在和 AI 对话时，有些词能起到点石成金的效果。李继刚对此的解释是压缩和解压缩——一整本书、一个人、一种理论的智慧，其精华被压缩到一个词中；跟 AI 对话过程中，用对这个词，就能开启整个解压过程，AI 将精华悉数吐出。
类似的例子很多，刚哥经常感叹“用半小时找一个词”，词对了，结果就会惊艳。
有点像是绘图时用的风格种子。只要用上魔法数字，画面立刻就对味了。但语言的风格不像图画那样一目了然，无法像我做十万只猫的实验那样，随机生成，极速甄别。那怎样才能找到点石成金的“风格”关键词、大幅提升 AI 生成内容的质量呢？
上周我和一小学科学老师的交流，让我决定要把这方法挖掘出来。我们午餐时聊聊起“模式”，老师说这是 NGSS 总结的非常重要的七个跨领域概念之一，但特别难教——通常教材课件里给的例子也只是“规律”，和“模式”还是有差别。
我打开手机，开始问 AI 有哪些方法帮助小学生理解“模式”。果然，得到的方法都是在教“规律”。我要求不只是给“重复”或“循环”，无效；要求给出“类比”，开始出现一些“植物枝叶与人的家庭”之类的模式，但更多的是在“比喻”，和“模式”还有差异。
然后我加上了关键的一个词——同构。AI 生成的内容立刻就精彩了。 让 AI 再总结一下同构类比中的模式，多种多样非常清晰。
老师问我：“你是怎么想到“同构”这个词的呢？”我挠头：“这个词我常用，但我也真不知道怎样能让老师想到用它……”
刚哥说“read in, prompt out”。他能写出思考的七把武器，是因为有海量阅读的积累。没读那么多书的人，要怎么做呢？
今天得空，尝试了两个还算有效的方法。
首先，给后面的实验找基准：我尝试了朴素 prompt 的效果——能看出笑点，但隔靴搔痒没到位。
再加上 few-shots。也许是我找的例子不够精彩，效果看起来一般，反复试多次得到较好的结果也不过就下图。
有了基准，我开始尝试方法一：“让 AI 先说说”。
先让 AI 说出做这件事的基本要点，还可以追问、叠加要求，觉得 AI 回答中有不符合自己期望的也可以在追问中纠偏。
然后再让 AI 讲段子。有了前面输出的内容做铺垫，段子似乎质量好点了。是一个还算有效的简单方法。
有没有办法找到更能“点石成金”的词呢？。既然前面多轮已经遇到了很多差劲段子和相对好一点的段子，我决定让 AI 画维恩图。
方法二：让 AI 分析正反例
第一步：用朴素的方法生成若干例子
第二步：另起对话，挑选若干好例子和差例子（好例子可能需要人为编辑出来），让 AI 进行对比分析、找出正反例之间的异同。
第三步：另起对话，把正面要点添加到第一步的提示词中，重新生成更多例子。
然后：重复第二、第三步，直到正面要点中出现点石成金的词。
（这里需要另起对话的原因是我用的是四个固定的测试词汇，要避免对话内容相互干扰。）
第一轮，得到三个要点：有反转效果、共鸣感强、笑点明确，还不错。（因为缺少字体 AI 画的维恩图无法正常显示，光看文字也够了）
另起一段对话，把要点添加到提示词中。很失望，结果并没有改良，又得到好几个差段子的案例。
没关系，把差段子添加到对比案例里，又得到一个关键要点：真实反映。
再另起对话测试，这次稍好些多了一个好段子，但别的都还是差劲案例。
把这些案例继续喂给对比案例，这次找到点石成金的词了——反差，punch line。
再次另起对话测试，精彩程度大幅提升。
我的 GPT4O 次数用完了。刚试了下 4O-mini 的效果也还不错，但决定休息了，今天的实验就到这里。从原始朴素效果差劲的提示词，到找出我之前根本没想到的点石成金关键（反差、punch line），总共不过三轮。
这个方法应该是可以通用的。这次我用一句话段子做实验，是因为它足够简单判断正反例足够快。感兴趣的朋友可以拿你自己的需求来测试下。我相信还会有更多招数，期待后续我们一起来挖掘。