角色信号
让 AI 站在产品经理、教练、律师助理、客服主管等不同视角，答案会偏向不同判断标准。
03 第零篇章 · 第一次系统认识 AI
AI 为什么总像在接下一句
AI 的回答不是从脑子里“调出答案”，而是在你的上下文轨道上一步步生成下一个最可能的词。理解这个机制，才能知道它为什么会写得顺，也为什么会顺着错前提继续写。
一句话回答
AI 的“理解感”来自上下文续写能力：它会根据你给出的文字、资料、例子、角色和格式，持续选择下一个最可能出现的词。上下文像轨道，AI 像沿轨道高速生成的引擎。轨道铺得清楚，结果更稳；轨道歪了，它也会把错误续写得很顺。
同一句开头，换个上下文，续写方向完全不同
context lab
统一开头
“新手学 AI，第一步应该……”
在课程教练的上下文里，AI 会倾向于把答案组织成学习路径、练习任务和反馈闭环，而不是直接推荐一堆工具。
上下文里真正影响回答的 5 个信号
signal stack
任务信号
“解释给我听”和“写成可发布文案”不是同一件事，动词决定输出形态。
资料信号
你给的事实、案例、数据和背景越明确，AI 越少靠泛化经验补空白。
示例信号
给一段你喜欢的样例，比说“高级一点”“像某某风格”更稳定。
格式信号
表格、清单、脚本、JSON、步骤说明，会把模型的续写收束到可接住的形状里。
这个机制解释了很多新手困惑
why it happens
为什么它很会写？
写作就是在结构、语气、节奏和内容之间连续做选择，大模型正擅长这种高密度续写。
为什么它会顺着错前提说？
如果你的问题里已经塞进错误假设，模型往往会沿着这个假设继续生成，除非你要求它先检查前提。
为什么同一个问题答案会变？
生成不是唯一答案检索，而是在多个候选里取样。温度、上下文和历史对话都会影响路径。
为什么数学和事实要谨慎？
语言合理不等于计算正确，也不等于来源可靠。重要数字和事实要接工具、查来源、做校验。
本节练习
用同一个问题，测试三种上下文的差距
不要急着背原理。复制一个真实问题，分别只问一句、补背景、再加样例和格式，看答案怎样变化。
只问一句观察它会猜哪些信息。
补背景看方向是否更贴近业务。
给样例看语气和结构是否变稳。
限格式看输出是否更容易使用。
让它自检看是否能标出不确定项。
本节小结
- AI 的“聪明”很大程度来自上下文续写，不是每句话都经过事实检索。
- 提示词的作用是铺轨道：角色、资料、示例和格式会改变生成方向。
- 它写得顺不代表一定真实，语言流畅和事实可靠是两件事。
- 想让输出变稳，先优化上下文，再考虑换模型或换工具。