第 18 卷

如何检验AI生成知识的创新性和价值

知识生成后的检验：研究的闭环

p 为什么要检验？回归知识的定义：有效性和社会指导性

p 如何检验？实验的方式

探讨智能体生成内容在知识准确性、逻辑一致性和内容创新性方面的表现。分析其生成知识在不同语境、任务类型中的

适应性。提出衡量生成知识质量的标准与评价框架。

还要不要学提示语?

示语就是我们与Al“对话”时所使用的语言，它可以是一个简单

的问题，一段详细的指令，也可以是一个复杂的任务描述。

生成输出根据提示语生成相应的回答或完成特定任务

提示语的基本结构包括指令、上下文和期望

指令上下文

解和执行任务。

(任务描述)(背景信息)

•期望(Expectation):明确或隐含地表达你对Al输出的要求

和预期。

输入输出格式

(具体数据)(期望结果形式)

任务需求与提示语策略

任务类型适用模型提示语侧重点示例（有效提示）需避免的提示策略

推理模型直接提问，无需分步引导“证明勾股定理”冗余拆解（如“先画图，再列公式”）

数学证明 “请分三步推导勾股定理，参考：

通用模型显式要求分步思考，提供示例直接提问（易跳过关键步骤）

1. 画直角三角形…”

推理模型鼓励发散性，设定角色/风格“以海明威的风格写一个冒险故事”过度约束逻辑（如“按时间顺序列出”）

创意写作 “写一个包含‘量子’和‘沙漠’ 通用模型需明确约束目标，避免自由发挥开放式指令（如“自由创作”）

的短篇小说，不超过200字”

推理模型简洁需求，信任模型逻辑“用Python实现快速排序”分步指导（如“先写递归函数”）

代码生成 “先解释快速排序原理，再写出代通用模型细化步骤，明确输入输出格式模糊需求（如“写个排序代码”）

码并测试示例 ”

通用模型自然交互，无需结构化指令“你觉得人工智能的未来会怎样？” 强制逻辑链条（如“分三点回答”）

多轮对话 “从技术、伦理、经济三方面分析推理模型需明确对话目标，避免开放发散情感化提问（如“你害怕AI吗？”）

AI的未来”

“分析‘电车难题’中的功利主义推理模型直接抛出复杂问题添加主观引导（如“你认为哪种对？”）

与道德主义冲突 ”

逻辑分析 “先解释电车难题的定义，再对比

通用模型需拆分问题，逐步追问一次性提问复杂逻辑两种伦理观的差异”