试了一下拿 #AI写文章 的两种方案：
一个是直接走 web 端，要走三层，第一遍跟它交代上下文，背景信息，然后提供一些示例，让它把目录列下来，它列出来之后，再进一步把它提供的目录信息，全部复制下来，交给第二个 chat，让它根据这些信息输出一篇完整的文章。但输出的文章，很呆，缺乏个性。所以补上第三个流程，专门给生成的文章进行润色。但实际效果一般，#AI input AI output。就发现完整的文章进去，让它改写之后，不管怎么调关键词，依然很呆。这里面最关键的还是缺少了增量信息，说的全是政治正确的片汤话儿。
然后我试了第二种方案，直接走 API，逻辑还是类似的，先把目录列出来，然后拆分每一个段落，让 #LLM 分步来写，只是这里有一个区别是，每次在写内容之前，让它去互联网检索信息。然后基于这些信息，总结梳理到文章内容中去。但这个方案同样遇到一个问题，就是目前这个分步，由于没有上下文，它会过分啰嗦，会以那种三段式的结构来写中间的段落，像个呆头鹅。
不过两相比较下来，感觉还是 API 的方案更有可能 #工程化 和规划化。灵活性上，也是下面更佳。只是 API 里面可以调节和自定义的东西灰常多，其实把整个工作流跑通调完整，不亚于用代码写个小项目，所以谁说拿 Ai 写内容就简单了😅
也是从这个过程中发现了，雇佣 #AI员工 也并非易事，得了解它们每个功能的特性，不然最后就是 garbage in garbage out 😅
如果你做过盖洛普优势测试，也跟我一样，分析这个优势排名靠前的话，估计会跟我遇到同样的困境，就是太纠结。
绝大多数时候的纠结，是都想得太多，而做得太少。次数多了你就会发现，绝大多数时候，不管是做 A 决定还是 B 决定，最后事物的走向都会回归均值，而往往纠结本身是最浪费时间的。何解？
老实说，我到现在也没有太好的办法。
现在我给自己一个原则，就是遇到问题，先别管三七二十一，把大问题，首先分类成小问题，在做小问题的时候，先强迫自己别去想，而是用穷举法，先把东西一股脑列出来，在逐个击破，而做得过程中遇到的问题，会收获到这个事情更具体的认知。而认知的补齐会逐步矫正方向以及提升你做事情的效率。
麻省理工大学的校训是 “Mens et Manus”，也就是”Mind and Hand”，中文翻译是知行合一，就是提醒学生做到脑手并进，避免成为行动上的矮子，与君共勉。
#个人思考#浴室沉思
