首先我要对您的努力推广表达我由衷的敬意。您在 “2024 AI创新者大会” 上的分享，特别是对 乔哈里视窗模型 和 Prompt心法 的解读，为行业的从业者带来了许多新的启发。在您的发言中提到的一些观点，正是来自我在2023年撰写的付费文章：

• 《第一性原理下的Prompt，助你跃升为大师的指导手册》（以下简称“Prompt第一性原理手册”）

  
  

• 《想把方法论转化为复杂提示词？Prompt心法与算法高级指南，帮你从知到行升维实践》（以下简称“心法”）

  

  想把方法论转化为复杂提示词？Prompt心法与算法高级指南，帮你从知到行升维实践

  
  

看到这些观点您在公开场合中分享，我颇感欣慰。这证明了我之前发表的观点确实触及了行业痛点，得到了您的大力传播。毕竟，知识的传递和观点的传播，本质上是为了推动整个行业的前行，这一点上，我认为我们的目标是一致的。

我想坦诚地说明，这些观点是我在潜心研究NLP和生成式AI技术时所总结出来的，尤其是“Prompt第一性原理手册”中基于 乔哈里视窗 在帮助大家理解和了解ChatGPT等前沿AI工具的使用上，这一想法融合了人类认知和模型理解的交互性。在这篇文章之前，我也有写过《尊嘟假嘟，写好Prompt还要懂点认知心理学》，并且用Claude写了《看看Open AI的Co-founder和吴恩达、乔姆斯基、微软VP等科学家，怎样让你的Prompt生成的内容和字数更精确》为许多应用者和开发者提供了有效的思路。你在大会上的分享中虽然没有提及我的名字，但我依旧理解你在行业中传承这些理念所付诸行动背后的勇气和动力。

再谈乔哈里视窗

乔哈里视窗（Johari Window）是由心理学家 约瑟夫·卢夫特（Joseph Luft）和 哈里·英汉姆（Harry Ingham）于1955年提出的模型，用于帮助人们更好地了解自己。它似乎适合作为推测人际关系的启发式工具，可视化Johari Window的四个象限很简单。以下是约瑟夫·卢夫特1961年发表的论文原图：

乔哈里视窗的四个象限：

1. 公开区（自由活动区域）：指的是自己和他人都已知的行为和动机。

2. 盲区：指他人能看到但我们自己未察觉的自身特质。

3. 隐私区（回避或隐藏区域）：代表我们自己知道但不对他人透露的事情（例如，隐藏的议程或我们有敏感情绪的事务）。

4. 未知区（未知活动的象限）：个人和他人都不知道的行为或动机。然而，我们可以假设它们的存在，因为最终其中一些事情被人们所知，然后我们意识到这些未知的行为和动机一直在影响着人际关系。

在此，我想借助乔哈里视窗模型，对我们之间可能存在的认知差异进行一些有价值的梳理。这个模型的四个象限或许可以帮助我们更清晰地理解彼此的认知，从而建立更多共识。

1. 公开区

这是我们双方都清楚的领域。您在大会上的分享中展示了许多独特的见解和努力，这些都是众所周知且值得尊敬的。我也一直关注着您的工作，认可您在领域内的贡献。

2. 隐私区

这是您了解但我未知的部分，涉及您对一些语言学概念（Mondegreen）的个人思考和未公开的信息。我不便对此做出猜测和评价，但这部分可能包含了您在分享中未提及的考虑。

3. 盲区

这是关键所在。您在分享中提出的许多观点，尤其是用Johari Window与AI的对话与交流实际源自于我的研究和总结。但您未提及到我，这就引发了一个重要的问题：您是否忽略了对原作者劳动成果的尊重？这不仅关系到您个人的学术诚信，更影响到行业内知识分享的健康生态。

4. 未知区

这是我们双方都未探索的领域，也许正是在这里，我们可以找到共同进步的契机。我相信，通过公开而坦诚的交流，我们有机会在这个区域进一步达成共识。

澄清事实

我理解，在业界，观点的传播本身就带有一种无形的继承关系。我们的思考或多或少都是在前人的基础上继续前进，这也是行业得以进步的重要原因之一。同时，我们也需要在分享和引用时尽量尊重原作者的劳动，明确观点的源头，这是对知识创造者最基本的尊重。

在此次大会上，您对 Prompt心法 和 乔哈里视窗模型 的解读，是对我观点的进一步诠释和发扬。同时，我也希望能在此向大家明确，这种交互方式的原始提出和具体应用策略，均源自我在2023年发表的这两篇付费文章。我的目标并不是指摘，而是希望通过这样的澄清，让更多读者了解这些思想背后的努力和来龙去脉。

继刚老师，您使用LISP语言进行Prompt开发的做法，展现了您独特的思维和逻辑严谨性，这一点我非常欣赏。您发表高论后，我也在我的公众号介绍了 《LLM的Prompt竟然是图灵完备的？LLM提示范式的第一个研究》这篇论文 以做策应，我看到您也有给我的这篇文章点赞。

然而，LISP语言的提示词适用性在目前主流的生成模型中可能存在一定的局限性，尤其是在生产环境中，它的实际应用可能不如Python等语言普及。这也是为什么我倾向于介绍更多前沿的NLP研究成果，并鼓励大家去探索与生产实践紧密结合的 pesudo prompt 以及其它Prompt优化策略。我相信，这些分歧并不影响我们之间达成有价值的共识。

合作的原始形态与现代实践

除了分工与交换之外，合作还有一种更为原始的形态，即 “食物分享”，这在猩猩等灵长类动物的社会中也能见到。原始人在洞穴经济中，生存风险极高。如果你所在洞穴的猎人外出狩猎半个月却一无所获，该怎么办？饿死吗？

此时，如果邻近洞穴有充足的食物，你可以向他们借取一些以维持生计。同样地，未来当你的洞穴有多余的食物时，也有义务回馈给曾经帮助过你的洞穴。这是一种基于信任的关系，食物分享成为一种保险机制，有助于族群的繁衍和生存。

而那些缺乏这种保险机制的洞穴经济，很可能在几次冰川期的打击后就走向灭亡。

个体、小组、小团体、小圈子（家庭）就如同这些洞穴经济。进一步阐释，研究者们就像一个个洞穴，都有多余的“食物”。谁的“食物”多，就尽力去分享。这正是 “小世界理论” 的实践。

从好看转向好用

我始终相信，生成式AI的未来在于合作。正如原始社会中食物分享所体现的信任与合作精神，我们在当今的学术和技术领域也应当秉持这样的理念。作为行业内的两位参与者，我们的共同目标是推动这一领域的发展，使得生成技术不仅仅停留在语言学理论和自指偏差的讨论中，而是为更多一线的开发者提供真正有价值的、被实证过的技术支持。

在此，我真诚地邀请继刚，和我一起继续为生成式AI的发展贡献力量。我们可以将各自的长处结合起来，您对LISP语言的深刻理解，或许可以进一步为一些独特场景下的生成策略提供新的启发。比如 基于LISP的提示词优化技术，让LISP伪代码提示词在更多的国产大模型上能运行得更加顺畅。而我所专注的NLP前沿研究和生产应用技术，也可以为行业中的更多朋友带来认知上的提升和实际的帮助。

生成式AI不仅仅是一个技术话题，它更是一个社会实践。它关乎我们如何将AI的力量转化为实际的生产力，如何为那些在一线奋斗的朋友们提供支持与帮助。我衷心期待，未来，我们的共识可以为整个行业带来更多实质性的突破和改变。

结语

再次感谢继刚老师对我观点的认可和传播，也感谢所有关注和转发这一话题的朋友们。我的两篇付费文章仍然对外开放，希望这些内容能够继续帮助到更多的开发者。

最后，无数近期的论文都表明一点：提示词的本质是利用大型语言模型自身的知识结构，通过精心设计的输入，引导模型生成我们期望的输出。因此，在讨论提示词的表达方式、输出形式、压缩方法、优化策略等“道”与“术”时，如果不考虑模型的先验知识，脱离LLM的先验知识去谈，不过是镜花水月，幻中求幻。愿我们在推动生成式AI的道路上，携手前行，为更多的开发者和从业者带来价值，为这个充满潜力的领域贡献自己的力量。

作者：修猫

2024年11月21日 

AI修猫Prompt公众号文章赞赏赠与资料分类汇总

如有任何问题或建议，欢迎随时与我联系，期待继续为您提供更多有价值的内容！

第一性原理下的Prompt，助你跃升为大师的指导手册

想把方法论转化为复杂提示词？Prompt心法与算法高级指南，帮你从知到行升维实践

如有更多关于公众号的问题，也可以问一下下面的公众号助手

<本文完结>

1. 转载请与本喵联系，私自抓取转载将被起诉

?让我们一起创造更多美好！ ?

如果您觉得这篇文章对您有帮助

感谢您为我【点赞】、【在看】

<您为我点赞在看，只有我能看到>

?微信号：xiumaoprompt

添加请注明来意！