使用大模型就是先加法后减法的过程

一、前期做加法：广泛尝试，大胆试错
刚接触大模型时，我们首要思路是持续做加法。此时不用急于追求结果完美，核心目标是摸清模型能力边界。可以多角度设计提示词，尝试不同提问方式，针对同一需求测试各类表达思路，不断拓展使用场景。哪怕很多尝试达不到预期、出现回答偏差也无需气馁，每一次试错都能积累经验，让我们清楚大模型擅长什么、容易在哪出现问题。加法阶段重在拓宽认知，尽可能收集多样反馈，为后续优化储备素材。

二、后期做减法：筛选梳理，精简优化
经过大量尝试后，就需要转向持续做减法。海量的试错经验里存在许多无效思路、冗余指令、低效提问方式。我们需要淘汰效果差的用法，剔除多余、模糊的要求，保留稳定有效的提问逻辑。删减不必要的信息干扰，提炼核心需求，简化繁杂的描述，持续打磨提示词结构。减法不是缩减目标，而是去掉无效内容，减少无关变量，让指令更加清晰精准，降低大模型理解偏差的概率。

三、加减结合，落地完成具体任务
加法积累广度，减法打磨精度，二者结合才能高效落地任务。单纯只做加法，容易信息杂乱、效率低下，难以产出稳定成果；一味过早做减法，会因为缺少充足尝试，局限思路，找不到最优方案。合理的流程是先用加法充分探索可能性，再依靠减法聚焦核心诉求。持续循环尝试、筛选、优化，最终让大模型稳定贴合目标需求，高质量完成各类实际工作。