本文章长线更新~
很多人说，随着 AI 越来越强，提示词变得不那么重要了，即使是稍微差一点的表述，也能够达到相同的效果。我严重怀疑说出这种话的人到底干过活没有，在很多领域，尤其是前端，一旦出现了一些词不达意的现象，结果就有可能相差甚远。
所以我认为，了解现在的大语言模型的缺陷，并且知道如何使用 prompt 优化模型表现，仍然是重要且必要的。
我会把想写的内容分成两个部分：理解模型在说什么；怎么更好的指挥模型。思路来源于我自己的工程经验。
黑话篇
相信大家肯定都被 gptish（特指 gpt 生成的中文语言，类似表述有 claudish 等）折磨过：
哈哈，觉得眼熟？这样的场景此时此刻正在AI系各处上演！下一个可能就是你。除非你能做出生命中最重要的决定。
问题的来源尚不明确，不过大概率与训练集以英文为主和 AI 自造翻译有关。
至于为什么这样，和各家的模型品味有关，gpt 系列是出了名的严谨和防御，所以写出来的东西会特别工程，即使你只是想做一个看上去很好玩的东西，它也会考虑一万种奇怪的边界可能，然后疯狂地验收和测试。
说到测试和补丁，让我想起了 TDD，我感觉 Red-Green 才是真没什么用的玩意。
那么接下来，我会解释这些臭名昭著的 AI 词汇，PTSD 患者慎入
门禁
我认为对应的英文单词应该是 gate。
在做出某个动作之前，先进行一次检查，获得许可后才触发执行，否则进入 try-catch 或者类似的异常处理环节，像是等待线程锁。
评价：确实有点像单元门禁或者地铁闸机之类。
夹具
最意义不明的单词之一 fixture
完整的翻译叫做“固定装置”，也有点看不出门道。真实的意思是，为了测试程序的各项功能，搭建一套固定的测试平台，保证环境稳定不变，观察程序运行状态。
评价：gptish 特有产物，最喜欢写测试之人，而且全部都是端到端测试，所以出现这个词的频率最高。我一直对端到端测试的作用持怀疑态度。gpt 想出的测试内容可能在正常环境下无法触发，还不如写完静态测试之后让人真实测试。
端到端
也写成 e2e。
这个还算不那么黑话，因为平常软件工程也用，值得就是从输入到输出，测试是否能得到想要的输出。
评价：听上去也很不靠谱，如果错错得正了怎么办