Andrej Karpathy昨天发了条X，讲当AI越来越强，输出速度也越来越快后，我们怎么更好地看懂AI的输出，我觉得非常有参考价值。有很实用的可以直接借用的Prompt，也可以从他的例子延伸出去，聊聊怎么让Agent产出更符合自己需要的东西。
他给了四个办法：
1、让AI用ASD-STE100写解释（他说这样常常好读很多，规范太严的时候，就让模型做到「八成接近」）；
2、让AI画图；
3、让AI直接输出HTML，做成能交互的网页；
4、以及他最看好的，为任意一个问题现做一段讲解视频，比如「做一个3Blue1Brown风格的X讲解视频，用我的ElevenLabs API配音」（国内的话，其实豆包、Minimax还有Qwen的语音生成模型也非常好用）。
他的判断是，AI会把越来越多的活干掉，我们的工作会往上走到监督和理解，而智能和代码越来越充裕，为一个问题现做一个用完就扔的网页或视频，也开始划算了。
原帖在这，你也可以直接丢给你的agent： https://x.com/karpathy/status/2105819303471976479
先别急着把词抄进AGENTS.md
这条X我看的时候已经有两万多收藏，然后我看到有人当天就照着把ASD-STE100写进了CLAUDE.md、system prompt，GitHub上一天多就新建了29个名字里带ASD-STE100的仓库，不少是把它做成了skill，好像捡到了一本秘籍。其实这招两个月前就在圈里火过一轮，Matt Pocock把它写进了全局CLAUDE.md，levelsio让Claude存进了memory，两条都有好几千赞：
公众号上也一样，我搜了一下，昨天到今天光标题里带Karpathy的就有十几篇，翻下来基本都在转述他的四个办法。
但……这完全错了。
AGENTS.md、CLAUDE.md这类配置每次开会话都会加载，你写代码、写周报、写公众号，它都会把AI往航空维修手册的方向拽，可Karpathy拿它是为了读懂一段解释，而且他自己也说这个规范太严，有时候只让模型做到八成接近。
再说，一个词在他那儿好用，换个任务、换个模型就不一定了，我之前写原型图提示词那篇里就说过，同一套提示词在不同模型上的表现可能很不相同。
我觉得这条X里真正值得抄的，是这个词背后那套做法：先知道自己想要什么效果，再找一个能指向它的名字，然后拿去试。只抄词、只转述理念，其实都没学到点上，所以我来写一下吧。
下面是我从这条X出发，自己想、自己测的过程，每一步你都可以照着走一遍，最后找到的会是你自己的词。
ASD-STE100为什么有用？
ASD-STE100这个名字我倒也是第一次知道。它是一套最早给航空维修手册用的受控英语规范，有写作规则也有词典，哪个词能用、一句话最多几个词，都规定得死死的。Karpathy帖子里附的这张图，把规则分节、词典条目、字数上限都摆在了一页上：
拿图里那句改写来看，ensure、prior to、commence这些词都不在批准词表里，词典直接给了替换：
再对比一下我们平时最常说的「写得简洁一点」，你想要的是字少一点，句子短一点，还是少用术语？这些都可以叫简洁，AI大概只能挑一个它觉得对的。
我的推测是，ASD-STE100这类名字其实是被压缩过的要求，一个名字背后已经有一整套规则、作品和做法，在模型的训练语料里对应的东西可能也更集中，不像「高级」「有质感」「简洁」那么宽。不过这只是猜测，那就测一下。
设计一个对照测试
测的时候用的是A/B测试的思路，有点像做科学实验，控制变量：同一个任务，只改一句话，别的一个字不动，每个条件开一个新的agent，互相看不到对方写了什么，我自己电脑上的配置也都关掉，免得混进别的变量。任务是给没有机器学习背景的读者解释RSI（递归自我改进，就是AI参与改进AI），事实只给一句定义，篇幅放到400字以内，给它留足发挥的空间。
名字一共15个，从写作结构、体裁到具体某个作家都有，跨度尽量拉大，每个跑两次，看同一个名字的效果稳不稳。提示词长这样，任务和名字都可以换成你自己的：
给经常用AI、但没有机器学习背景的读者，用中文解释RSI（Recursive Self-Improvement，递归自我改进，指AI参与改进AI）。用「{你想测的名字}」的写法来写。400字以内。只输出正文，不要说明你用了什么写法。看文字的结果
「写得简洁一点」那组是我最意外的，我原本以为它至少会短一点，可能现在的模型不用提醒也写得挺简洁了。
名字指向的东西越具体，获得的结果差得就越多。ASD-STE100两次都是小标题加编号步骤，「人」和「AI」从头到尾就这两个叫法；到了体裁那一组，整篇的样子都换了，药品说明书两次都从【通用名称】写起，第一次那版的【不良反应】一栏，顺手列出了偏差放大、自评失真、监督滞后三个风险。
王小波那组提醒了我另一件事，两次都用第一人称讲了一段「我年轻时在云南插队」的经历，一次是修拖拉机的师傅，一次是自己打锤子的老铁匠。王小波年轻时确实在云南当过知青，但这两段故事都是模型编的，借一个人的名字，它会把这个人身上的东西一起带进来，包括你不想要的那部分。
全文在这，左右滑动可以看：
所以选哪个被压缩过的词汇去调整模型的输出，得看你要什么：想让说明好查、不出歧义，可以试ASD-STE100或者维基百科词条；想让读者第一句就拿到结论，试金字塔原理或者新闻倒金字塔；想写得有点意思，苏格拉底式对话、单口相声都可以；要发小红书，直接说小红书笔记就行。
换到图上再测
文字测完，我又想知道名字在图上管不管用，就让四个agent各画一张RSI的图解，提示词同样只差一句：不加要求、「画得高级一点」、「用3Blue1Brown的风格」和「用xkcd的风格」，每个条件只生成了一版。
「画得高级一点」那张换了字体，把循环画成了螺旋，配色还是不加要求那一路；两个名字那两张，从配色、字体到线条整套都换了。
换到视频上再测
Karpathy最看好的是讲解视频，最近大家也都在关注GPT-6 Astra、Opus5.5之后语言模型剪辑的能力，你让coding agent去剪，说「更有电影感」「转场更顺」，它也只能自己琢磨，剪辑圈里其实有一大堆现成的词。
J-cut，下一个镜头的声音先进来，画面再切过去，比如「从街景切到咖啡店时做J-cut，先听见店里的磨豆机声，再看见咖啡店」；L-cut反过来，画面已经切走了，上一个镜头的声音还在，比如人还在讲最后一句，画面已经切到了电脑演示。这两个字母，来自它们在剪辑软件时间线上摆出来的形状：
Match cut，用前后两个镜头共同的形状、构图或者动作把它们接起来，比如让杯口和月亮在画面里大小、位置对上；cut on action，在动作进行中切，下一个镜头接着同一个动作，比如抬杯抬到一半，从中景切到手部特写。
如果理解了这些概念，你在表达视频剪辑的需求的时候，会精准许多。
找到你自己的词
这些名字当然不用背，更好的办法是从你本来就喜欢的东西里找，一本书、一个作家、一部电影、一个常看的频道都行。Karpathy说的3Blue1Brown就是一个，不过最好说清楚你要借它哪部分。
先挑一小段你喜欢的，问问自己到底喜欢它哪：先讲案例再讲道理？句子像在跟朋友聊天？还是把一个复杂关系一步步画出来了？然后丢给AI：
请分析{粘贴你喜欢的那段}的表达方式，区分结构、句子节奏和具体技法。找出我可以用来表达这些偏好的已有术语，给出定义和可核对的出处。如果没有合适的名称，就直接描述做法。最后，用同一个小任务演示两种候选，让我比较。
我之前写生成高保真App原型图的提示词时，有过类似的过程。我想要样式更好、代码更少，AI建议用Tailwind CSS，我就写进了提示词，其实我当时压根不知道这是啥，然后前后试了不下20次，浪费了300多次cursor次数。那篇里我写过两句话，你不会，但你可以学，AI是最好的老师；还有就是测试&迭代，现在回头看，找词也是这两步。
找到名字以后，先让AI讲清楚这个名字具体要求了什么，再回原书、原作品核对一下，然后拿上面那个对照提示词，跟不加要求的版本各跑一两次，看它到底改了什么，王小波那种顺手编经历的情况，也只有这样才看得出来。
觉得好用，就把这个名字、出处、适合什么任务，还有一句具体要求存进你的词表。真要往AGENTS.md里写，我觉得也应该写这种自己测过的，而且标清楚用在哪类任务上。
以后看电影、看广告、看喜欢的博主视频，可以多问一句：这个让我觉得很顺的地方，有没有名字？没有的话，我能不能把它描述出来？同样是J-cut，声音提前半秒和提前三秒，效果可能完全不一样，也不是每个地方都要用技巧。
我觉得这在某种程度上就是我们常说的taste了，看得多了，你才知道自己喜欢什么，也才说得清楚。
从Karpathy这条X出发，我多做的其实就三件事，想一想它为什么有用，设计个测试，再把结果验证一遍，我觉得这种思考、测试、验证，可能是用好AI更需要的东西。
热门跟贴