（来源：上观新闻）
「多轮🈷🧜♀️对话」❇🇲🇱模式同样触发了🏠同一套机😪制⏲🦷。从围棋到pro🚘mpt🇦🇨🏌️♀️ engin🤖👩👧👧eer🥅🥈ing，我一📹直在关注的核心📝🔍问题其实🇧🇸没有变：在🎢♓AI时🇹🇬🗃代，什么算专业知🇪🇨💑识？谁🤜😨有权定义它？这些📒🙅♂️定义的背后有着🥘🎄怎样的权🈹🧡力安排？围棋🥫🇫🇰给了我一个已经🇮🇪走过一个完整🔔周期的案例🤕🦹♂️，而promp🏴t en😆👩🎨gineeri😰ng让我🎉看到同样的动👩👦态正在实🧸🏌时展开，只不过规🧤🇼🇸模更大、🍢速度更快、涉📘🦎及的利益更复杂⚾。
所以这😙几个月😸🕙编程工作流的进🍢🍨化，本质上都在🤟🇲🇱优化一件事情：我🇭🇳和Age😣🇲🇫nt的协作🧀方式🚌🐑。陈龙解📂释，这相🌜🐌当于将两💀◾个大任🧼🧵务分解成很多小🧠➕任务，告诉🥤🇦🇩大模型要先🚎识别具体的物体👙🥑，再理解物体的😝状态，最后明白🈴🥤未来该📀🍹怎么做🍋。02 用莎士比亚📻，发现模型🕚👨🚀摸鱼的证🏵据 Ro🛹dionov 🐕🇸🇷的实验思路极其直🍪接🇧🇸🚿。03 模型没被绕🏄🏭晕，它只是懒得检🥪🇩🇬查了 推理变🏢短了，到底缩在🥝了哪里？ 研🉑究者在 5👳🚤00 道🇦🇱数学题上，逐📝♎帧记录了模型在🍎🐜基线与长🍂输入两种条件下🇮🇷🚢第一次写出候😤选答案的位置🍰。
