把 AI 学习做成可重复的笔记:从疑问到小实验
设计一份轻量的学习记录,保留原始问题、预测、实验输入和复核结果,并把变得有用的笔记整理成自己的知识库。
文章目录
用一页笔记记录一次可重复的观察
学习新概念时,很容易把一大段问答保存下来。过一个月再打开,话题大约还记得,先前真正的疑问已经模糊了。模型写出的答案完整而整齐,常常挡住值得保留的地方,比如在第几轮你才发现自己误解了一个术语,或者哪个简短例子让两个相似概念出现不同结果。给这一轮学习另开一页,记录问题、观察和复查入口,日后重读才有明确的起点。
假设今天在学文本生成里的采样,希望理解“同一个提示词为什么会有不同回答”。笔记标题可以直接写成“固定输入后,改变生成设置会怎样影响一次改写”。可以先独立写两行预测。比如,在提示词和输入不变的情况下,改变控制采样的设置,输出在措辞方面可能更有变化。另一方面,若程序始终从缓存里返回已有答案,改设置后也许观察不到变化。第一条是对模型行为的假设,第二条是对运行环境的猜测。它们能分别由不同的观察检验。
接下来留下一条完整输入,例如请模型用一句中文向同桌解释什么是版本记录。另存当时实际用到的工具和可见设置,重复若干轮,每轮收集输出。把确实不同的内容圈出来。有的例子会改变类比,有的仅替换形容词,有的开始超过一句。输出差异可能来自采样、服务配置、请求上下文或工具预置内容。有证据说明某个因素改变时,再把它写进解释。仅凭一次实验习得的是这套条件下的可见结果,笔记后面可以附上打算怎样确认原因。
给每页一个能回答的问题
“今天学了向量”这个标题适用于记流水账,检索时却很难预知自己能看到什么。比较方便的写法是“把词语变成向量之后,近邻排序有没有保留我想找的意思”。它暗示了一个输入、一个操作和一个可以比较的现象。准备三个短问题和八条自造句子,给出自己认为最接近的句子,再实际查看返回顺序。排序与预期不同的那个样本,后来可以变成一页关于含义、字面词语和业务相关性的笔记。
开始时可以为笔记留四个位置。第一个写原始疑问和当前范围。第二个保存材料、输入和自己的预期。第三个记录在怎样的工具和条件中观察到了什么。第四个用两三句归纳能带走的结论,并记下下一次如何复查。若某项内容暂时没写得出来,留下明确空项即可。比如“还不知道模型收到多少原文,下一轮先测试文件首尾关键词”。空项描述了未完成的工作,后续无需翻整段会话找线索。
一条可复查的记录也需要留住变化的前后状态。比如比较两种解释方式时,都用同一节数据基础课的练习,只改变提示词里是否要求给一个反例。记录两份回答新增了哪几句话,自己在哪道题里用到了那些句子。如果途中顺手换了材料或改了任务措辞,在旁边标出来。以后想知道是哪一处改变带来效果,就可以把其他变量恢复,单独再试其中一个。这样处理同一段学习经验比不断写新总结更节省时间。
可以在每页明确写一条结束条件。比如“我能在空白纸上给出一组有重复词语但意义无关的句子”,或者“我能按照同样的输入独自检查返回的前三个结果”。回答模型提问并复述原话,是建立记忆的一种方式。自己能带着概念处理新例子,则提供了另外一条证据。挑一个最符合今日问题的行动,完成以后就把下一个疑问留到另一页。
请模型参与实验的各个环节
读到陌生术语时,可以请模型首先解释相互关联的两三件事。比如学上下文窗口时,先写出自己对“上下文”和“对话历史”的理解,再给模型看这两句,问这里哪一处容易模糊,能否用两轮对话写一个有限范围的例子。带着自己的版本开始,读答案时更容易发现理解变化。模型列出它使用的前提之后,可以抽出一个前提做新的测试。若它假设以前的对话都会发给模型,就设一个第三轮才会使用第一轮代号的例子,再确认工具实际上送进去了哪些消息。
在设计例子时,可以给模型两三个具体约束。数据由自己生成,例子可以用手检查,结果应该有两种明显不同的候选情况。合适的问题可能是“从下面五条日程中标出哪几项发生在工作日,请返回日期和对应的原句”。先把不含某一天的材料放进去,再观察模型沿哪条信息推断。请模型提出一个反例也很有用,因为你能看到它在哪里设立边界。最后把反例中的每一个可检查断言找到对应材料,人和模型都会从同一个起点读题。
需要帮忙解释错误时,可以把预期和实测摆在一起。写清楚“我预计结果里每个日期都来自初始文本,实际输出多了一条下周三”。接下来请它分别提出数据、提示和运行配置方面的解释,并给每个解释附一个能检验的小动作。在这个例子里,先找实际输入是否含“下周三”,再看要求里是否有允许推断的措辞。如果输入实际来自多个文件,还要看导入时有没有附上别的材料。越小的检查动作越容易立刻完成,结果出来以后继续缩小范围。
完成观察后,可以把笔记交给模型做阅读检查。让它站在一周后的读者角度指出看不出来自哪里的结果,或者列出复查时缺少的文件和参数。自己决定增补哪一项,再读一遍生成的总结。注意区分总结时为了连贯加上的解释和你已经验证的解释。例如,“换了一个词以后重复项减少”是描述,“因为模型重视了这个词”暂时是推测。这两句都能保存,但位置和措辞要使未来的读者知道该怎样使用。
写一份能带回原材料的复查说明
有一类笔记以后常被当作事实引用,比如某个模型支持的输入形式、某个工具加载会话历史的规则,或者代码示例约定的字段。这些内容容易随版本变化。记录时附上来源名称、使用时的版本或日期,以及材料中的小节或文件位置。若保留的是自己观察到的界面,把入口步骤和当时使用的操作系统留在旁边。复查流程可以短到一行,例如“打开测试文档,查找末页关键词,在结果旁对照页码”。
自己才做过的小实验也需要保留可读的来源。实验数据可能是一段提示词、一组文本、三张截图和几段输出。可以在同一个笔记目录给文件使用能看懂的名称,例如“课程说明练习原文”“初次提取结果”“加入依据后的结果”。在正文里写“第三条结论对应加入依据后的第二段”,比仅仅说“参见原结果”有效。文件名已经说明内容,之后移动目录或导出笔记时,沿相对位置仍能找到它们。
这里还可以给复查记录一个优先级。会影响新项目实现的结论放在更明显的位置,例如“日期字段允许留白”或“同一标题可能来自两个版本的文件”。只属于当时工具界面状态的截图可以或多或少保留,根据日后复现价值来取舍。模型回答的十种相近表达可以压缩为一两条可对照样本。清理过一次后,读者容易找到有限的关键输入,也就愿意继续维护这些笔记。
每周用三个动作回收一次学习成果
周末抽一个固定时段,把积累的笔记从头看一遍,只做归档、重做和安排三个动作。归档是给已经有可复现结果的笔记放一个能检索的主题和问题标题。重做是挑一篇一周后会忘记,而且可以在几分钟内重新运行的笔记,把实验输入取出走一遍。安排是选一个正在影响手头工作的发现,把下一步写成可操作的任务。比如“拿真实分类规则再造一个有两个标签的句子,看看返回字段如何表示”。一页纸放得下这次复习的全部结果。
对重复出现的疑问,可以写一份更短的索引。比如“数据抽取”下面放日期相对词、缺失字段、来源对齐和重复记录四个链接名称。每个名称内部通向一篇自己的笔记。阅读顺序可以依照问题出现的过程,从单段材料开始,再看多个来源和相互冲突的条件。当索引上一项有三五篇内容时,比较这些文章实际覆盖的是相同操作还是不同操作。相同操作可以找一篇最完整的作入口,并在里面记录其他实验对它增加的发现。
复习时给自己一道新的题,检查旧结论能否迁移。原来的样本是课程时间,新的样本可以换成社区活动安排。把“下周”换成“结课之前”,再观察同样的方法需要额外哪个时间条件。尝试过后为新条件补一段说明,例如“参考时间来自课程结束时点,原文只有日期没有时区”。有了这段记录,你已经把一个小操作从例题中拆出来,也看到了哪些前提跟着例子走。
定期检查是否真有人需要维护全部笔记。某个实验只为理解一次功能,结论早已能背出,保留标题、实例和运行条件即可。另一个实验反复影响发布、调试或写作,可以在每次参数变化时更新日期与结果。重复的概括用较新的版本替换,原始观测按需要留存。整理的标准由下一次查找决定。想解释一个词时,读者可能需要一个恰好能手算的例子。遇到项目异常时,读者更需要读到操作步骤和当时的错误表现。
从今晚的一个问题开始
试着给今天的疑问分配二十分钟。前五分钟写题目、预期和一份自造输入。中间十分钟向模型提问,做两次对照,留下能说明差异的几行输出。最后五分钟用自己的话写结论和复查条件。举一个具体题目:“同一份短笔记里有一条确认项和一条讨论项,模型在提取待办时能否保留两者的区别?”按照准备的标准看哪些词说明状态,回答有没有对应原句,一条记录何时应当留空。
次日可以取出这份记录,暂时折叠模型答案,自己复原预期和第一步检查。若能走通,说明前一天留下的材料足够。若只记得一个宽泛概念,补一行能让你想起实验的小细节。还有余力时,给自造输入增加一个条件,例如同一句里先说同意,紧接着改为推迟决策。转变位置带来的差异是一条具体线索,值得把它留在下一页。掌握的东西通过行动得到确认,笔记也会随手头的问题自然长起来。