Prysai/Prysai-LLM-Playbook

它解决了什么问题

新手面对令人困惑的AI平台名称——Codex、Claude Code、Agents、Skills——不知道先学哪个。本项目重新定义了起点：在选择任何工具之前，理解语言模型能确立什么、不能确立什么。它还解决了LLM的一个核心失败模式：流畅、自信的答案可能仍然是错误的，或悄悄添加从未提供的事实。课程教授一个可重复的循环——定义任务、选择有界行动、检查结果、保留证据、说明限制——让读者在信任模型输出前先进行验证。

它是如何运作的

默认路径是一个五单元的LLM基础核心：解释LLM是什么、不是什么；写一个包含目标、上下文、限制和输出形式的小请求；识别遗漏、虚构、强制模糊和过度自信；检查并最小限度地修复答案，同时说明一个限制；将方法迁移到未见过的任务。每个单元必须留下学习者创作的产物——一张有界任务卡、一份已检查的结果记录和一次迁移尝试——而不是复制的提示或精美的模型答案。一个五分钟、无需设置的提示练习让任何人都能在任何聊天模型中看到虚构事实的行为：要求它重写一条短消息，同时保持每个事实完全相同，然后检查它是否添加了细节。仓库还维护一份证据账本，明确区分了观察到的内容（稳定的本地工程检查）、已捕获但未评分的内容（输出集合，其输入哈希不绑定准备好的提示）以及仍然未知的内容（学习者完成度、迁移、生产力）。

适合谁

面向语言模型新手，他们想要一个独立于工具的起点，还不知道该学Codex、Claude Code、Agents还是Skills。无需技术前提：你不需要Codex、Git、终端或私人文件即可开始——只需任何聊天模型用于练习。它也服务于重视诚实状态披露的读者，因为项目明确是“候选”状态，学习者成果尚未测量，且不做任何IQ或生产力声明。

亮点

• 一个五单元基础路线，基于单一可检查循环：定义、约束、检查、保留证据、说明限制
• 一个五分钟、无需设置的提示练习，揭示流畅答案如何虚构事实
• 每条路线要求三个学习者创作的产物：有界任务卡、已检查结果记录和迁移尝试
• 一份诚实的证据账本，区分观察到的、已捕获但未评分的和未知的结果——没有效率、IQ或普遍性声明
• 八个注册语言入口和一个公开的引导阅读网站；无需技术设置即可开始