上篇咱们聊了CoD是什么——就是让AI像人一样打草稿用几个关键词就把问题想明白不啰嗦不废话。 但你可能要问了这玩意儿不就是让AI少说点话吗有啥大不了的嘿别小看这张“草稿纸”。今天我就带你看看CoD在AI的世界里到底能玩出什么花来。一、不同类型的CoD草稿纸也分三六九等其实CoD不是单一的技术而是一类方法的统称。就像“打草稿”这件事不同的人有不同的打法。1. 极简关键词型 这是最基础的CoD。AI在思考时只记录最关键的名词、数字、动词。 比如让AI总结一篇文章传统CoT可能会写“首先我通读了全文发现第一段讲的是背景介绍第二段提出核心观点第三段举例论证第四段总结……”而CoD只会在内部记主题气候变化 核心观点人类活动是主因 论据碳排放数据、极地冰盖融化 结论需立即行动这种类型最适合那些不需要复杂推理但需要快速响应的场景。比如客服机器人用户问“退货怎么操作”AI脑子里闪过“退货流程订单页-申请-填原因-等审核”然后直接告诉用户步骤完事。2. 逻辑跳转型 这种更高级一点。AI的思考过程不再是线性的而是像人一样会跳跃、会联想。 举个例子让AI写一个营销文案。它的思考过程可能是这样产品智能水杯 卖点保温、提醒喝水、颜值高 目标人群白领女性 灵感办公室场景 → 忙碌忘喝水 → 皮肤变差 → 焦虑 → 我们的杯子刚好解决 文案风格温暖、有点小焦虑但提供解决方案看出来了吗从“办公室”直接跳到“皮肤变差”中间省略了“因为不喝水所以皮肤干”这个逻辑链。但AI自己知道它只需要记录这些跳跃的关键节点最后输出时再组织成通顺的语言。 这就像老司机开车不用每一步都想着“我要踩油门、我要看后视镜、我要打方向盘”脑子里只有一个念头“超那辆车”手脚就自动配合上了。3. 纠错标记型 这种CoD特别有意思。AI在思考过程中会主动标记出“不确定”或“可能错了”的地方。 比如让AI做一道数学应用题已知小明有10个苹果给了小红3个又买了5个吃了2个还剩几个 思考 10 - 3 7 7 5 12 12 - 2 10 等等再读题给了小红3个是“给”不是“被给”确认小明给小红所以是减。 没问题继续。 最终答案10在这个过程中AI会有一个自我怀疑和确认的步骤。这在处理复杂任务时特别有用相当于AI在给自己“复核”。二、CoD的实战价值这玩意儿到底能干啥好了理论说了这么多来点实在的。CoD在实际应用中到底能干啥1. 让多Agent协作不再“打架” 现在的复杂AI系统往往不是单个AI在工作而是一群AI各司其职就像一个团队。有的负责理解问题有的负责查资料有的负责写答案。如果没有CoD这些AI之间交流就像一群话痨开会 A说“根据我对用户问题的深入理解我认为用户可能是在询问关于……500字省略” B说“好的收到你的观点。现在我要去数据库里查找相关信息我会按照关键词A、B、C进行搜索搜索策略是……300字省略” C说“感谢B提供的资料现在我要开始撰写答案了我打算采用总分总结构开头先……800字省略”这哪是团队协作简直是互相折磨。有了CoD对话就变成了 A“用户问退改政策。关键词机票、退款、手续费。” B“查数据库政策代码FX-2024退票费10%-50%起飞前2小时免费。” C“输出机票退改分三种情况具体看购票时间……”效率瞬间提升而且不容易跑题。2. 让AI学会“边想边做”在一些实时交互场景比如AI玩游戏、控制机器人AI必须快速反应没时间长篇大论。 CoD让AI可以用极简的思考指导行动。想象一个机器人帮你倒水没有CoD的话它可能会卡在“首先我要确认杯子的位置然后规划抓取路径考虑抓取力度再考虑移动速度……”的思考中结果水都洒了。 有CoD的机器人思考过程可能就是“杯子→右前方30cm→轻轻抓→移动→水壶→倒水”。几乎在思考的同时动作就完成了。3. 让创意工作更有“灵光一现”你可能觉得创意工作不需要效率需要的是深度思考。但CoD在创意领域反而有奇效。 因为人类创意思维本身就是跳跃的灵光一现往往不是线性推导出来的。CoD允许AI记录那些跳跃的灵感点然后在后期再组织成完整的创意。比如让AI设计一个广告文案传统AI可能会按部就班地分析产品特点、目标人群、竞品分析最后产出一个四平八稳但毫无亮点的文案。而用CoD的AI思考过程可能是这样产品运动鞋 脑暴关键词轻 → 羽毛 → 飞翔 → 自由 → 年轻 → 叛逆 不相关等等“轻”和“叛逆”怎么连穿轻得像没穿的鞋去做别人觉得不可能的事 有点意思继续没穿鞋的感觉 → 赤脚 → 原始 → 回归本真 两条线合并叛逆的自由 回归本真 做回自己 文案方向穿上XX鞋做回那个敢赤脚奔跑的少年。看到了吗这个过程充满了联想和跳跃反而更容易产出有创意的结果。4.让AI学会“留一手”有时候AI不需要把所有思考都展示给用户。就像你不会把草稿纸交给老师一样。比如法律咨询、医疗咨询这种敏感领域AI的思考过程可能包含一些不确定的判断或者需要引用内部知识库的内容。这些不适合直接告诉用户但AI自己需要知道。CoD让AI可以在内部完成这些复杂推理只输出最终的安全、准确的答案。三、CoD的局限性草稿纸也不是万能的说到这儿你可能会觉得CoD简直是完美解决方案。但其实它也有自己的问题。 太复杂的问题草稿纸可能不够用 。如果让AI写一篇博士论文或者解决一个复杂的数学猜想CoD那寥寥几个关键词可能就不够用了。这时候还是需要CoT那种详细的思维链一步步推演。有些场景用户就是想看你怎么想的。 比如教育场景AI辅导学生做题。这时候你不仅要知道答案更要看到详细的解题思路。如果AI只给个答案学生根本学不会。 草稿打得不好反而容易出错。 CoD依赖AI自己判断“哪些信息是关键的”。如果判断失误漏掉了重要信息结果可能就错了。就像考试时草稿打得太潦草自己都看糊涂了。说到底从CoT到CoD折射出AI发展的一个趋势从“看起来聪明”到“真正高效”。 CoT让AI学会了把思考过程说出来让我们看到了AI的“脑回路”。而CoD让AI更进一步学会了在思考时只说重点就像人类的大脑大部分思考都是潜意识里的闪电只有关键时刻才浮出水面。这让我想起一个比喻刚开始学开车的人每一步都要默念“踩离合、挂挡、松手刹、加油”嘴里念念有词。老司机呢脑子里只有一个念头“走你”手脚就自动配合好了。下次你再跟AI聊天如果感觉它反应特别快回答特别准而且不啰嗦——说不定它背后就用了CoD正偷偷打着只有自己能看懂的草稿呢。 所以当你家的AI突然变得“惜字如金”时别嫌它高冷。它可能只是学会了打草稿把最好的答案留给了你把废话都咽回了肚子里。 这不就是咱们最想要的那种聪明人吗话不多但句句在点子上。