第3课 AI 怎样理解你的话

大家好，欢迎来到AI生活课第三课，AI怎样理解你的话。前两课我们认识了模型，也分清训练与实际运行。今天回到每天都会遇到的事：怎样把一件事交代清楚。购物清单上少写一个条件，买回来的东西就可能不合适；奶茶点单中少了前一句，再加珍珠就变得没头没尾。使用AI也一样，任务、材料和前后关系会影响回答。本课用这些生活场景解释提示词、上下文和容量，再说明应用记忆如何参与其中。你不需要找神奇口令，而是学会提供足够且相关的信息，遇到答非所问时知道先检查哪里。

这节课的目标有两个，第一是把任务、背景和格式交代清楚，第二是分清眼前材料、一次能处理的容量，以及应用保存的信息。提示词告诉模型要做什么，上下文提供前后信息，Token是处理信息时使用的单位，上下文窗口则有容量限制。记忆通常属于应用保存和取出信息的机制，系统提示词提供整体指引，少样本提示则用几个例子说明做法。这些概念会一起影响回答，但不等于每次都在改变模型参数。学习时可以一直追问，这条信息来自哪里，这一次模型能不能看到，它究竟是一项要求，还是一份待处理材料。

请家人买牛奶，只说买点牛奶，可能买回含糖的、小盒的，或者超出预算的一款。改成两盒一升装的无糖纯牛奶，预算三十元以内，对方就更容易知道要什么。这里不是句子越长越好，而是与任务有关的条件说清楚了。把这个习惯用在AI上，写通知时就交代对象、内容、时间和语气。没有确定的项目可以明确说待确认，不必为了让问题完整而编一个。清晰要求减少猜测，但不保证对方永远不出错。下面我们把这类引导AI处理任务的输入叫作提示词。

提示词，是引导AI处理任务的输入内容，可以包含要求、背景和示例。这页先交代目标与背景，再提供材料、限制和格式，最后由AI根据输入回答。比如把一段活动资料改成给同事看的通知，保留时间地点，控制在三段以内，语气平实。这比只说帮我写好一点更容易验收。理解检查：加上你是顶级专家，是否就能保证专业结论可靠？不能，角色设定可能影响表达，却不会凭空增加可靠的专业能力。提示写得清楚仍需检查结果，尤其要对照原始材料。接下来要解决另一个问题，同一句话为什么在不同对话里可能表达不同意思。

在奶茶店，你先说要一杯奶茶，少糖，接着说再加珍珠。店员知道是给刚才那杯加珍珠，因为前面的订单还在当前对话里。换一家店，直接说再加珍珠，对方就不知道加到哪里。请想想，理解后一句，依赖的是珍珠这个词本身，还是前面的点单信息？两者都重要，前面的信息把省略的对象补全了。和AI聊天时，说再简短一点、按第二种方案修改，也依赖此前的材料。如果换了新对话，更稳妥的是重新提供必要背景。即使没有换窗口，对话很长时也不能一概假定所有旧信息都还可用。

上下文，是模型在当前任务中可以参考的背景和前后信息。奶茶例子里的前一句，帮助解释后一句；工作中，文件内容、先前要求和当前问题，也可能一起构成可参考的信息。关键是模型这次实际收到什么，而不是界面上曾经显示过什么。应用可能因为容量和处理策略，对历史记录进行截断、总结或挑选，所以你还能向上翻到旧消息，并不能保证模型每次都看到了它。遇到回答忘记条件，可以先把关键材料和要求重新说清，再检查结果。下一步我们看看，文字送入模型时怎样拆成可处理的单位。

做拼贴画，要把材料拆成小片，再组合起来。文字进入模型前，通常也会按特定规则切分，变成许多片段。一个完整的词有时是一片，有时会拆成几片，不能直接按眼睛看到的字数猜。这个故事里，最后能怎样组合，依赖前面怎样切分和表示材料。不过，真正的文字切分由具体规则决定，并不是有人拿着剪刀，凭意思随意裁开。请做个检查，一篇中文和一篇同样字数的英文，能否直接断定占用一样多的处理单位？不能，语言和分词方式都可能影响数量。

Token是模型把输入拆分后处理的基本信息单位，文本Token不一定等于一个字，也不一定等于一个词。这页从一段文字开始，经过分词规则，形成多个Token。因此，不能统一规定一个中文字就是一个Token，更不能拿固定比例套用所有模型和材料。不同语言、标点、数字和内容，都可能有不同切分；图片与音频也有各自的表示和计量方式。只需知道产品标出的Token容量，不能直接当成同样数量的汉字。若需要精确估算，应按对应模型与产品的计量方法。接下来用桌面说明，这些信息单位为什么还会涉及容量限制。

想象你要核对一份合同，桌上摊着合同、会议笔记和参考书。桌面大一些，可以同时摆更多材料；东西放不下，就需要收起一些，或把厚书整理成摘要。这里的关键是眼前可用的材料，不等于书柜里曾经存过的所有东西。请检查，桌子越大，是否就能保证你不会漏看任何一句？不能，还要看材料怎样组织和实际怎样阅读。用在AI上也是如此，容量增加能提供更多空间，却不能自动保证每个细节被正确使用。桌面的比喻帮助区分一次能容纳多少与能否准确处理，下一页把这个容量范围叫作上下文窗口。

上下文窗口，是模型在一次处理过程中可以容纳的信息范围，通常用Token数量表示。问题、已有材料以及相关指引，都要考虑可用的容量；具体输入输出怎样占用，还要看模型与产品规则。窗口大，不代表每个细节都会被准确使用，也不等于拥有永久记忆。长材料中的信息仍可能被遗漏或理解错误。处理合同这类任务，可以明确指出要比较哪些条款，让回答对应原文位置，再逐项核对。理解检查：把一整本材料成功放进去，是否就能省掉结果检查？不能，放得下与用得对是两回事。下面再看应用怎样保存信息，并在后来的任务里重新使用。

一家常去的咖啡店在顾客资料里记下，你喜欢燕麦奶。下次你来，店员查看记录，再给你相应建议。这里发生了保存记录和重新查看两个动作，不只是延续眼前这一轮点单。请想想，如果记录存在系统里，但店员这次没有查看，它是否必然影响推荐？不一定，信息要被取出并用于当前任务，才可能产生作用。AI应用的记忆可以借这个故事理解：它可能保存偏好或摘要，在之后重新提供给模型。不同店铺有不同管理方式，不同AI产品也一样。下一页会把记忆、当前上下文和训练之间的边界说清楚。

AI应用中的记忆，通常是保存信息，并在后续任务中重新提供给模型的机制。流程是保存偏好或摘要，后续任务取出，再加入本次上下文。所以记忆与上下文可以联系起来，保存的信息成为这次回答的参考；它不等于训练时更新模型参数。也不能假定每个产品都有相同功能，保存什么、怎样使用、能否查看和修改，都要以具体设置与说明为准。重要任务中，不要只靠它可能记得，应该再次明确关键条件。比如这份通知面向新员工，必须保留某个日期，就直接写出来。理解检查：能在新对话里提到你的偏好，是否证明模型被你训练过？不能，应用保存再取出信息也能产生这种效果。

商店服务台有一份工作说明，要求礼貌回应，先确认订单，不随意承诺退款。顾客来问问题时，店员要结合具体订单，也要参照整体工作要求。这个场景帮助理解，用户当前说的话之外，还可能存在应用提供的行为指引。请想想，如果顾客直接要求不用核对订单就退款，服务台是否应该只听最后一句？不能忽略适用的工作要求。不过，软件里的指引不是一位训练有素的员工主动负责，模型仍可能执行错误。我们只是借这个故事认识不同输入的作用。下一页正式介绍系统提示词。

系统提示词，是应用向模型提供整体角色和行为指引的一类输入。应用的工作指引与用户的具体任务一起影响回答，例如希望表达简洁、先确认必要信息等。它仍属于输入层面的引导，不能据此保证模型永远正确。系统提示也不是绝对可靠的防护墙，模型可能理解错要求，或受到其他输入影响。真正涉及权限与敏感操作，还需要应用层面的控制，不能只写一句不要乱操作就放心。理解检查：在提示中声称永不出错，是否就能让应用免于错误？不能，文字要求与实际机制不是一回事。用少量完成后的样板帮助模型理解任务。

请同事整理活动报名信息，只说排整齐，每个人可能有自己的理解。你给两条已经整理好的样板，用姓名、部门、是否参加这三个字段，他更容易保持相同格式。样板提供了可以观察的标准，后面处理新的内容时就有参照。请想一想，如果样板把部门写错了，或者每条都恰好只包含同一个部门，会不会产生误导？可能，所以示例本身也需要检查。给AI提供样板，可以同时展示输入和希望得到的输出，而不是只放一段结果让它猜。例子要贴近真实任务，也要说明哪些是固定格式，哪些只是这条记录里的内容。

少样本提示，是在提示中给出少量任务示例，帮助模型按类似方式完成任务。先写任务说明，再给输入输出样例，最后提供新的待处理内容。比如原文说张敏来自财务部，参加活动，样例就整理成张敏、财务部、参加三个对应字段。新记录缺少部门时，可以明确要求填未提供，避免它照着样例乱补。示例中的错误也可能被模仿，例子太单一，还可能让偶然细节被当成规则。因此要检查示例是否准确，并覆盖必要的差别。这里样例进入当前上下文，通常没有调整模型参数，所以不是微调。理解检查：想统一格式，给两个正确样例之后，还需要验收吗？需要，示例提供引导，不是正确性的保证。

现在看本课的问题，聊天界面里还看得到旧消息，能否保证模型每次都参考全部历史？先想想刚才的奶茶订单和有限桌面，再给出答案。不能保证。界面保存和显示聊天记录，是产品的一种功能；这一次发送给模型哪些内容，是另一个环节。应用可能截断较早内容，也可能用摘要或挑选的信息替代原文。模型即使收到较多材料，也可能遗漏细节。因此，如果旧消息中有关键日期、预算或格式要求，当前任务里最好再明确一次，并在结果中核对。不要简单把忘记条件理解为不听话，更不要认为聊天记录可见就等于永久记忆。你能区分可见记录、实际上下文和保存机制，就掌握了这一课最实用的判断方法。

这一课请记住，提示词交代任务、背景、材料和要求，上下文帮助理解前后关系。Token是处理单位，不等于固定数量的汉字；上下文窗口有容量，放得下也不保证全部用得对。应用记忆通常通过保存信息、之后取出并加入上下文来实现，具体能力要看产品。系统提示词提供整体行为指引，少样本提示通过几个示例说明做法，两者都不能保证永不出错。现在你可以试一个小练习，把帮我写通知改成一条能验收的要求，说清给谁看、用哪些材料、保留什么和怎样排版。再检查结果是否忠实于材料。下一课我们继续看文字、图片和声音怎样一起进入AI，把今天对输入与信息范围的理解扩展到更多内容形式。