北京
英推营销号最近疯传的"Karpathy最新神课"，其实是他去年那期2小时11分钟的实操视频——讲的是怎么把LLM当日常工具系统来用。但有个扎心的事实：90%的人都把核心用法用反了。
先纠正一个认知偏差。大模型根本不是百科全书，它只是一个大约1TB的有损压缩包。知识只记了个大概，还有半年前的知识截止。连Karpathy自己算估值时，模型心算都直接幻觉出了1.7万亿的离谱假数字——这玩意儿真不能当计算器用。
把131分钟的视频榨干，真正能直接抄的就这4套肌肉记忆。
第一，复杂算术必须强制跑代码。千万别让模型心算。复杂乘法、图表和数据外推，直接让它写Python脚本print变量，数字以代码终端输出为准。模型心算的幻觉率，连作者本人都踩过坑。
第二，上下文窗口才是真正的工作记忆。别指望它记得训练数据。读长论文、做复杂分析，先把PDF塞进窗口再问。换话题立刻开新聊天，绝不污染记忆——这是很多人忽略的细节，上下文一混，输出质量直线下降。
第三，深度研究只当初级报告。用Deep Research一口气查27个数据源很爽，但只能当实习生初稿。关键证据必须自己点开链接肉眼核验。AI帮你省了检索时间，但没帮你省掉判断责任。
第四，写代码直接交出控制权搞Vibe Coding。别在聊天框手雕代码，把仓库交给Cursor Composer去改文件和跑测试。你退后一步，只定目标和看Diff验收。这跟传统写代码的姿势完全不同，但效率差距是数量级的。
说到底，知识在权重里又旧又糊，你往上下文里塞什么材料、调用什么工具，才真正决定了AI的智商上限。工具是死的，用法是活的。这4条看着简单，每条都对应一个常见的错误姿势——心算、裸问、盲信、手雕。改过来，你的LLM使用体验会立刻不一样。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
