【AI Talk】16 Contexts 和 Loop 对大部分人来说并不重要

随着AI技术的发展，从提示词工程到上下文工程，再到最新的循环loop概念，技术术语不断演变，但本质差异不大。对于大部分人来说，跟着用就行。

Q1：从提示词工程到上下文工程再到循环loop，这些概念的本质区别是什么？

A1：这些概念本质上没有特别大的差别，只是提示的哪一部分发生了变化。提示词工程需要编写详细的步骤和思维链引导。上下文工程是将完成任务所需的必要上下文信息放入系统中，包含检索等功能。循环loop则是明确了验证过程的说明。

Q2：AI任务可以分为哪些类型？各有什么特点？

A2：过程导向型任务：特点是完成步骤ABCDEFG就能得到结果。例如制作蛋糕：放蛋糕胚→抹奶油→放水果→层层叠加。每个步骤只要能达到进行下一步的标准即可，不追求完美。

结果导向型任务：特点是过程变量多，结果难以预测。例如烧制瓷器：准备原料→上釉→封窑→烧制。受窑温、天气、釉料纯度等多因素影响，结果像开盲盒。AI的作用是降低尝试成本，只要试出成功结果即可。类似模型训练，使用者的感知好坏难以完全验证。

注：瓷器仅比喻，我都是从视频里看来的，和实际肯定有偏差。

Q3：为什么会有层出不穷的新技术术语出现？

A3：行业需要新的刺激点。每个技术都有其能解决的问题和解决不了的问题。针对解决不了的问题会发明新的概念和方法。但本质上，这些技术（如loop和上下文工程）并没有那么重要。解决问题才重要。

Q4：AI领域最难解决的问题是什么？

A4：最难解决的是在过程不清楚且验证也不清楚的情况下达成目标。类似"把信交给加西亚"的任务：知道方向但路径不明。需要额外信息支持，但如何获取和验证这些信息是挑战。每一步都可能包含赌的成分。目前难以训练AI具备这种能力，因为训练需要具体信号。

Q5：有价值的数据具有什么特征？

A5：有价值的数据一定不是公开的。公开数据的价值有限，数据获取成本决定其价值。重要的是如何将数据串联成长上下文。例如商品从调研到开发到上线售卖再到销量等等的全流程数据如何被复用。