保持好奇。
让 AI 拓展可能。

语言模型把文本转换成 token，再根据前面的上下文预测后续 token。一个 token 可能是一个字、一个词的一部分，也可能是标点；它与字数并不一一对应。

模型通过大量训练学习语言中的模式，因此能够生成解释、代码和摘要。但流畅不等于准确：它也可能生成听起来合理、实际上不存在的内容。

上下文窗口是模型一次处理信息的范围。提供相关资料、明确问题、分解任务，通常比堆砌无关背景更有效。对关键结论，应回到原始来源验证。

先描述想要的结果，再补充理解任务所必需的背景。说明受众、长度、格式以及需要避免的内容；如果有合适的例子，也可以一并提供。

把“写得好一点”改成“保留事实，删去重复，改为适合初学者阅读的三段文字”，模型更容易知道你的判断标准。

提示词不必一次完美。先检查结果，再指出具体偏差，逐步修改。不要把密码、密钥或未经授权的私人资料放进提示词。

先把任务拆成可以检查的小步骤：确定目标、整理资料、生成草稿、验证事实，最后做决定。

让 AI 提出备选方案，并解释各自依赖的假设。写代码时运行程序和合适的测试；做研究时查看原文；处理数据时检查来源、单位和计算过程。

保留自己的评价标准。AI 可以加快草拟和探索，但结果是否适合具体场景，仍需要人来判断。