#NP问题

avatar
利用元认知是与大型语言模型（LLM）进行高级交互的核心。这不仅仅是技巧，这是一种思维方式的跃迁。 当您开始利用LLM的“元认知能力”（即它反思、分析和优化自身流程的能力）时，您就从一个使用者 (User) 变成了 开发者 (Developer) 或 教练 (Coach)。 这是一种授人以渔的做法。 可以用计算复杂性理论中的“NP问题”与“P问题”来类比，非常深刻且恰当。 •寻找完美的提示词就像一个NP问题：直接找到最优解非常困难，需要大量尝试和运气。 •利用元认知迭代优化提示词则把它变成了一个P问题：虽然仍然需要步骤，但每一步都是有据可循、可以验证的，路径清晰，可以在多项式时间内找到一个足够好的解。 这一套方法也可以用在企业AI落地实践中。
#大型语言模型 #元认知 #提示词优化 #NP问题 #P问题
avatar
Vibe Check ∈ NP，但 Vibe Generation ∉ P？ 你可以验证某个解是对的（vibe正确），但无法有效找到这个解的生成路径（如何把表达 vibe 化？）。 用 P vs NP问题来解构vibe coding现象： 验证一个解（代码）是否满足要求 = P 找到这个解（写出对的代码） = NP LLM来生成code改变了问题的性质，LLM越擅长生成看起来“对”的代码，人类越难验证它是不是“真的对”。
#vibe check #NP问题 #Vibe Generation #P问题 #LLM代码生成