@karpathy：我们将花更多时间去理解语言模型的输出。一些思考、技巧和窍门：……

X AI KOLs 新闻
llm-prompts prompt-engineering communication explainer-videos developer-productivity

摘要

Andrej Karpathy 分享了理解大语言模型输出的技巧，建议使用 ASD-STE100 这类受控语言来获得清晰简洁的表达，此外还推荐生成图表、HTML 网页以及定制讲解视频（例如用 ElevenLabs 配音的 3Blue1Brown 风格视频）等越来越有效的输出形式。

我们将花更多时间去理解语言模型的输出。一些思考、技巧和窍门： **写作方面。** 我觉得很有效的一招：让你的大模型用 ASD-STE100 来解释某个东西，这是一种最初为航空航天维修文档开发的受控语言规范。大模型对这种语言掌握得很好，而且它对干净利落的写作风格有很强的约束，我常常觉得这样的表达要好读得多。有时我也会稍微放宽一点，比如要求"朝着 ASD-STE100 的方向做到 80%"，因为这个规范相当严格。但更进一步的建议是： **图表 / 图像。** 与其写文字，不如让你的大模型生成一张图表。图表处理、解析和理解起来要容易得多。但更进一步的建议是： **网页。** 要求"用 HTML 输出"，就能得到一个漂亮的交互式网页。大模型在前端方面已经非常出色，可以创造出精美的体验和动画效果等等。但更进一步的建议是： **讲解视频。** 我最看好的输出形式，是针对任意主题生成完全定制、量身打造的讲解视频。可以尝试类似这样的提示词："用 3b1b 风格创建一个关于 X 的视频讲解。使用我的 ElevenLabs API key 来做语音配音。"（后者你需要一个 API key，或者你可以让你的大模型帮你找一些利用本地算力的、还不错的免费替代方案。）这件事真的已经开始行得通了！ **总结：** - 随着大模型变得越来越好，它们将越来越多地自主完成基础性工作，而我们的大部分工作将上升到更高的抽象层面——即监督和理解。 - 幸运的是，大模型在这里也能帮上忙：随着智能和代码变得越来越充裕，你可以要求生成大型的、定制化的、用完即弃的软件工件（例如网页应用、视频讲解）。在这方面不断挑战边界，你会感到惊喜。
查看原文
查看缓存全文

缓存时间: 2026/10/02 01:31

在理解语言模型的输出上，我们将投入多得多的时间。一些想法、技巧与窍门：

写作。 我个人实践下来很有成效的一个方法：让 LLM 按照 ASD-STE100 来解释某个内容。这是一套最初为航空航天维护文档开发的受控语言规范。LLM 对这种语言掌握得很好，而且该规范对行文的简洁与清晰有严格约束，读起来常常清晰得多。有时我会要求宽松一些，比如“朝着 ASD-STE100 的方向走 80%“，因为规范本身相当严苛。但更进一步的做法是：

图表 / 图像。 不用文字，而是让 LLM 生成一张图表。图表往往更容易处理、解析和理解。但更进一步的做法是：

网页。 要求以“HTML 形式“输出，得到一个漂亮的交互式网页。LLM 在前端方面已经相当出色，能创造出精美的体验和动画等等。但更进一步的做法是：

讲解视频。 我最看好的输出形式是针对任意主题生成完全定制的讲解视频。可以试试类似这样的提示词：“为 X 制作一个 3Blue1Brown 风格的视频讲解，音频旁白使用我的 ElevenLabs API key。”（后者需要你有对应的 API key，否则也可以让你的 LLM 帮你找一些利用本地算力的免费替代方案。）这其实已经开始变得可行了！

总结：

  • 随着 LLM 不断进步，它们将越来越多地自主完成基础性的辛苦工作，而我们的工作会更多地上移到抽象层面，聚焦于监督与理解。
  • 值得庆幸的是，LLM 在这方面也能帮上大忙：随着智能和代码的供给日益充裕，你可以要求生成大量定制化的、可随意丢弃的软件产物（例如 Web 应用、视频讲解等），而这些在过去根本不可能值得去做。在这里大胆尝试，你会大吃一惊。

相似文章