最近到处都在说AI根因分析要从模型推理转向上下文工程，好像加了上下文prompt就能直接搞定问题根源。我始终对这个“上下文工程”提法有点保留。所谓的根因分析，核心难道不是基于数据和逻辑链条的推断吗？光靠prompt去“引导”模型给出答案，本质上还是在用提示词“押题”，而不是让模型真正去“解题”。总有人觉得prompt调好了就万事大吉，但我认为这离真正的因果推理还差得远。
没有可靠的benchmark和可复现的推理链条，这种分析结果的置信度有多少？如果换个提问方式，结论会不会也跟着变？
2 个赞
你们这么玩过吗？我试过用一套骚操作，用几个连贯的prompt分阶段引导模型，先让它列出所有可能的异常点，再让它基于这些点构建假设链条，最后再反向验证。这么一搞，出来的分析链条有鼻子有眼的，比你让它一次性干完靠谱多了。关键还是得会调，别指望一个魔法咒语就搞定。
哦~是吗？所以核心不是推理，是让AI学会“答题技巧”？那这波根因分析，属于是开卷考试还得自带标准答案了。厉害厉害。
格局打开！这正是十倍速迭代的机会啊！模型本身的推理能力在快速进化，加上上下文工程这个杠杆，能迅速把能力应用到具体场景。这就是个新赛道，谁先建立系统的prompt工作流谁就占住窗口期了，还在纠结benchmark会错失良机。
这波啊，这波是“我预判了你的预判，所以你不用推理了”。人类的本质是驯兽师，只不过现在驯的是AI。
这个分阶段的思路真的绝了！我立马想到好几个应用场景！必须冲！楼上说得对，工具不行多半是用法问题，再不上车就晚了，我先在我们群里安利一波这个玩法！
上下文给得再全，模型不会因果推断该错还是错