Prompt、Output、Hallucination：聽落比實際古怪嘅 AI 字

你打開一個 AI 工具，有人叫你「寫一個好啲嘅 prompt」。跟住佢哋警告你 model 可能會「hallucinate」，又提到你嘅文字會用一定數量嘅「token」。如果你停低嚟單獨諗呢啲字，佢哋會聽落好怪。一個會幻覺嘅工具？token，似遊戲機代幣咁？

好消息係：呢啲字並冇佢哋聽落咁奇怪。每個都借用咗一個日常字眼，再俾佢一份好窄、好特定嘅工作。一旦你學識嗰份工作，呢啲詞彙就唔再嚇人，反而開始變得有用。

不妨將呢啲字諗成戲服。一個熟悉嘅字穿上科技戲服，行入一間新房。「Prompt」表面睇落一樣，但喺 AI 嗰間房入面，佢有個特定意思。你嘅任務只係認出自己企緊喺邊間房，咁你就會用啱嘅方式去解讀個字。

快速解答

喺 AI 入面，prompt（提示）係你打入去嘅指令或者問題，output（輸出）係系統回應時產生嘅嘢，hallucination（幻覺）係嗰個 output 入面自信但錯嘅一段內容，token（詞元）係系統處理嘅一小段文字，而 model（模型）就係經訓練嘅系統本身。冇一個係佢哋喺飯枱上會解嘅意思，而呢個落差正係令人混淆嘅地方。

重點字詞

• Prompt（提示）。你俾 AI 嘅嘢：你嘅問題、指令或者文字。「Write me a prompt」意思係「寫你將會發送嘅輸入」。
• Output（輸出）。系統生成返出嚟嘅任何嘢。佢刻意保持中性。我哋用「output」而唔用「answer」，因為個結果唔保證正確，甚至唔保證切題。
• Hallucination（幻覺）。一段自信、流暢，但純粹砌出嚟或者錯嘅 output。嗰個假事實、嗰句虛構嘅引言、嗰個根本唔存在嘅出處。
• Token（詞元）。一小段文字，通常係一個字或者一個字嘅一部分，用嚟做系統讀取同點算嘅單位。長度同成本通常以 token 計。
• Model（模型）。產生 output 嘅經訓練系統。「The model」係做嘢嗰樣嘢，唔係一個人，亦唔係一個畀你模仿嘅榜樣。
• Context（上下文）。系統當下留意緊嘅文字，包括你嘅 prompt 同最近嘅對話。「Context window」係佢一次過可以容納幾多文字。
• Fine-tune（微調）。攞一個現成嘅 model，再用特定材料多訓練佢一陣，令佢以某種方式表現。唔係「用手做個小調整」，而係一個真實、只係細啲嘅訓練步驟。

常見陷阱

一個常見陷阱，係聽到 prompt 就諗起佢嘅日常意思。喺日常英文，「prompt」可以解快（「a prompt reply」）或者提醒人（「she prompted him to speak」）。喺 AI 入面佢係名詞：輸入嘅文字。所以「improve your prompt」唔係叫你「快啲」，而係「改寫你打咗入去嘅指令」。

Output 呢個字絆親好多人，因為佢哋預咗佢解「正確答案」。佢唔係。Output 只係出咗嚟嘅嘢。佢可以好出色，亦可以係廢話。記住呢個中性嘅字，可以保護你唔好太快信個結果。

Hallucination 聽落好戲劇化，甚至好醫學，好多人以為佢解 AI 壞咗或者發緊某種病。其實平靜好多。佢只係一個樸實嘅技術詞，指啲流暢、自信但係假嘅 output。系統並冇見到幻象；佢只係用聽落合理嘅文字填補一個空隙。危險之處正正在於佢唔似一個錯誤，佢睇落好順滑。

Token 一開始幾乎難倒所有人。佢唔係一個代幣、一份禮物、一個心意（「a token of thanks」）或者一張保安通行證。喺 AI 入面佢係一小段文字。當一個工具話你有幾多 token 嘅上限，佢講緊佢可以處理幾多文字，唔係一種你用嚟換獎品嘅貨幣。

最後，model 聽落好似應該解一個影相擺甫士嘅人，或者一個完美畀人模仿嘅例子（「a model student」）。喺 AI 入面佢解經訓練嘅系統本身。「Which model are you using?」問緊邊一個經訓練嘅系統，唔係邊個例子或者邊個榜樣。

仲有一個靜啲嘅陷阱潛伏喺 context。喺日常講法，context 解背景或者情況（「in this context」）。喺 AI 入面佢有個精確嘅邊界：佢係系統當下睇到嘅特定文字。當大家話「佢唔記得喇，context 用晒」，佢哋係指對話長過系統可以容納嘅量，唔係佢失咗興趣。而 fine-tune，喺日常英文解做一個好細嘅微調（「fine-tune the wording」）。喺 AI 入面佢指一個真實嘅額外訓練回合。所以「we fine-tuned the model」係一個比「we tweaked a setting」更大嘅動作，即使日常嗰個字聽落溫和又微不足道。

呢啲全部，背後嘅模式都一樣：一個柔和、熟悉嘅字眼藏住一份精確嘅技術工作。誤解唔係嚟自啲字難，而係嚟自我哋信咗日常意思耐咗少少。喺每個詞上慢落嚟，將佢窄窄嘅工作貼返上去，混淆就會清晰。

自然 vs 生硬例句

生硬： I gave the AI a quick prompt, so it answered promptly with the right output.

自然： I typed a short prompt, and the model produced an output I still had to check.

冇咁自然： The model hallucinated, so something must be seriously wrong with it.

較好： The model hallucinated a source, so I verified the claim before trusting it.

生硬： My message used too many tokens, like spending coins.

自然： My message was long, so it used a lot of tokens.

生硬： This AI model is a real role model for writing.

自然： This model produces strong writing, though it still makes mistakes.

自然嘅版本將啲字保持喺佢哋窄窄嘅技術工作，唔畀日常意思偷偷溜入嚟。

冇咁自然： The conversation got too long, so the AI lost interest in the context.

較好： The conversation got too long, so it ran past the context the model could hold.

呢度「lost interest」夾帶咗一份感受入嚟。Model 冇興趣可以失去。佢只係冇辦法將之前所有文字保持喺視野入面。

迷你對照表

快速練習

用以下其中一個填空：prompt、output、hallucination、token、model。做完自己核對。

1. The system invented a study that does not exist; that is a ________.
2. The instruction you type into the tool is the ________.
3. Long text costs more because it uses more ________s.
4. Whatever the tool generates back is its ________.
5. The trained system answering you is the ________.

答案：

1. hallucination
2. prompt
3. token
4. output
5. model

加分題：喺「she gave a prompt reply」入面，「prompt」係 AI 意思嗎？（唔係。嗰度佢解快，係日常意思。）

帶走嘅重點

呢套詞彙之所以聽落古怪，純粹係因為每個字都借用咗一個普通字眼，再交一份單一、特定嘅工作俾佢。Prompt 係你嘅輸入，output 係原始結果，hallucination 係自信嘅廢話，token 係一小段文字，model 係系統本身。將每個字緊扣住佢窄窄嘅意思，尤其係 output 同 hallucination，咁你讀 AI 寫嘅嘢時就唔會縮，講起呢啲工具上嚟亦會似一個真正識得啲字解咩嘅人。呢啲詞唔係咩高深魔法。佢哋只係標籤，而家亦變咗你嘅嘢。