M1-L2 · AI 的五条能力边界：改再多提示词也没用的那些情况
适合谁读这节课
适合：已完成 M1-L1，理解了"AI 是预测而非检索"，现在想知道"那什么时候用 AI 是在帮忙、什么时候是在浪费时间"的人。
不适合：希望学提示词技巧的人——那是模块 2 的内容。这节课先搞清楚提示词能解决什么、解决不了什么。
读完这节课你能做到什么：遇到一个任务，30 秒内判断适合用提示词解决、还是需要换方案（RAG / 微调 / 换工具）——这个判断能力，比任何提示词技巧都值钱。
先打碎一个幻觉
很多人用 AI 遇到问题，第一反应是"提示词没写好，换一种写法试试"。
改 5 次，改 10 次，改 20 次……结果还是不对。
这时候问题不在提示词。
有 5 类失效，是 AI 架构本身决定的，不是提示词写法的问题。认识这 5 类，能帮你在"改了 50 次还没效果"之前，提前判断出"这件事应该换方案了"。
五条能力边界
第一条：知识边界
表现：你问 AI 最新发生的事，或者问一个高度专业、小众领域的知识，它给你一本正经的错误信息。
根本原因：AI 的训练数据有截止日期。截止之后的事，它不知道。截止之前但覆盖极少的领域（小语种法律、本地政策、企业内部文档），它也可能完全空白。
提示词能解决吗？ 不能。再好的提示词，也提取不出它没有的知识。
怎么解决：把信息先给它（直接粘贴相关文档、数据进对话），或者用搜索增强工具（Perplexity、秘塔 AI）让它"先查再答"。
一句话理解：你能要求厨师做得更好，但你不能要求他用厨房里没有的食材做菜。
第二条：推理极限
表现：你让 AI 解复杂数学题、做多步逻辑推理，它给出的答案看起来很像对的，但错了。
根本原因：标准的 LLM 做的是文字预测，不是符号推理。遇到需要精确计算、严密逻辑链条的题目，它会预测出"最像正确答案形式的文字"，但不保证结果正确。
不是所有 AI 都一样：推理模型（o1、DeepSeek R1、Claude Extended Thinking）专门针对这类问题做了训练——它们在生成答案之前会先"慢慢想"，推理能力比普通模型强很多。
提示词能解决吗？ 部分——让它"一步一步思考"（Chain of Thought）对复杂推理有帮助，后面会专门讲。但对需要精确计算的数学题，最好配合代码执行工具（让它用 Python 算，而不是用语言预测）。
一个被忽视的事实：推理模型的计费和普通模型不同。你看不见的"思考过程"也在消耗 token（reasoning token），所以用推理模型处理简单任务，既贵又慢，完全没必要。
第三条：对齐冲突
表现：你想让 AI 做某件事，它拒绝了，或者给出一个高度过滤、过于保守的答案。
根本原因：AI 在训练时被植入了价值对齐（Alignment）——它被教导不去做某些事情，不是因为技术上做不到，而是因为被设定了边界。这叫对齐冲突：你的需求和 AI 的对齐设定之间产生了冲突。
提示词能解决吗？ 合法合规的需求——换个措辞、提供上下文通常能解决（比如"我是医生写病例"、"我是安全研究员测试"）。但如果是真正的对齐限制，改提示词没用。
一个不太被讨论的方面：对齐设定也会导致过度限制。完全合理的请求（涉及法律、医疗、金融话题）有时也会被拒绝。这时候换一家模型（不同家公司的对齐策略不同），或者提供更多背景说明，往往有效。
第四条：多模态盲区
表现：你给 AI 看一张图片，问它图里某个文字，或者让它做复杂视觉比对，结果不稳定。
根本原因：多模态 AI（能看图的那种）虽然能理解图片的大意，但对某类视觉任务处理能力很弱：
- 图片中的细小文字（特别是手写）
- 需要像素级精准的图像比对
- 截图里的表格数据识别
提示词能解决吗？ 极其有限。视觉处理能力是模型架构决定的，不是说话方式决定的。
怎么解决：把图片里的文字手动复制出来粘贴进去；用专门的 OCR 工具（而不是通用 AI）做表格提取。
第五条：涌现的不可预测性
表现：你在某个任务上用 AI，效果很好；换一个类似任务，突然效果很差。不知道为什么，换提示词也没用，换模型才解决。
根本原因：AI 的很多能力是"涌现"出来的——随着模型规模提升，某些能力突然出现，不是线性增长，也不是开发者有意设计的。这意味着：涌现能力在某些任务上有，在某些任务上没有，边界不规则，很难提前预测。
实际影响：不同模型在同一任务上的表现差距可能是 10 倍，而不是 10%。所以"换一个模型"有时候是最有效的解决方案，不是最后的手段。
四种常见失败模式
除了五条边界，还有 4 种日常使用的失败模式，见过一次就会对号入座：
| 失败模式 | 表现 | 本质原因 |
|---|---|---|
| 幻觉 | 说了一个听起来对的、但不存在或错误的事实 | 预测机制：最像答案的话 ≠ 正确的话（M1-L1 已讲） |
| 越狱 | 用迂回方式绕过了 AI 的限制，得到了原本会被拒绝的内容 | 对齐是训练出来的，不是防火墙，有漏洞 |
| 背景假设冲突 | AI 的答案在某个它默认的前提下是对的，但和你的情况不符 | 它在猜你的上下文，猜错了 |
| 格式混乱 | 你要 JSON，它给了带说明的 JSON；你要列表，它给了大段落 | 格式需要明确说，不能靠它默认选 |
核心决策表：用提示词，还是换方案？
这是这节课最重要的内容。
| 你的问题 | 最适合的方案 | 原因 |
|---|---|---|
| AI 知识截止，不知道最新信息 | RAG / 搜索增强（给它文档，或用联网工具） | 补充它没有的知识 |
| 需要精确计算 / 严密逻辑推理 | 推理模型（o1、DeepSeek R1 等）+ 代码执行 | 语言预测不等于数学计算 |
| 需要它持续了解你的业务/风格 | 微调（Fine-tuning） | 写 100 次"按我公司语气"不如直接训练一个版本 |
| 需要它做固定动作（查数据库、调 API） | Function Calling / 工具调用 | 让它"调用工具"而不是"预测答案" |
| 提示词调了 50 次还没效果 | 诊断是哪条边界，再选上面的方案 | 不是提示词问题，是任务类型匹配问题 |
| 写作 / 改写 / 理解 / 总结 / 翻译 | 直接用提示词 | 这正是 LLM 最擅长的领域 |
RAG 的正确理解：RAG（检索增强生成）不是"让 AI 更聪明"，是给 AI 接了一个搜索引擎——它还是那个 AI，只是现在可以先查到相关信息再回答，而不是完全靠训练数据猜。很多人以为上了 RAG 就解决了幻觉问题，这是误解——RAG 只解决了知识边界问题，不解决推理极限、对齐冲突等。
一个心理预期的校正
你不需要"治好"AI 的每个缺点。
每条边界都有对应的工程解法。你需要做的是：
- 认出这是哪条边界在起作用
- 判断这个场景值不值得用更重的方案
- 如果值得，换方案；如果不值得，接受局限，手动补足
判断"值不值得"的标准很简单：
- 这件事是偶尔做一次？→ 手动补足
- 这件事是每天/每周反复发生？→ 值得上更完善的方案
引导练习
准备：你最近一次对 AI 感到失望的经历（AI 给了错误的、无用的、或者拒绝了的结果）。
任务：
- 描述那次失败：你问了什么，AI 给了什么，哪里不对
- 对照五条边界：那次失败，最可能属于哪条？（知识边界 / 推理极限 / 对齐冲突 / 多模态盲区 / 涌现不可预测）
- 对照决策表：如果当时知道这个框架，你会怎么处理？
不是要你解决那个问题，是练习"诊断 AI 失效原因"这个动作——这个动作，是用好 AI 的底层能力。
独立挑战
关掉讲义，独立完成。
场景：你是内容团队负责人，同事跟你说了三件事：
- "我让 AI 帮我写了一段关于我们公司 Q3 业绩的分析，写得头头是道，但数据全是它自己编的。"
- "我让 AI 帮我把文章翻译成越南语，翻出来感觉哪里不对，但我不懂越南语，没法验证。"
- "我让 AI 帮我做一个竞争对手分析，它拒绝了，说这涉及竞争情报不能提供。"
用这节课的框架，分别告诉他：这是哪条边界在起作用，建议怎么处理。（三个场景各 2–3 句话就够）
量规
通过条件：
- 你能说出五条边界的名字，并用自己的例子说明其中两条
- 你能用决策表判断：一个具体任务应该用提示词、还是 RAG、还是推理模型
- 你做了独立挑战，三个场景都给出了边界诊断和处理建议
不通过：只读完了但说不出某次 AI 失效属于哪条边界——这节课的核心是诊断能力，不是知识清单。
迁移挑战
场景：你要向不懂 AI 的老板解释："为什么我们需要花时间搭建一个 RAG 系统，而不是直接用 ChatGPT 回答客户问题"。
用不超过 200 字，用这节课的框架解释：直接用 ChatGPT 的根本局限在哪里，RAG 解决了什么问题，还有什么问题 RAG 解决不了。
下一节预告
M1-L3 · 2026 年的 AI 工具地图：一次选定，不再纠结
现在 AI 工具已经不只是"ChatGPT 或者其他"——DeepSeek、Claude、Kimi 各有各的"个性"和擅长场景。下节课给你一个能用三年的选工具框架，不是评测排行，是决策逻辑。