AI Prompt Engineering Framework Escape

上次我说让 AI 很难跳出既定框架，有网友说是我提示词没写好，所以我最近换了一种写法，还真的有效果，简单来说就是让它基于要达到的目标，跳出框架，重新思考会有什么不一样的做法。 上次我在 AI 帮我翻译完视频后，我给它提问： > 如果跳出当前架构，让你基于功能重新设计当前的翻译流程，你会采取什么不一样的做法？ 还别说，真的给了我一些不一样的思路。 但是我看完觉得可能不太靠谱，不过口说无凭，那咱们用数据说话吧。 我让它去开个 Worktree (因为还有其他任务再跑，不好开分支)去验证下： > 用一个worktree去验证你的方案，然后对比当前方案，看是否在不牺牲质量的前提下有更好性能。 等它验证完，发现并没有预期那么好，但是也不是完全没价值，可以部分借鉴它的方案。 有个小插曲，其实一开始我没看懂它的意思，也不知道是好还是不好，然后我去开了个 sidechat（/btw），让它给我详细的解释了一下： > 解释一下新的方案：值得做吗？是部分改进当前还是完全改进？具体怎么改进，请通俗易懂的给我解释一下，最好结合具体的例子 听它解释完我才明白，然后把解释的内容重新给它让它基于这些信息去实施了，对于提升质量还是有帮助。 至于为什么要用 sidechat，是因为这类解释的事情没必要放到主上下文，只是了解一下，除非后续需要用到一些聊出来的信息。 --- 简单总结一下： 1. 让 AI 根据目标跳出框架去思考，给出新的方案还是有帮助 2. AI 给的方案不一定靠谱，还是得要有人工验证，最好是有数据为准，不能全盘接受 3. 一些当前任务无关的问题可以问 sidechat 宝玉 @dotey 我最近就发现，即使聪明如 Fable 5，如果你只是给它一个目标让它优化，它可能也就是在既定的框架下想办法帮你优化到极致，但是它很难跳出既定框架，发现一条完全不同的路线。 比如说最近有用户反映使用 BaoCut 转录速度慢，我就反复的用 Codex 去转录视频，然后让 Codex 或者 Fable 去分析瓶颈在哪里，该怎么优化，然后每次它们都能给我一堆理由和看起来靠谱的优化方案。 比如它会建议多开启 workers（subagent），对 workers 预热之类。让它按照方案优化后，似乎有效果但是又不明显。 最后还是自己去分析数据包，发现耗时长还是输出的 JSON 格式太长了，导致生成、校验时间较长。 如果不用 JSON 格式，比如纯文本，或者简单的 html 格式，会更节约 token，只不过这样程序解析会很复杂，比如对字幕润色分段，输出是纯文本的话，就要做 diff 比较润色后更改的内容，还要把变更后的部分，重新对应到原始字幕的单词上。 简单来说，就是以前为了让程序简单就让模型输出复杂更费 token；如果要节约 token，就可以让模型的输出简单，但是程序解析会很复杂。 按照这个思路改进后，效果很明显（对比图2图3），调用次数从 33 次降低到 12 次；时间从 31 分钟降低到 18 分钟。测试张小珺那期将近 7 小时的访谈，完整润色也只需要 42 分钟。 如果不走 Agent 走 Cloud 模型的话，一个小时的视频，完整的翻译校对成双语字幕，用 DeepSeek v4 Flash，成本大于是 ¥0.4元。 有兴趣可以试试看效果，Mac 有专门的 App，Windows 支持 cli 或者 skill。 BaoCut ： baocut.app 🔗 View Quoted Tweet 💬 5 🔄 1 ❤️ 15 👀 4283 📊 7 ⚡