Chat, Language, Prompt
我很早就弄懂了这句话的意思：
构成这世界的不是原子，而是故事。
不是原子不重要，而是理解世界有两条独立的路径。你可以从牛顿思考的原子出发，也可以从荷马的故事出发。两条路通，不同层面，但都得到真实的理解。
而我今天想说的，恰好是意义同构的一个事。
理解人，可以从世界模型出发，也可以从语言模型出发。
大语言模型描述世界并不精确，不像物理模型或世界模型那样可以精细地还原现实，但是它能描述人。大语言模型从人类写下的一切文字中，"捕捉"到了人的欲望和意图的表达模式、人与人之间从渴望到敌视的关系光谱、从雄心壮志到龌龊想法的动机全貌，以及人在不同处境下对价值的判断和表达。
所以，大语言模型走的是荷马的故事这条路。
我花了一些时间，才把这件事和自己的工作对上。
2022年底ChatGPT发布。所有人都在谈论GPT——它聪明，能写代码，能过律师考试。我特别留意这个词的前半部分：Chat。
GPT作为大语言模型早在2018年就存在了，它一直在那里，但普通人碰不到它。直到有人把它放进了一个聊天窗口，所有人才第一次可以通过对话来接触这个技术。
而 Chat 这个词对我而言，似乎有另外意义。
做了十多年的沟通和演讲训练，对话是我主要的工作形态。而现在，人类历史上最强大的AI技术，选择用对话作为它和人之间的界面。这不是巧合——对话是人类自然又古老的信息交换方式。我隐约觉得这件事和我的专业之间有某种结构性的关系，但还说不清楚。
弄清楚这个事都到了2025年。是在一个凌晨。
我在读一篇文章，不知何故，作者把LLM写了全称——Large Language Model。我好似第一次发现中间那个词居然是 Language。看着这个词，之前一直模糊的直觉忽然有了着落，之前耳边风听多了的那些话终于入脑走心了。
这个东西的全部能力来源，不是基于知识图谱，不是基于规则引擎，不是基于世界模拟，就是基于语言。它的一切都建立在从人类的文本中学习语言的使用模式。而且，不仅是大语言模型本身基于语言——整个生成式AI的人机交互界面，无论是生成图像、音频还是视频，用户调用它们的方式目前主要是语言。
语言，是这个时代的枢纽。而我在做和语言高度相关的工作。
我也开始理解，为什么人们重新谈论维特根斯坦。
一个词的意义不在于它指向什么，而在于它在具体生活中如何被使用。
大语言模型恰恰就是这样运作的——它没有见过世界，但它从海量的人类语言使用中，学会了在什么场合说什么话。然后它说出来的话，居然是有意义的。
这揭示了关于我的工作的一个重要实质。
我做汇报和演讲的训练，其解决问题的机制，实际上并不在语言的层面。事实上，我必须暂时搁置话语和逻辑，剥去修辞达意的表层，去探寻下面人和人关系的那一层。十几年来，不论我埋头于理解学习需求、开发课程的时候，还是课堂上与学员互动、与高管辅导对谈的时候，我的思考都会一次次地被拉回到那些基本的主题上：表达的动机与价值，沟通双方的信息对称度，沟通双方的话语权力。当这些东西理清之后，回到语言层面，修辞和逻辑的问题反而更好解决。
2025年的夏天，大语言模型的表现让我开始慎重对待它。它在对话中的理解力已经到了可以承接严肃工作的程度。我考虑，十几年来一直在用的方法——先理清下面那层，再回到语言层面——终于可以交付成具体的工具了。
首先，是一套自助型Prompt。我为学员设计了一组在汇报演讲之前向自己提出的问题：我为什么要说这个？对方已经知道什么、不知道什么？我和对方之间的关系是怎样的？这就是我十几年来在课堂上带着学员做的那个诊断——只不过现在，我要求学员自己完成。我把它叫做Prompt——借这个词在今天的分量，让一个老方法重新被认真对待。问出高质量的正确的问题，是这个时代关键能力之一。而 AI 或者说 AI 的 Chat Window 倒逼我们重新掌握这种重要的能力。
维特根斯坦说：
语言之所以有意义，不仅仅是因为使用模式，而是因为说话的人共享一种生活形式——共同的身体经验、社会处境、生存条件。
大语言模型没有生活形式。它能识别语言中的模式，但它不和任何人共享处境。第一套Prompt之所以必须由人来完成，原因就在这里——那些关于动机、关系和权力的判断，在每个人具体的生活里，不在语言里。
然后，是学员对AI的Prompt。当学员带着清晰的意图和方向，再去向AI提问：请梳理这次汇报的内容逻辑，提炼核心观点，组织演示PPT，改善措辞。AI在这个执行层面的能力是显而易见的——而因为学员已经做过了第一步的自我诊断，给AI的指令是清晰的，AI的产出质量也就更高。
先对自己，再对AI。先诊断，再执行。
大语言模型在逐渐成熟。从事语言相关工作的人，幸运地走在了枢纽位置上。
返回教学笔记