使用大模型 LLM时， 提供元认知指导（例如：举例说明、逐步推理等），它就会更容易被使用。更驯服，更少出现幻觉。
这就是元提示：OpenAI 发布用于提示优化的元提示
元提示类似作家
这也是优秀作家的必备条件之一：一个好的例子可以让事情变得更加清晰，然后你就可以开始抽象化了
了解读者的思维方式会影响你的写作方式
- 糟糕的写作可能是读者/作者不匹配的结果
- 你是在为新手写作：那就用更多例子
- 还是为专业人士写作：那就可以使用专业术语--为简洁起见。
另一个更有趣的思路是探索元认知
- 人们很难发现元认知，因为它对外界观察者来说是不可见的。
我是通过阅读有关理性、元认知和冥想的书籍才开始接触元认知的，认知偏差并不是是学习元认知的好开端，但任何鼓励反思和证伪/验证的东西都是好的。
通过了解一个人问了什么问题，以及他们是如何构思事情的，来深入了解他的思维过程。
- 除非你了解了这些，否则他们的洞察力就是不透明的魔法。
- 预判别人的预判。
最讽刺的是，能从大模型获得最佳答案的人，正是那些人际交往能力最强的人，而很多程序员人际交往能力不注重，这也是为什么很多软件工程师总是说他们不理解人工智能的炒作。
总之
像产品经理那样研究问题，怎么提问题更重要。