夜雨聆风从直播到实际操作，字句上的寥寥几语，却是实际行动中的重重困难。
跟着步骤，给背景资料，写需求，写约束条件，本以为很简单，却在写的过程中发现，需求不知道怎么更好的提，约束不知道怎么写才是好的。
正所谓看着容易，做起来就卡在了开头。
仿照着例子颤颤巍巍写出了问题和约束，用两个模型一起测试。
一轮下来又发现，怎么模型与模型之间给到的问题和答案都如此不同？
背景文档一样，问法一致，然而不同模型之间给到的问题不一样，答法自然也就变得不同，最终呈现出来的结果感觉差了很好多。
也让我困惑重重，它们说的究竟谁是真的，谁又给了多余的内容？
还是说都是正确的，那为什么又不一样若都是错的，又在哪里做了自动补充？我要怎么去验证它们的正确与否呢？…
问题一个接一个在脑海闪现，怎么提问，怎么验证，怎么得到更加公正客观的判断，却成了我要面对的最大挑战与难题。
此时我知道了提好问题的重要性，但确实还不知道如何做，只能在往后一次又一次的实践中摸索、学习。
两个不同的AI（豆包和glm-5.1），给到我的感觉完全不一样。
虽然我偏好其中一些答案，但还是跟着步骤进行验证。
首先是追问细节。通过对其中一个不满意，有疑惑的部分答案，问它：是怎么得出这个结果的，有什么事实依据，如果改变其中的某些字词语句结果会变吗？会变的话，又会变成什么？
这步测试下来说实话感觉作用不大（特别是在后面让两个AI进行交叉验证后），但会给到你解释它是怎么得到这样的结果的。
做完这步，我通过将两个AI得出的答案分别交换给了它们，然后让它们进行判断，指出漏洞，为什么它们的答案会不一样，是它错了还是另一个AI错了，有什么依据等等。
也就是让两个AI“打架”。
通过让两个AI相互评判，给出实际证据，你会看到它们指出的有矛盾、有问题的点，这些争议的内容就是自己需要深入思考的部分。
这种交叉让我感到很有趣。也相当于是让AI先对它们给出的初版答案先做评判，而不是我们先拿着初版的五、六十分的答案做判断。
通过让另一个AI进行判断，得到有争议的部分后，再次将其传回给原来的AI，让它们再次对“别人”的评判进行事实证明。
如果有问题，就让它进行学习修正，如果觉得评判有误，就会给出更多的论据，并说明另一个AI为什么对它判读错误，同时对初始答案进一步优化，得出一版更加实用的方案。
你若是在此版本上进行思考，那就是在七、八十分的答案进行判断。
到这一步，若是你觉得还有必要继续判断下去，你可以继续询问，或者你觉得已经够用了，那就先用这最新版的答案去在实际操作中验证一遍，再把在实际中得到的结果传回给它进行最终真实的验证。
第一次实战练习，我做的步骤比较少，也有很多细节丢失。
虽也想要完全和文档要求中做到一致，但知道这不可能，细节太多，思维欠缺，角度也比较狭窄。
毕竟自己看到的是寥寥几句，却是他人多年来的思维结晶，自己只能在往后不断练习中慢慢熟悉、积累，最终达到、超越。
第二天的实战学习，让我知道，练，比看，更有效果。
