看了这两位佬友的帖子，并结合我最近的阅读，我加深了对“LLM的本质是对下一个token的预测”的认识，并有强烈的表达的冲动。 
你的提问被拆分成高维向量，然后经过多层神经网络不断收敛，实际上就是在找你输入的句子在高维空间距离更近的回复，因此你要求ai扮演一位专家，专家这个词实际上在学术文献中并不常出现，而是一个大众的表达，同时ai为扮演专家这个角色有了多余的消耗。因此，你想要提高ai回复的质量，你自己的提问需要更专业、更精确、更接近你自己的实际情况，你得到的答案才会更精准；相反，就算你用了别人高质量的提问词，你不知道为什么要这样提问，有很大可能，你对高质量的回复的接收程度也不够。 
另外一位佬友的帖子谈及对harness engineering的认识，我十分认同，也从另外一个角度印证了LLM的本质。我们用agent编程时要将自己当作掌控者，harness的原意也就是驾驭。更加鲜明的形...