AI同样存在信息茧房问题

最近发现，即使是使用ai去学东西什么的，也会产生信息茧房问题，

尽管它没有传统信息茧房那样用算法让用户停留在自己的舒适区里，制造纷争与隔阂，但大语言模型本身的属性就是根据概率去推断出怎么回答是最应该的，在人类的语言里这样的信息后面接什么概率最大、最像人。

这导致你看到的内容会随着你的措辞而限制，形成一种新概念的信息茧房。

如果你的表达能力和用词没有达到某个临界值，他匹配到的就会是网上那些更浅的、更低质量的语料，像是那些很浅显的讲解。

比如，现在关于ai的信息满天都是，AI又刚好是热点，很多人反过来拿AI来批量制造这样的垃圾信息来骗钱，又不断被人二次搬运、复制，创造了人类历史上从来没有过般巨量的有关AI的垃圾信息。

因此，假如你想着为了未来找工作，学习一下AI的技术，但是认识还比较基础，还处在任何人都能说道两句的那些内容的位置，向AI提问问的比较宽泛浅显的问题，那么AI给你返回的也只会是这些内容，让你很难快速接触到本质和关键而快速提升自己，被困在那些表面的东西里，导致了一种你更难靠提升自己来爬出这个处境的怪圈。

此外，向大模型提问的原理是把提示词、本次对话里的聊天记录与本次提问一起组成上下文（Context），然后发给大模型。这导致即使偶然间提出了一些高质量的问题，也可能会在先前的低水平的提问形成的上下文里被淹没，拖进低质量科普的泥沼里。甚至在一次次绝望的再次提问中让低质量占据更多上下文，

（以上说的是GPT、Claude， kimi等比较好的模型，当然就更别提豆包之类的那几个比较差的模型还有过度谄媚用户、颠倒黑白的问题，再加上他们的知识库来源似乎非常容易被污染，已经被GEO和某些地方别有用心的评论区留言污染的一塌糊涂，无中生有，指鼠为鸭的现象屡见不鲜）

要破除这个效应，相对来讲好一些的方法是问得更加详细一些，甚至可以举一些真实遇到的问题作为例子，当然这并不容易，毕竟既然自己还不怎么会，能问出有价值的、值得留意的问题就更难了。

但是记住，你问得越详细，越能脱离那些普遍的、浅显的文章；同时，带点比较有技术深度的东西，这就能显著地和那些专门忽悠文科生的钱、画饼说“学了这些你们就能吊打程序员”的玩意儿拉开界限。

即通过尽力提及到那些骗人的教程不会教你的真正的内容，来让AI推理时匹配到好一点的内容。

比如说不要问“MCP是什么？”，而是问“MCP到底解决的是协议问题还是生态问题？”，得到的对MCP的讲解可能会更深更透彻。

另外，可以尝试根据自己想问的问题，设计一些限制性的提示词，

比如“我已经掌握基础知识，不要介绍背景”，或者是约定输出的格式必须是哪些内容、不能是哪些内容，不过这需要一定的设计经验和水平。