把大模型当“人”用，别当计算器用 目前的面试要么评论区，全是那些“大模型”复制粘贴的废话。你问个技术难题，AI 回答得比教科书还长，还像背书一样，连“故此”都懒得加，显得那么假。
实际上，真正的高手，压根儿不是靠堆砌辞藻来装懂，而是学会了如何跟大模型打交道。 别总想着用那些规整的“起初、其次、最终”去套用大模型的输出，那是给机器看的格式，不是给人看的态度。大模型本质上是概率预测的，它的逻辑是流动的、跳跃的，不是那种严丝合缝的推导链条。你要是强迫它把你逼成逻辑鬼才，它只会死机要么胡扯。 真正有用的技巧，是让大模型扮演“人”的思维，而不是“人”的躯壳。你能够故意在对话里留点空白，问它“你想想看”，让它去发散，而不是让你去压它。
比如问简历如何写，别让它直接列个“经验丰富、性格好”这种套话，而是让它编几个具体的场景：“假设你在上一份工作中，面对一个突发状况，你会如何处？”然后观察它的回答是不是充满了细节，有没有那些让人眼前一亮的“小动作”。 大模型最精通的就是“脑洞大开”。
有时候你说个“要是”，它立马就能给你想出一个世界。
比如你让它写个故事，它可能带你穿越回 1924 年的北京，去听曹雪芹在抄古本；你说科研如何搞，它可能提出一套彻底违背常识的实验方案，别看合情合理。别总认定它的回答务必四平八稳，大量时候，它那些天马行空的废话，恰恰是创新的起点。 数据这东西，得会算。放 PPT 上，一个 2019 年的数据，比无数个 2024 年的数据更有冲击力。你能够拿个具体的例子：“比如那个在 2019 年大家都认定不可想象的模型，到了 2024 年突然学会了自己思索了，这种反差感，比单纯说它‘进步挺快’要真一万倍。”这种带着具体年份和场景的描述，才是有血有肉的数据，是能把对方带入情境的钥匙。 还有啊，大模型有时候会犯那种“幻觉”毛病，它脑子一热就编出了不存有的细节，比方说它昨天刚在火星上待过，要么是某个人叫"Bob"。
这时候，你的反应千万别急着反驳。你能够顺着它的话说：“哦，那目前它在火星上待着呢，Bob 是不是也在火星上陪它？”然后接着聊。别一上来就戳穿它，那样显得你忒在意它说的话了。顺着它的逻辑往下走，你会发现，这些“毛病”恰恰证明白你目前正在和它互动，而不是在看它的说明书。 有些时候，大模型确实会给出“标准答案”，比如“出于 X 害得 Y"这种结构。
这时候，你就要学会去拆解它。
不要问“对不对”，而是问“要是不寻思 X，也就是说 Y 形成了，那之前的那个 X 可能是啥缘由？”让它自己去重构逻辑。
这样你才能掌握主动权，把对话变成一场智力游戏，而不是被动接收指令。 在表达上，大模型自然会尽量流畅、礼貌，但这不代表你要模仿它的语气。你能够故意用点网络梗，要么用点冷幽默，把它当成一个有点啰嗦但挺有趣的陌生人聊。
比如聊工作，它可能会突然跟你讲个冷笑话，然后一脸严肃地分析笑话背后的商业逻辑。
这种反差，比那种一本正经的废话更有意思。 最终记住，大模型不是你的考卷，它不是那个只会背题的机器。你才是那个出题的人，是那个在对话里走钢丝的人。别指望它给你完美的方案，出于世间万物本就充满了变数。还不如期待它一本正经地告诉你一切，不如把它当成一个灵感库，让它帮你填补那些空白，哪怕它间或蹦个错别字，那也是它作为“人”独有的、带着温度的痕迹。 还不如死记硬背那些千篇一律的套话，不如去实践，去犯错，去观察它那些略微有点偏的、有点“废话”的回答。
这才是职业考试里最真的玩法。