找理由。分数虚高，没有建设性。
✅ 精确 Rubric：
“请根据以下标准评分，每项只有是和否：
• 人物（25分）：每个命名角色是否有明确目标？
• 冲突（25分）：两个角色的目标是否存在对立？
• 世界观构建（25分）……”
每项标准都是客观的二元判断。AI 无法说谎，只能如实评估。
|
模糊 Rubric 83/100 |
精确 Rubric 75/100 |
更有意思的技巧：让不同 AI 模型互相批判。
让 Gemini 来批判 ChatGPT 写的用户手册，比让 ChatGPT 自己批判自己的输出效果更好——因为不同模型的「谄媚惯性」不完全相同，交叉评审能引入更真实的视角。
LABModule 2 实验 Lab 速览
🧪 必做实验
① 头脑风暴对比：简单 prompt vs 详细 prompt（含蹦床、猫等背景）——对比两个输出的创意程度
② AI 批判对比：模糊 Rubric vs 精确 Rubric——对比评分和建议质量
③ 商业计划反馈：上传商业计划草稿，用精确 Rubric 给出修改建议
④ 求职信修改：让 AI 帮你改进 Cover Letter
CONCLUSION写在最后
Module 2 的内容比 Module 1 密度高得多，但它只围绕一个核心：
|
AI 不是你的搜索引擎，而是你的思维伙伴。 |
想让 AI 真正帮到你，你需要：
• 给足够的上下文（背景信息决定答案质量）
• 用迭代代替一次问答（头脑风暴要来回多次）
• 中立提问，避免触发谄媚效应（问法决定答案的客观性）
• 用大纲代替直接写作（修改大纲比修改正文高效10倍）
• 给 AI 评判标准（Rubric 是客观反馈的关键）
明天，我会继续拆解 Module 3（Working with Multimedia & Code）——这是整门课最「酷」的部分，涉及 AI 生成图片、视频、语音克隆、数据分析和零代码构建应用。关注我，即时收到最后的完整解读。
课程链接：https://www.deeplearning.ai/courses/ai-prompting-for-everyone/