由今天工作中的一件小事有感而发，起因是领导需要一个全国各省liang会时间召开的表格。此前我还不知道能直接生成表格，都是文字和图片。 第一次生成，哇，不错啊，可以直接用，后来想着虽然两个会议往往相差一天，也不是完全如此，而且如果说同事去现场，时间越明确越方便。于是让它分开列。 第二次生成，分开列了，但是我同时用的另外一个大模型给我生成表格时候加了参会地点。哦？这样不是更好吗？于是我又继续命令它，“加上召开地点”。 第三次生成，不对，我记得看到一张整理过数据的图片，应该是31个省，这里怎么只有29个呢？我就说，请补充直辖市。（其实最后还少一个，我只能说，一共31个，请补充完整。） 第四次生成，想一次搞定的我，命令它加上序号列。 经过四次生成，表格信息也需要确认，因为网络信息不一定完全准确，只有自己确认过才能确定每个信息都是实时且准确的。结果一检查，第一行信息就不对。😓 接着，我又重新用几个大模型生成了一遍，有的说某地还没公布开会时间，实际情况是公布了甚至已经在开会，还有一些区域中途改了时间，大模型生成的还是之前的时间，还有很多不知原因的错误。 好家伙，大模型就你只给我做了一个表格模板，准确信息还是我逐一搜索的。所以这一件小事告诉我什么呢？ ✅ 模型是参考参考，不是真理！ ✅ 多个大模型同时生成，更具参考性。 ✅ 生成过程中请代入你自己的思考。 比如参会地点，对于我本来没想到的事情，大模型给了我指引，很多时候都这样，这才是使用大模型的有趣的地方，拓宽你思考事情的范围，是助力而不是代替。 当然不是大模型不给力，是它不可能覆盖所有的数据，每个大模型的数据库也不一样，搜索机制也不同。它能做到很准确，但是不可能在你的每一个需求上做到分毫不差。 ps. 此次用的是kmi和文心一言，我总觉得kmi搜索到的网络信息更多的，在这件小事上也确实如此。 #AI工具 #人工智能 #工作心得#文心一言#kmi