從抽象到具體:如何利用互聯網搜到你想要的一切信息

公园4004
2粉絲
1 次觀看·2024年10月14日
儘管人工智能和社交媒體正在改變我們的信息獲取方式,傳統的搜索引擎仍然在信息檢索中佔據重要地位。除了具體的搜索技巧,我將在這個視頻里探討提高信息搜索和準確度的原則,適用於搜索引擎,也適用於 AI 搜索,以及在小紅書和微信里的搜索
timeline:
00:00 搜索問題的難點是如何處理抽象問題
02:31 Google 搜索技巧
07:17 如何識別信息的來源
12:37 利用社交媒體搜索
14:38 internet archive
18:36 學術數據庫
21:24 如何判斷信息質量
AI時代,搜索信息的能力依然重要
那麼搜索信息的方法變了嗎?
每年都有人在說谷歌搜索垂垂老矣
都有聲音指出,以網頁展示信息的方式
已經被各種社交APP短視頻所取代
然而搜索引擎仍然有一席之地
我們不但得學會搜索引擎的技巧
還要巧用多種工具和方法
搜索關鍵是我們提出的問題
我們總是能很輕易地產生疑問
我們提出的問題一般分爲兩類
一類是事實性的問題
北京有多少人口?
新款蘋果手機的CPU性能如何?
某個城市有哪些景點?
這類問題非常好回答
在搜索引擎裏也很容易得出答案
另一類問題是開放式的抽象式的問題
抽象問題因爲其開放性和宏觀性而難以回答
造成答案也是開放性的
例如,不上大學是否能成功?
安卓手機好還是蘋果手機好?
我應該買一輛什麼樣的汽車?
馬斯克年薪500億到底值不值?
喬布斯是否被過譽?
人類一般對這種開放式的問題更感興趣
這個問題也可以被無限地討論
在搜索過程中
一個常見的挑戰是
如何將抽象的問題轉化爲具體可操作的問題
例如,如果你對社交媒體對人的影響感興趣
你可以進一步細化這個問題
比如抖音對青少年有什麼影響
如果你想查詢馬斯克到底配不配這麼高的薪水
你得去查一下馬斯克領導的哪些公司
每個年度的財務狀況
他的薪酬結構是什麼
固定工資有多少
股票期權獎金都是多少
同行業的CEO年薪分別是多少
將複雜的問題分解爲事實性的問題
我們過去常常用一個方法
就是不斷地問爲什麼,什麼是
也就是5W框架
它幫助我們從不同角度審視問題
找出事實性的成分
從而使抽象、宏大、模糊的問題具體化
變得易於解決
現在有了AI的輔助
我們可以直接讓AI分解問題
無論你想採用批判性思考
5W框架
還是簡單地告訴AI
請把我的問題分解爲事實性的問題
AI都能幫你將複雜問題清晰化、具體化
正如哲學家羅素曾說過
對於一個思考者
最難的就是提出一個能被解決的問題
這強調了在解決問題之前
明確和具體定義問題的重要性
通過這種方式
我們不僅能夠有效地搜索信息
還能更深入地理解和解決問題
從而在複雜的信息環境中
找到我們所需的答案
你們相信嗎
人們在50年前就開始抱怨信息過載了
互聯網的起源可以追溯到1969年
當時僅有4臺計算機在美國的三所大學
和一所研究所之間實現了網絡連接
到了1980年代初
全球有超過1000臺主機
接入了國際互聯網
1000臺主機
以我們現在的眼光看多麼微不足道
而在那時
已經有人開始抱怨
如今我們使用搜索引擎搜索信息
爲了提高效率
我們必須學會篩選信息
在我們對抽象問題進行拆解後
若想得到具體的答案
谷歌搜索的一些技巧變得尤爲重要
接下來我將介紹一些搜索時
可以用到的操作符
在所有過濾工具中
Site操作符是最強大的
很多網站有大量的資料和文章
但如果該網站的搜索功能不好用
這時你就要用到Site工具
指定從特定網站返回搜索內容
我平常會用到Site這個操作符
搜索YouTube上的視頻
而不是直接去YouTube網站裏搜索
我總感覺谷歌頁面上展示的內容更多
而且你同樣能看見播放量
視頻簡介
視頻長度
發佈時間這些關鍵信息
除了填充完整的URL
也可以使用.go
或者EDU這樣的域名
讓搜索結果只出現政府的網站
或者學校的網站
不過這個比較適用於搜索英文資料
搜索中文資料時
域名一般都是CN結尾的
同時你也可以結合使用簡號
排除某些網站
另一個能大幅度減少搜索結果的操作符
是引號
加上引號後
搜索引擎只會返回引號裏的單詞
或者短語
不會進行聯想
當你對關鍵詞非常確定時
使用雙引號可以非常有效地縮小搜索結果範圍
但是如果你不是很確定
還是打上任何你能想到的語句或者單詞吧
讓谷歌自己去判斷
要注意
引號的功能雖然能極大的減少結果
但也有一些缺點
當你使用引號搜索某個短語時
谷歌不僅會查找網頁用戶
可以直接看到的文本內容
還會查找那些網頁裏看不到的內容
例如
谷歌會搜索原描述標籤
它是網頁的一段簡短描述
不在網頁裏顯示
但谷歌會檢查這些描述中的內容
看是否包含你搜索的短語
同樣
谷歌也會搜索URL網頁鏈接裏的文字
搜索網頁裏圖片描述的out文字
以及一些需要動態渲染
但不直接顯示的內容
也就是說
我們再來看看這幾個操作符
VALTAB
這個操作符在搜索特定類型的文件時非常有用
例如當你想要查找研究報告
或者學術論文時
可以通過指定文件類型來縮小搜索範圍
例如我輸入
大元模型
行業
PDF文件
第一篇是清華商學院的
50多頁
這類報告能讓你快速地
宏觀地瞭解一個行業
INCITLE
這個操作符是要求返回標題中顯示的字符
ALL IN TITLE
這個是後面的所有詞都要出現在TITLE裏
可以省去加引號的麻煩
例如我搜索ALL IN TITLE
馬斯克
薪酬
方案
這三個詞都必須在標題中
以上三個操作符
也是能比較精簡搜索結果的
但前提依舊是
需要你對搜索內容很確定
顧名思義
就是兩個關鍵詞出現一個結果就行
使用管道符這個符號也行
在谷歌裏
你使用空格例子是AND
所以一般不使用ALL這個操作符
因爲它會擴大搜索範圍
信號這個操作符是通筆符
用來填補空白
比如你想不起來電影的全名或者人名
它可以放在引號裏
也可以放在外面
但實際應用中可能並不常見
中括號
當你搜索的內容包含一些特殊符號
或者布爾邏輯
但你不想這些特殊符號被識別
就要用到這個括號
例如你搜索這句名言
又或者你想搜索Javascript中的數字方法
點filter
可以這樣搜索
link操作符
如果你想知道哪些網站鏈接到了某個特定的網站
就可以用link
reality操作符
可以用來發現相似的網站
有點像alternative這個關鍵詞
通過cache操作符
你可以看到谷歌上次抓取某個網頁時的樣子
如果某個網站關閉了
可以用這個操作符試一試
找到它的緩存版本
如果不想記以上的操作符
直接用高級搜索也行
搜完某個關鍵詞後
在這個頁面點擊高級搜索
第一個選項就是平常用到的普通搜索
而且這個詞會以任何順序出現
第二個就是完全匹配
第三個就是關鍵詞2
搜索引擎會找到至少其中一個關鍵詞
第四個就是減號排除
你可以指定一些不希望出現在搜索結果中的詞彙
從而過濾掉不相關的內容
第五個是數字範圍
它可以用來查詢日期 重量 股票價格 年份
下面這些選項都只能一次選一個
特定術語位置
你可以指定搜索詞出現在網頁的哪個位置
比如標題 文本 URL 或者鏈接
制定網站就是Site這個語言
掌握了搜索技巧後
我們還需要培養另一個關鍵素質
學習識別信息的來源
這不僅涉及到使用技巧找到信息
更重要的是能夠判斷信息的質量和可靠性
信息可能來自不同渠道
包括學術界 商業組織 個人 監管機構 或者是新聞媒體
以下是我對這些來源的簡要分析
第一類是學術界
學術界的信息通常具有較高的權威性和專業性
也是比較難懂的
主要形式包括會議論文
介紹前沿研究和進展
經常展示各種工程領域的最新突破
原始研究論文
也被稱爲原始文章
通常是研究者在進行實驗或者研究後
將新的發現或者理論首次公開發布的論文
綜述論文
這是研究者根據某個主題
或領域內的多篇原始研究論文
進行了總結和評論
綜述文章
通常會給出對某個主題廣泛的理解
我們想要了解一個話題時
想要了解一個學科時
看綜述文章比較好
但要注意文章發表的時間點
對於我們普通讀者
論文裏包含了很多繞口和繪色詞語
這時候我們就可以利用AI對論文進行解讀
我平常會用到通譯籤問
界面設計非常簡潔
還能免費的翻譯論文
以後這個工具會越來越普遍
估計每個大的廠家都會做
第二類是商業組織
商業組織和企業提供的信息
通常具有實用性或者市場導向
例如如果你想搜提示工程的最佳實踐
那麼微軟OpenAI的官網都提供了大量的文檔
你可以直接在谷歌用site操作服限定域名去搜索
你會獲得更準確和權威資料
如果你想學習一項新技能
無論是編程繪畫還是其他專業技能
總會有相應的服務提供者
爲了找到合適的學習資源
你可以使用一些具體的關鍵詞進行搜索
例如VRKL2加技能名稱
這些關鍵詞應當找到相關教程
課程或者提供服務的平臺
第三類是監管機構
監管機構發佈的信息具有官方性和規範性
主要包括政府發佈的法律法規政策文件
國家統計局發佈的經濟指標
人口普查數據就業率和其他關鍵的經濟數據
公共衛生部門發佈的健康指南
疫苗接種情況和食品安全標準
消費者保護機構發佈的產品和服務安全警告
消費者投訴處理流程
商業公司的專利文件
經營信息
以上這些公開信息一般需要直接訪問相關部門的官方網站
以確保信息的準確性和及時性
你在搜索的時候可以利用搜索引擎的SAT操作服務
針對單個網站上的內容進行搜索
第四類是專業的新聞媒體
專業的新聞媒體是信息傳播的橋樑
也是我們普通人瞭解社會情況的最重要的渠道
不同的媒體機構有不同的創立背景和歷史
他們也有着自己擅長的特定話題和目標受衆
如今最廣泛的一類是個人發佈的信息
個人用戶發佈的內容多種多樣
可以涉及各類話題
內容可能很專業
也可能很水
需要用戶自己甄別
由於一般發表在社交媒體
那麼評論區討論往往成爲了監督和驗證信息的方式
社交媒體的崛起極大的拓展了個人發佈信息的渠道
使得信息傳播和搜索變得更加迅速
如今人們越來越多的傾向於在抖音
小紅書
reddit這樣的社交媒體平臺
搜索時效性信息
無論是新聞
旅遊
生活娛樂
還是產品推薦
社交媒體都顯示出了迅速快捷的優勢
互聯網的流量也是一直在從開放的網頁
轉向APP的內部
變成了這些平臺的私有流量
這些平臺通過構建的數字圍牆
將用戶活動和數據牢牢控制在自己手裏
重新塑造了信息分發的方式
也改變了用戶的搜索習慣
如今
大多數人不再通過傳統的網頁來分享信息
這對谷歌是一種根本性的打擊
搜索引擎的原理通過爬蟲程序不斷訪問網頁
將這些網頁信息收錄進自己的數據庫
從而實現對網頁的大量覆蓋
那麼搜索引擎如何判斷一個頁面的內容質量呢
我們知道
在學術界
一篇論文被引用越多
這篇論文就越有可能是高質量論文
谷歌在判斷互聯網的頁面也是如此
超鏈接結構是網絡的骨架
它們將散落在各個角落的文檔連接起來
谷歌通過分析這些鏈接
尤其是頁面被其他頁面鏈接的次數
來評估一個頁面的重要性
每一個指向頁面的鏈接
都被視爲對該頁面的一次投票
谷歌的諸多判斷方法催生了SEO
也就是搜索引擎優化
SEO的初衷是爲了幫助網站
更好地被搜索引擎搜索
如今這些做法的唯一目的
就是提升網站排名
它們利用了在搜索引擎的算法漏洞
通過關鍵字堆砌
鏈接農場
內容抄襲等手段
來提升自己在搜索結果中的位置
谷歌的首頁
現在基本被營銷內容佔據了
這些內容基本上是AI自動生成的
典型的低質量重複性信息
這一類內容也會被視頻化
有時候我想解決一個小問題
YouTube上搜索一個三分鐘的教程
開頭的自我介紹有30秒
廣告有30秒
最後的教程還沒有解決我的問題
好在AI的出現
能消除一部分這種低質量信息
很多問題
AI給出的解決方案都很不錯了
不過這並不代表着谷歌不能用
有時候你得多看幾頁搜索結果
有時候你得用不同的工具進行搜索
或者是去某個具體的網站
通過靈活運用各種搜索技巧和工具
我們仍然可以有效地找到高質量信息
谷歌從來就不是
通往互聯網各個角落的唯一傳送門
儘管搜索引擎聲稱覆蓋了大量的網頁
但實際上它只覆蓋了
現在互聯網可獲得的材料中的一小部分
很多內容並不會被爬蟲所引導
我先舉兩個社交媒體搜索的例子
國外用戶遇事不決找Reddit的相關小組
我們國內用戶是用小紅書這個平臺
它聚集了衆多生活上的問題和解答
小紅書的評論區
常常能夠提供最新的信息更新
給用戶更多的判斷方向
某個地方的旅遊攻略
自家線路
2024年如何退稅
如何提防閒魚的詐騙套路
某個景點該如何停車
某個醫院怎麼掛號搶號
打工人如何糊弄晚飯
這些生活裏的各種問題
可以在小紅書找到圖文並茂的分享
評論區的活躍討論
也爲信息的時效性和多樣性提供了保障
當然信息是否過時
是否是軟廣
是否代表一般情況
還需要自己去判斷
我們再看一下另一個系統級別的APP
微信的搜一搜功能
已經打通了視頻號
公衆號文章
小程序
新聞
朋友圈等多個板塊
同時也爲每個板塊下
提供了簡單的分類篩選功能
我一般的用法
是關注一些新聞媒體和機構
然後有什麼新聞的時候
在微信進行搜索
然後選擇已關注
查看細緻的報道
社交媒體上查詢信息的優缺點
也很明顯
優點是主題涵蓋廣
主要包括流行文化和時事熱點
用戶可以通過
關注特定的人或賬號
定製自己的信息流
獲取感興趣的內容
內容質量的相關性
往往通過用戶的點贊評論轉發
等這些社交信號來評估
而缺點呢
社交媒體的內容質量
需要用戶自己去判斷
由於算法的推薦
你會關注與你觀點相似的人和機構
長此以往容易形成迴音式小英
社交媒體的內容
大多是碎片化的
用戶可能需要在多個帖子
或討論裏拼湊完整的信息
在這期間還會面臨信息的重複
熱門話題和流行內容
在衆多數據庫裏
Internet Archive是一個
獨樹一幟的存在
以其豐富的免費資源而聞名
它也激勵了像
Archive Today這樣的網站
說回Internet Archive
被網友們稱作互聯網檔案館
實際上它是一個
非盈利數字圖書館
致力於向研究者和公衆
提供免費的數字化內容和資源
也是世界上最大的
數字圖書館之一
這個網站保存了
上千億的網頁快照
上千萬份的圖片
最初的目的是保存
互聯網的歷史記錄
在1997年首次推出了
Wayback Machine這個功能
允許用戶查看
網頁的歷史版本
是研究互聯網歷史和
追溯網頁變化的寶貴工具
目前它包含
8600億個網頁快照
跨越了27年的互聯網歷史
你可以通過觀念詞
或網頁進行搜索
輸入網址搜索後
你將看到一個時間軸
上面有不同的日期和彩色點
表示該網頁
在那一天被存檔的快照
選擇一個日期
點擊相應的點或者鏈接
即可查看那天的網頁快照
你可以手動上傳
想要保存的網頁
不過它不會保存此鏈接
除了網頁快照
互聯網檔案館
也包含了上千萬份的
書籍 文檔 視頻和圖片資源
你可以在這裏下載
或免費借閱
300萬本圖書中的一本
不過大部分內容
都是借閱的形式
書籍借閱時間
可以是1小時或者14天
這取決於檔案館裏
擁有的書的副本數量
你可以在這裏找到一些老電影
你可以找到
邁克爾傑克遜的演唱會現場
一些老的廣告片段
也能在這裏搜索到
通過模擬器
你還能玩到
70-90年代的街機遊戲
當然擁有如此龐大的內容
互聯網檔案館
不能保證每本書 電影 遊戲
都是擁有版權和副本的
分發權利的
這導致了書籍出版社
遊戲公司 音樂公司
問題的核心在於
受版權保護的材料
前兩年 在疫情流行期間
互聯網檔案館
推出了國家緊急圖書館
雖然出於好意
卻觸犯了版權保護法
引發了幾大出版社的聯合訴訟
這場法律鬥爭的核心是
控制數字借閱這個概念
CDL是一種圖書館
以受控方式借出書籍的模式
確保借出的數字副本數量
不會超過圖書館
擁有的實體副本數量
也就是圖書館
這一原則至關重要
因爲它尊重作者和出版社的權利
同時提供數字內容的訪問
訴訟稱
互聯網檔案館未經許可
分發了超過33000本書籍
導致了出版商的巨大損失
我感覺這是一個
不可調和的矛盾
互聯網檔案館
想保存整個互聯網資源
但如果保存而不分享
是沒有任何意義的
但如果要進行數字分發
就有可能觸犯版權問題
支持Internet Archive的人認爲
現有的版權法律
已經落後於數字時代的要求
至少我覺得這個
1比1的比例就很不合理
有人說互聯網檔案館裏
都是英文書籍
真別怕
有了大圓模型的幫助
我們真的可以
直接閱讀英文書籍
不會的
你可以直接問
Google Book項目2002年啓動
當時有個宏偉的目標
掃描全世界所有書籍
據估計有1.3億本
2019年項目15週年時
谷歌搜索收錄了4000萬本書
同樣是由於版權的原因
這個宏偉的項目
有時你會驚喜的發現
世界上還有這麼一本書
Google Book根據版權的不同
設定了4種閱讀權限
完整閱讀
公共領域的書籍
或者獲得版權的在售書籍
用戶可以完整閱讀和下載
預覽
大部分書只能瀏覽一部分
但對於瞭解一本書
已經足夠了
摘要
當你的搜索詞
在一本書中出現多次時
谷歌會顯示相關段落
不預覽
這種就是隻能查看書籍的
基本信息
比如說作者出版社
書籍裏存在的信息
往往要比網頁的質量
高上一大截
Google Book中的大多數
以英文書籍爲主
如果你想要搜索中文書籍
要麼自己下載電子書
放在可以全局搜索的
讀書應用裏
要麼使用像得到
微信讀書這樣的APP
使用APP裏自帶的搜索功能
如果想要找到
更專業的信息
就要進入學術數據庫了
Google Scholar
就像一個大型圖書館
裏面收藏了
各種各樣的學術文章
包括期刊論文
學位論文
還有一些
沒有正式發表的研究草稿
同時還鏈接到了Google Book
這些資源來自很多地方
比如知名的學術出版社
社團
大學圖書館
還有互聯網上的開放資源
儘管Google Scholar非常方便
但它不應該是
你尋找學術資料的唯一工具
以下是Google Scholar的
一些優勢和侷限性
它好處包括
用起來很簡單
就像谷歌搜索一樣
這也是它的最大優勢
在一篇文獻下
你可以快速查看
有多少引用
但它也有一些不足之處
最大的不足就是
你不知道它包含了什麼
遺漏了什麼
搜索的時候
可能不夠精確
有的時候文章
可能並不是那麼相關
最新的文章
可能並不會出現在
搜索結果裏
它也沒有明確的標準
告訴我們哪些
是真正的學術文章
這個需要你自己
點開去判斷
雖然可以找到一些
專利和法律文件
但也並不是全部
你還是需要
去相應的數據庫裏找
如果Google Scholar的
數據庫或者算法更新了
它也不會告訴你
所以你可能沒辦法
Archive是一個
預印本數據庫
Archive上的論文
是作者提交的
未經同行審批的原始稿件
這意味着讀者
可以第一時間
獲取到最新的研究成果
但同時也需要讀者
自己去判斷論文的質量
Archive常用於
計算機科學
人工智能和機器
學習等領域的研究
許多研究人員
在正式出版前
會在這裏發佈他們的工作
在大元模型爆發的
這幾年
這裏成爲很多
信息的傳播源頭
至於單篇論文的重要性
Somatic Scola
是一個免費的
學術搜索引擎
索引了來自
多個領域的學術論文
包括計算機科學
生物學
醫學 物理學的
它利用了人工智能技術
提高搜索結果的
相關性和準確性
Somatic Scola的
界面設計剪輯直觀
易於使用
使得研究人員
可以快速找到所需文獻
Scobase是一個
引文和摘要數據庫
覆蓋自然科學
技術 醫學
以及社會科學
等多個領域
Scobase以其
廣泛的文獻覆蓋
和引文鏈接
而受到研究者的青睞
它提供
按引用次數排序的能力
幫助你識別
研究領域中
具有影響力的作品
Scobase還允許你
分析搜索結果
這在撰寫
全面的尊數論文時
非常有用
PodMed
專注於生命科學
和生物醫學領域的
文獻數據庫
由美國國立醫學
圖書館維護
提供了大量的
醫學和生物科學
相關的文獻
提供跨學科的
引文索引服務
幫助用戶追蹤
文獻引用和相關研究
它覆蓋了自然科學
社會科學
藝術與人文
等多個領域
但需要付費使用
專注於工程
計算機科學
和電子領域的
文獻數據庫
是工程和技術人員
獲取最新研究成果的
重要平臺
以上只是一些例子
不同國家和地區
不同的出版商
擁有不同的數據庫
在搜索學術數據庫時
確定學科範圍
人類一直在追求
快捷高效
耐心變成了
人類最不想學習的品質
因爲耐心意味着
忍受失敗的折磨
互聯網的出現
曾讓人們寄希望於
一個更加快捷
便捷的世界
有了谷歌
動動手就能查到
任何信息
有了AI
人的效率就會翻倍
但現實情況並非如此
好的工具
依然不能讓我們躺平
依然不能讓我們
動動手指就產生
想要的東西
在查找資料
找答案這件事上
我們依然需要耐心
我們需要繁瑣的試驗
在各個數據庫
在各種文件
甚至在零散的
信息片段中
找到我們想要的東西
之前我們對信息來源
進行了粗略的分類
現在我們來具體討論
如何判斷信息質量
底下是一些具體的標準
在看到一篇信息時
我們首先要確定
信息來源
是新聞網站
學術期刊
還是個人博客
還是廣告營銷
不論是組織
還是個人
我們都需要評估
他們的權威性和聲譽
權威性通常可以通過
作者的專業資格
出版機構的聲譽
或同行評審的過程來確定
考慮作者
製作機構
以前的工作質量和專業性
他們是該領域的專家嗎
他們的工作
是否幫助過別人
是否被其他地方
引用或推薦
當然也要注意
聲譽和專業能力
是在動態變化的
一個在某方面專業的人
可能積累了聲譽
會在其他領域發表意見
然後翻車
這是社交網絡時代
經常出現的狀況
看完信息的出處
我們要審視具體的信息
評估資源
是否與我們的
搜索主題緊密相關
內容是否覆蓋了
我們感興趣的
特定領域或者問題
我們要分清
裏面的事實和觀點
檢查事實是否準確
引用是否有準確的出處
例如北京的
故宮博物院
是在明朝時期建立的
這是一個事實
我覺得故宮博物院的建築
非常宏偉
這是觀點
進一步的
信息來源應具備
相應的權威性
來支持其聲明
如果你的鄰居
張大爺告訴你
明天會下雨
而他只是根據
自己多年的生活經驗
做出了判斷
那麼這個事實
可能並不可靠
如果中國氣象局
預報說明天會下雨
這個預測就具有
很高的可信度
同樣的也要區分
對事實的解釋
由於每種信息的
解釋或者呈現
都隱藏着價值觀
所以我們至少
得看看不同的說法
多有一條信息的來源
交叉對比
我們還應該確定
這個信息的目標和受衆
任何信息的傳播
都是有目的的
要評估一個信息源的目的
你可以看看
它有沒有明確說出
它的目標是什麼
它的覆蓋範圍有多廣
有沒有限制
以及它是爲哪些人準備的
例如你想查詢
醫療健康的相關信息
進入墨沙洞醫療手冊
裏面有兩個版本
一個是面向普通用戶
一個是面向醫療人員
會包含更多的
醫療術語 原理等
看完這些
你會發現
搜索信息的過程
像是一個淘金之旅
需要我們不斷挖掘和篩選
就像使用大語言模型時
沒有一個萬能的prompt公式
一點點完善我們的提問方式
在蒐集資料時也是如此
