人类的认知协议
本系列分两篇，本篇为上：
上篇：人类的认知协议，AI 如何服务于人
下篇：世界的物理接口，AI 如何链接万物
前置问题：Prompt 是什么？
答：翻译官，能填补人类与 AI 的认知差异
人，擅长具象，习惯用类比的方式，借由已知去理解未知。
比如，如果被小朋友问到“什么是卡兹克？”
我会说：“一个螳螂，游戏里的，不耐揍”
注意，这里我会引入一个小朋友见过的东西螳螂，然后再加上一些限定词：游戏里的、不耐揍
AI，是概率的集合。
在 AI 眼中，世界是概率的，所做之事，是不断预测下一个词。
比如，在 GPT 的眼中卡兹克，就是下面这一连串的概率。
正是这种思维方式的不同，让我们有了 Prompt：通过定义角色、约束范围和明确目标，来将人类意图，转化为 AI 的执行。
但这只解决了一半问题：AI 理解人类了，但人类依然不理解 AI。
AI 回应人类时，依旧按照其本能输出，并不在乎人的认知需求：
喜欢多感官的信息：说话时，我们会用语气、表情、手势来传递丰富的信息
需要更清晰的结构：阅读时，我们喜欢合理分段、标注重点，而不是一篇纯文本
无法保持长效注意力：上高数的时候，如果前面一句话没搞懂，后面就再也听不懂了
珍视更深的情感共鸣：听故事的时候，我们更容易记住那些让我们笑过、哭过的情节，而不是干巴巴的数字
...
Prompt 让人类更好地使用 AI，AI 也需要更好地服务人类：在设计 AI 产品时，基于人类的认知协议，去做更深层次的双向适配。
人是感官动物
下面的内容，是典型的 AI 生成，很枯燥，没人想读。
从基础模型到实际应用的关键环节
基础模型通过模型厂商利用海量数据训练的大规模语言模型，为 AI 应用提供基础能力。它奠定了 AI 应用的性能上限。在基础模型的基础上，通过引入专业领域数据进行模型微调，由专业用户针对特定领域优化模型，提升专业场景的准确度并降低错误率。为了进一步增强模型的能力，加入知识增强技术（RAG），通过模型自动实时检索外部知识库并融合生成回答，从而显著降低幻觉现象，并提供可溯源的准确信息。在终端应用中，通过提示词优化技术，用户可以通过优化输入提示直接影响输出质量，这是最容易掌握的优化方法。
下面这一段内容，也是 AI 生成的，但易于阅读
Prompt
「图解大模型从预训练到终端用户 prompt 发生了什么，以及重要性」
AI 系统演进图解
从基础模型到实际应用的关键环节
基础模型
Base Model
由模型厂商通过海量数据训练的大规模语言模型，为AI应用提供基础能力。
重要性：
奠定了AI应用的性能上限。
模型微调
Fine-tuning
由专业用户针对特定领域优化模型。
重要性：
提升专业场景准确度，降低错误率。
知识增强
RAG
模型自动实时检索外部知识库增强回答。
重要性：
显著降低幻觉，提供可溯源的准确信息。
提示词优化
Prompt Engineering
终端用户优化输入提示获得更好结果。
重要性：
直接影响输出质量，是最容易掌握的优化方法。
区别在哪？
信息不再是文本，而是有重点的、结构化的图文。
先用版式建立关联，再用动画辅助认识，最后是文字深入细节。
通过这种方式，降低认知负担，减少阅读压力。
于是，我们在开始探索更丰富的多模态交互方式：比如尝试将图形界面 GUI，语言界面 LUI，乃至声音界面 VUI 更加融洽的结合。
这里我举两个例子，都来自前几天的 OpenAI 开发者大会：《来自现场：OpenAI 把实时交互，卷到了新高度》
场景一：数据库构建的混合交互
Supabase 是一个数据库产品，提供如 Postgres database, Authentication 等服务。
在其最新产品中，借由鼠标点选和自然语言交互，快速地更改数据库结构，或者生成对应查询语句。这种交互方式既保留了 GUI 的直观性，又融入了 LUI 的灵活性。
Chatbot，也可以和 GUI 融合
场景二：实时天文解说
OpenAI 之前发布了 RealTime API OpenAI 凌晨发布：Realtime 实时多模态 API，及其他。
前几天，这一 API 支持到了 Function Calling。这意味着即便是语音交互，也不再拘泥于单纯的声音传递，而是可以进行如操作电脑、联网、查找资料等功能。在发布会现场，演示人展示了如何「言出法随」操作天体。
现场声控演示，效果惊艳
这些有趣的探索，不再满足单纯的信息传递，而是试图让 AI 贴近人脑的思考和表达：
纵向上，它学会了先说重点、再谈原因、最后深入
横向上，它开始让视觉、动画和声音在恰当的时机出现
多种感知通道不是简单叠加，而是如交响乐般默契配合，在恰当时机调动视觉、动画和声音来传递信息。
或许，好的 AI，不仅应该更“智能”，还应该更“自然” - 更接近人类认知的认知协议。
人，头脑简单，要顺着
我们总会把零散的事件，编织成故事。
比如当年“贾君鹏，你妈妈喊你回家吃饭”爆火，我们就会开始寻找原因：“是不是公关给了压力”，“是不是贴吧没活硬整”。
当一个公司突然倒闭，自媒体上，就会看到一个完整的衰落史：“从他们更换了那个 CEO 开始”，“自从转型做 To B 就注定要完”。
我们有足够强的兴致，将任何事情归因，哪怕相信一个漏洞百出的故事，也不愿承认很多事情就是偶然和随机的叠加。
我们的世界，何尝不是一只猫？
这并不是坏事，对于经验和刻板印象的依赖，会帮助我们节省太多的精力，比如：
挑餐厅的时候，选人多的，大概率比较新鲜好吃
看到赛博禅心推送的时候，总认为是最好、最新的内容（bushi
在新事物前，我们也会不自觉的去联系以往经验：
电流就像水流，电压就像水位
大气环流像烧热水，热空气上升，冷空气下沉
原子结构像是太阳系，原子围绕着原子核，像是行星围绕着太阳
类比虽不准确，但也是我们理解新事物的脚手架，帮助我们从已知过渡到未知。
用蹦床，模拟相对论
我们记不住太多东西。数字大于 7 位的时，就很难一次记下。
如果手机号是“13812345678”，就会被分段记成类似“138-1234-5678”。
在记忆时，我们还需要去找场景，否则也会很快忘掉：
狼人杀教不会，打一边就会
麻将教不会，搓一把就会
代码看再多的书都记不住，得上手做项目
如果内容不能结合上手，可能不会留下记忆。
网传的胡牌公式，反正我不会打
这些都是基因的选择，需要我们去配合：
把复杂的并行信息编织成一个个引人入胜的故事
善用类比，用熟悉的事物解释陌生的概念
控制好节奏，让信息量不会让大脑过载
创造应用场景，让知识找到它的用武之地
人是情绪动物
情绪，是认知世界的重要工具。我们自傲的理性，其底色也都是情绪。
人类对世界的认知，总伴随着情感的投射。比如古人会把雷电，想像成天神发威；现代人会给自己的玩偶，起各种名字。
以至于这两天有了一个爆款小程序：狸谱Lipu 的《灵魂提取器 》- 拍摄/上传物体照片，AI 就能将其转化为拟人化角色。
把生活中的物件，变成二次元萌娘
这并非是幼稚，而是基因的传承：用情感化的方式，快速理解世界。
信息伴随情感之时，大脑会调动更多的神经来处理：杏仁核标记情感，海马体储存记忆，前额叶也会更优先分配注意力，让一切信息变得更加丰富立体、鲜活。这种情绪机制，也在帮我们决定什么值得注意，什么该被记住，什么需要思考。
而在面对选择时，大脑会自动调用过往的情感经验作为决策依据。这虽然不够理性，却能帮我们在复杂环境中快速快速决断。
布嘌呤半升
岂能久居人下
须知：情绪不是理性的对立面，而是认知的催化剂。
以及：未来最成功的 AI，一定既能解决问题，又能触动人心。
人，注意力有限
好友 Owen，也是沉浸式翻译的作者，提到过一个点：「最宝贵的，是注意力自由」
是啊，人没有足够精力，去完成所有的事情：每天做不了多少事，便没了力气。
所有的抱怨，都是人和事儿的失调，是机遇。
我不擅长写前端。
之前每有需求，就是让 ChatGPT 来写，然后人工贴到 VSCode，报错了再回去问。
如此反复，很耗心力。
而如果我用 Claude，便可通过 Artifact 直接渲染，节省了许多不必要的精力损耗。
🏀和🐔，是有共同点的
bolt.new 则更进一步，将环境完整搬到浏览器，支持更多文件的读写，这使得我可以完成更为复杂的。比如，这里我用纯自然语言，让他帮我做了一个 API 接口测试对比工具。
按正常开发，这个东西我得写一周
在内容消费方面，如何有效利用注意力的问题同样重要。同样的内容，在不同的设备上，都会被以更好的方式渲染：
在手机这样的小屏上，内容会自动重组，突出核心信息
在电脑等大屏设备上，则能呈现更丰富的细节和交互选项
本篇内容，手机和电脑显示不同
这种展示方式，被称之为「响应式设计」，Responsive Design。
随着 AI 的加入，相信我们还可以拥有「响应式 AI」：根据使用场景和读者的偏好，动态的调整内容及交互。例如：同样的内容，AI 可以在嘈杂场景中强调视觉信息，在运动场景中则用声音提醒。
这是一个转变：产品从等待用户分配注意力，到主动优化认知资源。
人类认知协议
我们曾经的内容表达，局限于常规预设：文字、静态图表、简单对话。
但这并无法发挥 AI 的潜力，甚至带来了 AI 的融入困难。
或许，我们应重新审视：
大脑习惯于信息的分层理解。AI 的输出应建立于逻辑分层：核心结论直接可见，支持逻辑和背景次之，深度细节作为扩展选项。比如，展示技术方案时，会先看到直接效果，再了解到背后的机制，最后决定是否进一步探索细节。
比起静态文字，我们更喜欢视觉化的动态信息。多模态的表达，可以使信息更生动：视觉化简化复杂关系，动画展示变化过程，声音和触觉强化关键提醒。这些形式并非互相叠加，而应动态结合，形成一种协同的信息传递。并且：多使用 Function Calling 吧，方法都在文档里。
情感体验至关重要。信息的最佳载体是情感，当内容带着适当的情绪，大脑会本能地加深理解和记忆。这启发了 AI 的表达艺术：不仅传递答案，更要在恰当的场景中唤起共鸣。
可交互性，是关键。传统的信息展示是单向的独白，而 AI 让内容变成了双向对话。通过实时交互和即时反馈，我们不再是内容的被动接收者，而是共同创作者。
属于 AI 的响应式。AI 的输出，不应是千篇一律的答案，而应像变色龙般适应环境。在手机上它是简洁的决策助手，在电脑前它是全面的分析工具，在嘈杂环境它侧重视觉，在运动场景它善用声音——始终以最适合当下场景的方式传递信息。
认知即接口：我们会不断探索人类的认知模式，然后设计出更自然的人机交互：AI 未来的输出，或不再是单纯的“答案”，而是一种体验。