ChatGPT 群聊、系统提示词与 LLM 的日常使用场景｜《Sharp Tech》与 Ben Thompson

摘要

• ChatGPT 群聊是额外的 AI 原生工作界面，不是 WhatsApp 的替代品。 Ben 的前提是，技术通常会叠加在既有行为之上：“新东西总是建立在前面已有的东西之上。” 共享研究和起草内容可能很有价值，但通知薄弱、提及跳转不便、缺少个人记忆，以及其他应用也可能复制这一功能，都让它的持久性存疑——谈不上“史上最深的护城河”。

• Ben 目前更偏好在 ChatGPT 内进行有意为之的 AI 会话，而不是把 AI 嵌入所有地方。 他认为 AI 交互是“一件非常有目的、非常明确的事情”，甚至会使用 ChatGPT 的终端连接，同时把界面留在终端之外。他也可能判断错了——OpenAI 已表示希望把 ChatGPT 融入各类应用，Sam Altman 也是不同意 Ben 的人之一——但 Ben 目前仍将 AI 工作视为一类独立活动。

• Gemini 的战略突破口，是通过多模态扩大 AI 用户群，而不是取代已经深度使用 ChatGPT 的用户。 Ben 认为，图像、Veo 视频和动态界面可能触达“多得多的人”，因为它们比文字聊天更有吸引力，也更容易上手。他担心 ChatGPT 会变成 Twitter：对深度用户极有价值，却很难让大众真正获得价值。

• 幻觉仍是 AI 普及的一道门槛。 Andrew 起初表示，自己主要在手机上用 ChatGPT 回答个人问题；由于 ChatGPT“出现幻觉，让我吃过亏”，尤其在自己没有足够中国或科技领域知识、无法识别错误的地方，他在工作中会犹豫。Andrew 的原则是，具体统计数据应该查确定性数据库或原始来源，而不是问 LLM；之后他也称赞 Mac 应用对频谱相关工作的帮助。

• 领域专业知识可以提升 LLM 的价值，因为用户能够提供方向和深度，也能识别错误。 在对照原始来源核验数字后，ChatGPT 帮助补充了卫星频谱的背景知识；而 Ben 的反垄断知识则引出了远比新手获得的通用回答丰富得多的先例讨论。“你越了解一件事，它就越有用。”

• 真正持久的采用门槛可能是行为层面的：AI 从偶尔尝鲜，变成处理未解决问题时的默认工具。 Ben 会用它了解雾如何形成、如何熏火鸡；Andrew 则提到 NVIDIA 所说的“offtake”、圣诞树故障排查和电视尺寸选择。Ben 警告不要把思考外包出去；最有效的姿势，是“让它成为你的助手，而不是老板”。

精读

1. 群聊把 AI 加入协作，但不会取代消息应用

• Ben 否定“替代”这一框架：“新东西总是建立在前面已有的东西之上。” 他和 Andrew 共同使用的 ChatGPT 对话，让两人可以规划播客的电视设备，而不必反复把 AI 输出复制到另一个聊天窗口。

• Andrew 用律师场景提出了更有力的检验：律师事务所的助理分别起草一份案情摘要的不同部分时，可以交换研究成果，同时让模型参与其中。他质疑其他应用为何不能复制这一功能，并指出群聊不会带入个人历史或记忆。Ben 认为，这谈不上“史上最深的护城河”（the deepest moat of all time）；它的重要性取决于人们如何工作，也可能帮助塑造未来的工作流。

• 产品本身仍很粗糙：用户需要获得有人提及自己的通知，也没有简单的方式找到自己被提及的位置；面对很长的 AI 回答，还需要折叠功能。WhatsApp 的引用跳转，以及管理自己在聊天中位置的工具，构成了参照标准。

2. 有目的的 AI 工作，可能值得拥有独立应用

• Ben 目前“把 AI 工作看作一类独立活动”，因此他和 Andrew 的协作应该发生在 AI 应用里，而不是文字处理器中。他也明确承认，这“可能完全错了”（might be totally wrong）；OpenAI 已讨论通过 API 和“Login with ChatGPT”等方式，把 ChatGPT 融入各类应用。

• 他的“待办事项”类比追溯到 Facebook 在2013年的手机项目：一套深度定制的 Android，同时也可供其他 Android 手机使用。Facebook 当时主张，手机应该围绕人而不是应用来组织；但 Ben 认为，应用范式之所以胜出，是因为它符合——或者可能塑造了——人们的工作方式：许多活动的目标是完成任务，而不是联系某个人。

• 同样，Ben 更喜欢把 ChatGPT 连接到终端，而不是直接把 ChatGPT 放进终端，因为终端本来就难以理解，把 AI 嵌进去可能反而让人更难看清发生了什么。

3. Gemini 可以通过更丰富的形式扩大市场

• Ben 的战略担忧是，ChatGPT 可能变成 Twitter——对一小群深度用户不可或缺，却无法触达其他所有人。Gemini 的图像生成、Veo 视频和动态界面，即使不取代 ChatGPT 的重度用户，也可能让 AI 触达“多得多的人”。

• Andrew 把 Twitter 上的“Gemini vibes”当作用户上手的类比：真正有价值的早期讨论来自长期积累的专业账号，而不是 Google 的官方信息流。Ben 补充说，普通用户看到的却是“一堆观点”，就像刚接触聊天机器人的人可能缺少提取真正价值所需的心智模型。

• Andrew 同意，更具吸引力的图形界面，可能只是让 AI 比文字优先的聊天更容易使用、更容易接近。

4. LLM 提供背景，来源负责核验

• Andrew 起初表示，自己几乎只在手机上使用 ChatGPT，主要处理家务或随机问题。工作中的幻觉曾“让他吃过亏”：NBA 相关错误他能识别，但他对中国和科技的了解没有同等深度，因此对专业用途较为谨慎，主要是在理解中共官僚体系时用于 Sharp China。后来他又称，Mac 应用对频谱、SpaceX 和卫星相关工作至关重要。

• Andrew 的反驳很直接：“你为什么要用 ChatGPT 查统计数据？这是个糟糕透顶的主意。” 确定性问题需要确定性数据库或原始来源。ChatGPT 可以帮助补充卫星频谱的背景，包括上行链路和下行链路，但数字必须与原始来源核对。

• 两人的分歧进一步厘清了使用场景。Andrew 认为，在自己已经熟悉篮球的领域，AI 的必要性较低；Ben 则认为，专业知识会让 AI 更有价值，因为有充分背景的提示词会迫使模型给出更深的回答。Ben 的反垄断讨论确实找出了相关案件和先例，尽管新手只能得到泛泛而谈的输出；之后他仍核对了案件原文。

5. 好奇心把 AI 变成习惯后，AI 才真正强大

• Ben 会和儿子一起问 ChatGPT 雾是如何形成的，也会持续维护一个关于如何熏火鸡的对话。Andrew 则提到，自己曾询问 NVIDIA 在财报电话会引用中所说的“offtake”是什么意思，排查圣诞树灯故障，并为播客设备决定电视尺寸。

• Ben 的默认用法是“所有我不知道的事”，这延续了他终身学习系统如何运作、并将其联系起来的习惯。他的自定义提示词要求 ChatGPT 先凭自身知识回答，再进行搜索；保持简洁，但保留相关实质内容；并且“像一个高出2个标准差的人那样”写作。

• 对热情使用 AI 的更大警告依然存在：用户可以把思考彻底外包，但主动使用的用户可以“让它成为你的助手，而不是老板”（make it your assistant instead of your boss）。