如何提问？让AI一次性生成你想要的东西 学会问问题和挑选答案的能力时代 AI生成循环边界：突破框架 融合百家 AI：与人工智能中的学习 模型和认知结构紧密相关， 反映了其受限于现有算法 和数据。 认知：与哲学、认知科学 中的认知框架和自指性理 论相连，探讨了AI在生成 过程中如何受限于其既有 的认知结构。 循环：强调了AI生成内容 时容易陷入语义和逻辑上 的循环，无法跳出既定的 模式和规则。 边界：与康德的认识论和 向创新化。 智能体知识循环边界的研究 智能体在长时间对话中常表现出“知识循环边界”，即生成内容 重复或局限于特定模式的现象，源于训练数据、算法模型及预设 规则的限制。这一现象与逻辑学中的自指问题（如罗素悖论、哥 德尔定理）相关。 研究通过实验分析问题类型（全收敛、半收敛、非收敛）和对话 次数（50次、100次、150次）对生成内容相似性与创新性的影响， 建立了测量AI触及知识循环边界的方式。 AI的内容生成有一定的边界效应 AI的内容生成有一定的边界效应 研究将智能体知识循环边界操作化为生成内容的差异值，衡量标准为生成文本的平均相似度与重复率的加权值。 相似度计算 采用余弦相似度算法，将文本转化为词频向量，计算向量点积 与模长乘积的比值，评估文本间的相似性，取值范围为[-1, 1]， 值越接近1表示相似性越高。该方法广泛应用于信息检索和自 然语言处理领域，可有效评估文本内容的相似程度。 重复率计算 使用n-gra

提示语元素协同效应理论的核心观点包括： ▪ 互补增强：某些元素组合可以互相弥补不足，产生1+1>2的效果。 ▪ 级联激活：一个元素的激活可能引发一系列相关元素的连锁反应，形成 一个自我强化的正反馈循环。 ▪ 冲突调和：看似矛盾的元素组合可能产生意想不到的积极效果。 ▪ 涌现属性：某些元素组合可能产生单个元素所不具备的新特性。 目标 主要元素组合 次要元素组合 组合效果 提高输出准确性 主题元素 2023国家自然科学基金青年项目“面向人工智能生成内 容的风险识别与治理策略研究” • 2023国家资助博士后研究人员计划B档“AIGC意识形态 安全评估” 创新的火花：如何设计出独具匠心的提示语？ 抽象—具体循环法：在不同抽象层次间灵活切换 运用类比与隐喻：增强创意表达 ▪ 分解与重组：先将复杂问题分解为简单组件，再设 计其交互方式。 ▪ 互动规则设定：在提示语中定义组件互动规则。 ▪ 整体行为观察：设计机制来观察和解释从互动中涌 境中抽离 • Generalize（泛化）：寻找普适原则 • Extrapolate（推演）：将原理应用到新领域 �实战技巧：操作方法 1. 使用“评估矩阵”提示进行系统性筛选 2. 应用“优化循环”提示迭代改进想法 3. 设计“创意组合”提示融合不同概念 4. 使用“叙事架构”提示创建统一的故事线 5. 应用“综合提炼”提示形成最终观点 �实战技巧：操作方法 1. 使用“随机输入”提示引入跨领域元素

提示语元素协同效应理论的核心观点包括： ▪ 互补增强：某些元素组合可以互相弥补不足，产生1+1>2的效果。 ▪ 级联激活：一个元素的激活可能引发一系列相关元素的连锁反应，形成 一个自我强化的正反馈循环。 ▪ 冲突调和：看似矛盾的元素组合可能产生意想不到的积极效果。 ▪ 涌现属性：某些元素组合可能产生单个元素所不具备的新特性。 目标 主要元素组合 次要元素组合 组合效果 提高输出准确性 主题元素 2023国家自然科学基金青年项目“面向人工智能生成内 容的风险识别与治理策略研究” • 2023国家资助博士后研究人员计划B档“AIGC意识形态 安全评估” 创新的火花：如何设计出独具匠心的提示语？ 抽象—具体循环法：在不同抽象层次间灵活切换 运用类比与隐喻：增强创意表达 ▪ 分解与重组：先将复杂问题分解为简单组件，再设 计其交互方式。 ▪ 互动规则设定：在提示语中定义组件互动规则。 ▪ 整体行为观察：设计机制来观察和解释从互动中涌 境中抽离 • Generalize（泛化）：寻找普适原则 • Extrapolate（推演）：将原理应用到新领域 �实战技巧：操作方法 1. 使用“评估矩阵”提示进行系统性筛选 2. 应用“优化循环”提示迭代改进想法 3. 设计“创意组合”提示融合不同概念 4. 使用“叙事架构”提示创建统一的故事线 5. 应用“综合提炼”提示形成最终观点 �实战技巧：操作方法 1. 使用“随机输入”提示引入跨领域元素

3. 前 馈神经网络（FFN）：非线性变换模块，提升模型的表达能力。4. 位置编码 （Positional Encoding）：在没有循环结构的情况下，帮助模型理解单词的顺 序信息。 Transformer 结构的优势 1. 高效的并行计算：摒弃循环结构，使计算速度大幅提升。 2. 更好的上下文理解：注意力机制可捕捉长文本中的远程依赖关系。 3. 良好的可扩展性：可适配更大规模模型训练，增强

的智能化发展提 供了新的方向，使 LLM 能够更加接近于人类智能。 AutoGPT 就是一个典型的 LLM Agent。在给定 AutoGPT 一个自然 语言目标后，它会尝试将其分解为多个子任务，并在自动循环中使用 互联网和其他工具来实现该目标。它使用的是 OpenAI 的 GPT-4 或 GPT-3.5 API，是首个使用 GPT-4 执行自主任务的应用程序实例。 AutoGPT 最大的特点在于能根据任务指令自主分析和执行，当收到

读 22 DeepSeek出现之前的十大预判 之九 开源效果追赶上闭源  技术开放，吸引广大开发人员和用户使用  很多公司参与开源，帮助改进产品，众人拾柴火焰高， 反哺开源产品，形成正循环政企、创业者必读 DeepSeek出现之前的十大预判 之十 中美差距快速缩小  美国预训练堆算力的路线不可持续，有待发现新范式“换道超车”  软件和算法差距并不大，主要差距在工程、硬件等方面