当 AI 连 9.11 和 9.8 谁大都分不清时，真正的问题不在于模型本身，而在于我们不懂如何正确提问。通过一系列实验，我发现即使是最先进的 AI 模型在面对模糊问题时也会犯错，但只要稍微调整提问方式，几乎所有模型都能给出正确答案。这个现象揭示了与 AI 交流的核心秘诀：清晰表达。
顶级 AI 模型的数字比较测试
在第一轮测试中，我让多款全球顶尖 AI 模型回答”9.11 和 9.8 谁大”这个简单问题，结果令人震惊。我测试了包括 OpenAI 的 GPT-4.5 O1 和 GPT-4、Anthropic 的 Claude 3.7 Sonnet 和 3.5 Haiku、DeepSeek V3 和 R1、Elon Musk（埃隆·马斯克）的 Grok 3 以及谷歌 Gemini 2.0 系列模型。
令人惊讶的是，除了 DeepSeek 和开启 Thinking 模式的 Grok 3 外，其他所有模型都给出了错误答案。即使是最新最强大的 GPT-4.5 O1 也认为 9.11 大于 9.8，这显然违背了基本数学常识。Claude 3.7 Sonnet 虽然最初回答错误，但在推理过程中自我纠正，最终给出了正确答案。
改变提问方式，结果截然不同
当我将问题稍作调整，改为”请对比两个小数 9.11 和 9.8 谁大”时，几乎所有模型都能给出正确答案。在第二轮测试中，除了 Claude 3.5 Haiku 之外，所有模型包括 GPT-4.5、GPT-O1、Claude 3.7 Sonnet、DeepSeek V3 和 R1、Grok 3 以及 Gemini 2.0 系列都正确识别出 9.8 大于 9.11。
更令人惊讶的是，即使是只有 2B 参数的谷歌 Gemini 小模型也能正确回答这个问题。这个结果清晰地表明，问题不在于模型的能力，而在于我们如何提问。
完整视频请点击观看：
走进 AI 的思维世界
为什么简单地添加”小数”二字就能让 AI 从错误转为正确？这涉及到 AI 模型的内部工作机制。当我询问 AI 为什么会错误判断 9.11 和 9.8 的大小时，它揭示了几个关键原因：
首先，AI 模型会根据上下文对数字进行多种解读。9.11 和 9.8 可能被理解为纯数值、日期、软件版本号或文本字符串。在没有明确指示的情况下，模型倾向于优先考虑语义关联而非纯数学比较。
其次，训练数据中的偏见也会影响模型判断。”9.11″作为一个重大历史事件在训练数据中出现频率极高，这导致模型潜意识中将其视为”更重要”或”更大”。此外，如果将这些数字视为版本号，按照软件版本规则，9.11 确实大于 9.8。
提示工程的核心秘诀
Prompt Engineering（提示工程）的精髓可以简化为四个字：清晰表达。当我们与 AI 交流时，如果不提供足够的上下文，模型就必须自行猜测我们的意图。而模型的猜测结果可能与我们的预期大相径庭。
这并不意味着模型能力不足，而是我们没有明确告诉它应该往哪个方向思考。就像在这个简单的数字比较测试中，只要我们明确指出是比较”小数”，几乎所有模型都能给出正确答案。
这个实验生动地展示了与 AI 有效沟通的关键：我们需要学会清晰、准确地表达我们的需求，而不是期望 AI 能够准确猜测我们的意图。
核心要点总结
与 AI 交流的关键不在于模型的能力，而在于我们如何提问。即使是最先进的 AI 模型在面对模糊问题时也会犯错，但只要提供清晰的上下文，它们就能发挥出真正的潜力。这个简单的数字比较测试揭示了 AI 模型如何在没有明确指示的情况下依赖语义关联和训练数据中的模式进行判断，而这些判断可能与纯数学逻辑相悖。
提示工程的本质就是学会清晰表达，这不仅适用于复杂的 AI 应用场景，也适用于日常与 AI 的简单交互。当我们学会从 AI 的角度思考问题，理解它如何处理和解释信息，我们就能更有效地利用这些强大工具。
深度洞见：AI 交流中的”心智模型”差异
在与 AI 交流时，我们常常忽略了一个关键问题：AI 与人类拥有完全不同的”心智模型”。人类在交流中会自动补充大量隐含的上下文和常识，而 AI 则需要明确的指示。这种差异类似于跨文化交流中的误解，只是在人机交互中更为明显。
真正掌握 AI 的人不是那些记住最多提示模板的人，而是那些能够理解 AI 思维方式、预测可能的误解并提前澄清的人。这种能力不仅仅是技术问题，更是一种新型的交流智慧，将在 AI 时代变得越来越重要。
