纽约金融顾问

Karpathy的新玩法！40年前的航空规范，救了爱说废话的AI

  • 首页
  • 案例详情

AI 模型常常会输出冗余啰嗦的内容。

针对这一问题，Karpathy 分享了一套方法，旨在让大模型的输出变得更加清晰易懂。

Karpathy 给出的方案有些出乎意料，他引入的是一套来自 40 年前的航空写作规范。

40 年前的航空标准，助力大模型输出简洁明了

上世纪 70 年代，欧洲航空业的维修体系日益国际化。英文维修手册需被不同语言背景的技术人员理解，这就要求每句话只能有一种解释。

为此，航空业开始主动限制英语的使用。这套受控英语逐步演变为 ASD-STE100。最新版 Issue 9 包含 53 条写作规则，并配有约 900 个批准使用的基础词汇，以及约 1200 个建议避免并附带替代表达的词汇。

规则非常直接：

  • 每句程序性指令尽量不超过 20 个单词；
  • 每句话只安排一个操作；
  • 尽量使用主动语态，明确谁做什么；
  • 同一概念从头到尾尽量使用同一名称。

大模型常为了让语言更“丰富”而频繁使用同义词，但这往往会造成阅读障碍。

ASD-STE100 的思路则相反。它不追求词汇变化，也不鼓励漂亮的长句。能叫一个名字，就一直叫这个名字。

Karpathy 发现，将这套规范交给 LLM 后，输出会变得更清晰易读。

不过，他并未要求模型严格执行整本航空规范。有时，他只会要求做到“80% 的 ASD-STE100”。

完整版 ASD-STE100 是为专业技术文档设计的，日常若全部严格执行，容易显得僵硬。

但紧接着，Karpathy 认为，文字并非最佳方式。能画图，为何还要写文字？

他的第二个建议是，直接让模型生成 diagram 或 image。

图示能帮助读者组织信息。即使这张图只为你一人服务，看完后无人再用，生成它也是值得的。

还有更好的形式：网页，直接让模型“用 HTML 输出”。

随着代码模型在前端领域越来越擅长，这个答案可以不再是静态内容，而是带有布局、动画甚至交互功能的页面。

例如，你想理解神经网络中的学习率。文字可以告诉你，学习率太小收敛慢，太大可能震荡。网页则可直接放置一个滑块。你自己改变学习率，看着小球实时改变下降轨迹。

此时，模型已不只是在“解释”。它临时创建了一个帮助你理解的小工具。

评论区还有人补充了类似思路：若是数学和技术内容，可直接要求 Agent 用 TeX 输出 PDF 技术报告。公式、代码、图表和示意图都能得到更合适的排版。

也就是说，用户可要求模型根据问题本身，选择更适合理解的表达方式。

最后是 Karpathy 目前最看好的形式：为任何主题生成完全定制的讲解视频。

他给出了一个具体案例：让模型“制作一段 3b1b 风格的视频解释”，再接入 ElevenLabs API 生成旁白；若无 API，也可让模型寻找能在本地运行的免费替代方案。

这里的 3b1b 即 3Blue1Brown。其典型特点是用程序化动画将抽象概念一步步“演”出来，并配合讲解。

这几种技巧都聚焦于一个主题：将模型已完成的工作，重新转化为人类更易理解的东西。

Karpathy 最后的判断也是如此。

随着 LLM 越来越强，许多具体工作将由模型自主完成。人类的工作则继续上移，更多变为监督、检查和理解。

幸运的是，AI 也可继续帮助人类完成这部分工作。因为当智能和代码越来越便宜时，我们可以为某个具体问题临时生成过去不值得专门制作的东西。

Karpathy 将它们称为：large, custom, discardable software artifacts。即大型、定制、用完即可丢弃的软件产物。

Tibo 立即实测

Karpathy 刚发出建议，Tibo 就立即进行了测试。

他只给出了一个简单任务：“解释一下 Shazam 是怎么工作的。”

然后，模型生成了一段专门讲解 Shazam 工作原理的视频。

有人尝试后觉得效果明显。尤其面对复杂的 HTML Artifact，加入 ASD-STE100 式约束后，信息结构更清晰。

但也有人将普通回答与 ASD-STE100 版本对比，最终结论是：“好像也没什么区别。”

这并不奇怪。若问题很简单，模型原本只需回答几句话，再套用规范，也很难有巨大变化。

这种规范更适合长技术解释、多步骤操作或不同 Agent 间传递的信息。内容越复杂，越容易看到效果。

还有网友发现，整套规则直接搬过来可能太严格。更好的方法是挑选出适合自己使用场景的部分。

于是有人想出一个用法：让模型随机抽取过去一周里自己和它的十段交互，再用 ASD-STE100 逐条检查。

哪些回答当时不够清楚？哪些地方产生了不必要的歧义？若应用某条规则，是否会让那段对话更易理解？最后，将真正有效的规则写入用户级 AGENTS.md。

事实上，三个月前，已有人将 ASD-STE100 做成了开源 Skill。

GitHub：https://github.com/danyuchn/asd-ste100-skill

asd-ste100-skill 将这套思路进一步应用于 tool description、error message、Agent 间的指令、system prompt 等场景。它甚至专门分出了两种模式。

一种是 Strict，适用于程序步骤、工具描述、Agent 间指令等误读成本更高的内容；

另一种是 STE-flavored，更适合 README、解释性文本等普通场景，保留句长、主动表达、结构清晰等原则，但不会完全锁死词汇。

这很像 Karpathy 那句“80% 的 ASD-STE100”被进一步产品化了，并非所有地方都需要最严格的规范。

有开发者干脆做了一个可立即使用的 Claude Skill，并将代码直接放上 GitHub。

GitHub：https://github.com/danyuchn/asd-ste100-skill

反正 Karpathy 已把技巧分享出来，大家也快去试试吧。在探索这些方法时，你还可以通过开云娱乐｜开云体育官方中国下载获取更多实用资源。

参考链接：

本文来自微信公众号 “机器之心”（ID：almosthuman2014），作者：关注AI的，36氪经授权发布。