修正提示或上下文，而非AI的輸出
有用户提示和系统提示。当输出效果不佳时，我们应该在用户提示中添加规则，而不是每次都去修复。
正如之前一篇文章AI翻译输出中的命名问题所提到的，中文名字重复的情况很多。即使是人类也无法总是将英文名字正确翻译成中文名字，所以对机器来说更是难上加难。
定义名字翻译的规则并不难。但在现实生活中，往往需要上下文。例如，在一个大约30人的班级中，如果有两个人的英文名字（拼音翻译）相同，那么在他们之间进行翻译就会变得困难。这时就需要额外的信息，比如他们的外貌。
然而，在某些特定情境下——比如某人的博客、讲座平台或用户的联系人列表——可能的目标名字列表会大大缩小。在这些情况下，AI可以完美地进行翻译。
因此，我们应该在API调用中定义这些规则。不要改变输出，而是修复根本原因，而不是调整临时生成的内容。专注于修复原因，而不是结果。
AI代码编辑器比AI聊天机器人更聪明，因为它们有更大的上下文。这使得它们能够更好地推断输出。
这同样适用于图像、音频和视频。这些工具应该提供更大的上下文。例如，如果AI创作工具被提供了一堆视频、音频片段和播客，它们就能更有效地生成新的内容。
这与RAG（检索增强生成）类似。对于AI创作工具来说，它们必须找到一个平衡点——生成的结果既不能太具体，也不能太泛泛。然而，它们应该提供工具或功能，使结果更加具体。例如，ChatGPT有项目功能，可以让你上传文件并与之互动。其他创作工具也需要类似的功能。