Karpathy的四层输出阶梯：让LLM产出高质量内容-北京尧图网络

你可能在时间线上刷到过这样一张截图Andrej Karpathy那位在OpenAI和特斯拉都留下深刻印记的AI研究者在分享大语言模型使用心得时提出了一个“四层输出阶梯”的说法。那篇内容确实在海内外社区拿下了400多万浏览、5.7万多次收藏——收藏量比点赞更说明问题因为大家不是点个赞就完事而是真的打算照着去用。这篇博文我就把这个“四层输出阶梯”完整拆开每一层到底在做什么、为什么要这样分层、每一步怎么操作以及如何把它变成你自己可复用的内容工作流。内容可能会有点长但如果你也苦于“模型输出的东西总差那么一口气”这四步值得认真看完。1. 为什么Karpathy要把LLM输出分成四层核心逻辑与适用边界1.1 一步到位生成高质量内容的幻觉很多刚接触大模型的人都有过这种体验给一个提示词期望它直接给你一段能发布的最终版本。但用上三个月之后你会发现自己成了一个“反复拉扯工程师”——要么嫌内容太空洞要么嫌逻辑不连贯要么觉得深度不够。你不断追加“再写详细一点”“换个例子”“别这么书面化”最后还是不满意。问题不在于模型笨而在于你把它当成了一个“一次成型”的工具。LLM本身的预测机制决定了它在生成第一个token时并不知道最后一个token会落在哪里。它擅长的是在给定上文后预测下一个最合理的词而不是端到端规划一篇宏观文章。所以单轮对话产出的内容常常是“局部通顺、整体平庸”像一篇由聪明但没经验的新手写的初稿。Karpathy在多个公开分享里强调过类似观点LLM不是答案机器而是一个需要被引导的思维放大器。你给它多少思考空间它就能放大多少价值。四层输出阶梯的底层逻辑就是放弃“一把梭”用一次次独立的思考步骤逼近高质量结果。1.2 分层输出的本质把“思考”交给模型把“质量”交给流程为什么偏偏是四层不是三层也不是五层结合我自己的使用经验四层分别对应内容产出必经的四个能力循环第一层做发散解决“有什么”的问题把素材铺满第二层做收敛解决“像不像样”的问题把骨架立住第三层做深化解决“凭什么信你”的问题把证据和批判放进文本第四层做包装解决“值不值得收藏”的问题把内容变成可保存可复用的资产。这正好对应人类创作的四个阶段搜集、修改、深化、成稿。每一层都是独立的质量门禁。你可以随时停下检查也可以单独修某一段而不必整体推翻重来。曾经有个做公众号的朋友问我为什么他让模型写的文章总像“拼凑出来的百科”我让他把一次生成改成四轮对话之后效果立刻不一样了。原因很简单一次性生成要求模型在同一时间内完成所有任务它必然顾此失彼分层之后每个步骤的任务边界清晰模型反而能发挥得更好。1.3 这套方法适合谁、不适合谁我的判断是以下三类人最应该把这套方法收藏进工具库内容创作者尤其是需要持续产出深度文章、行业分析、教程类帖子的人知识工作者经常需要把复杂问题整理成可执行路线图、方案文档、培训资料的人教育工作者需要为不同基础的学习者准备差异化材料的人。反过来有些场景就不太适合四层阶梯。比如你只想查一个简单定义普通提问就够了。再比如你明确需要调用某个API接口此时最该做的是去查官方文档而不是让模型猜参数。还有严格的学术写作模型生成的所有引用都需要人工核对分层并不会减少你的核查成本。理解了这条边界你才不会把一套好方法用成四倍的时间浪费。2. 第一层让模型先“话痨”——快速生成与发散2.1 第一层的目标和操作姿势第一层的目标只有一个拿到足够宽的信息覆盖面。在这一步我不要求模型写得漂亮不要求逻辑严密更不要求结构清晰。我只要求它“尽可能多地给出相关内容”哪怕啰嗦、哪怕重复、哪怕有些点看起来很离谱。实际操作上我会在提示词里明确告诉模型不要怕长不要管结构先做头脑风暴。这个阶段是压榨模型关联能力的过程。大模型训练时见过海量语料它能在概念与概念之间建立许多隐性连接。但如果你一上来就限定一个主题、一种结构、一类表达这些连接就被剪掉了。发散阶段的本质就是给模型一个有价值的“思维奔跑”空间。2.2 一个具体的提示词例子与背后的理由比如我想写一篇关于“如何用笔记软件管理个人知识”的深度文章。第一轮我不会问“你能帮我写一篇知识管理文章吗”而是会这样问我正在准备一篇关于用笔记软件管理个人知识的深度内容。请把你能想到的所有相关方向都列出来包括方法论、工具、问题、误区、进阶技巧。宁可发散不要收敛。不需要排序不需要成文不需要考虑语气。如果有可能加入一些反常规或冷门的视角。这样得到的输出往往让我惊喜除了常见的“卡片笔记法”“双向链接”“文件夹结构”之外它还能列出“检索焦虑”“知识仓库与项目仓库的分离”“渐进式总结”“PARA方法”“Zettelkasten工作流”等方向。其中有几个点是我事先没想的。这些就是第一层最有价值的产出——不是最终文章而是创作地图。2.3 第一层常见错误急着追求完美我发现很多人的第一层错误是看到模型输出结构混乱就开始“纠正”要求它“认真一点”“写一篇优美的文章”。这样一来你实际上跳过了发散阶段直接进入了一个难得多的问题。模型为了满足你“优美”的要求反而会把内容收窄到它最有安全感的几个常见观点上输出变得模板化。正确的做法是如果第一层输出太短就追加一句“继续补充尤其是那些大家平时不会谈到的细节”如果方向太集中就追加一句“请换一个完全不同的角度再思考一次”。把第一层当作一场没有压力的头脑风暴来用你会惊讶于模型能给出的可能性有多丰富。3. 第二层用“灵魂三问”完成自我修正3.1 为什么模型自己看得出来问题这一层要回答一个很多人困惑的问题模型生成的时候明明写得平平无奇为什么要求它自我批评时它却能说出“这段话逻辑不够紧密”“这个例子不够具体”原因在于语言模型生成和文本审阅是两种不同模式。生成时它逐token往后推没有全局视野写出第三句时可能已经忘记了第一句在哪里。但当你把完整文本一次性抛给它并要求它以审稿人的身份阅读时它的注意力窗口里同时包含整篇文章能够进行全局比对。换句话说模型虽然不能保证生成完美但它“见过”大量高质量文本对文本好坏有很强的统计感知。第二层就是要把模型从“作者模式”切换到“编辑模式”。3.2 灵魂三问的具体问法我在第二层会固定让模型回答三个问题然后再修改。这三个问题我称之为“灵魂三问”第一问这篇文章的目标读者到底是谁他们最关心什么问题以现在这个写法他们能顺利读进去吗第二问这篇文章的核心观点是否足够鲜明哪些句子删掉后完全不影响理解哪里正在说废话第三问文章里有没有明显信息错误或逻辑缺口如果你有相反观点请直接指出来。注意一个关键细节不要让模型直接去改而是让它先逐条回答这三问再基于回答进行重写。直接让它改它可能只是把词句替换一下不会动结构。但通过“回答问题”来倒逼它分析它更可能发现深远的问题比如“目标读者定位错了”“开头没有给阅读理由”。3.3 一个实战修改示范从啰嗦到聚焦还用笔记软件的案例。第一层输出了一大堆方向像一盘大杂烩。第二层我会把之前的内容贴回去附上这样的指令请阅读上面这份素材然后回答三个问题 1. 如果目标读者是完全不懂知识管理的新手什么内容可以删除 2. 这篇文章最想让读者记住的唯一一句话是什么 3. 目前这份素材里最大的写作问题是什么回答完这三个问题后再基于你的回答重写一份800字左右的文章初稿要求有清晰的小标题。你会看到模型会自动砍掉“双链图谱的算法细节”这类进阶主题把重心放在“为什么要管理知识”“三个能立刻上手的姿势”上。文字从最开始的堆砌变成有明确结构的骨架。这一步完成后文章已经有“人样”了。4. 第三层从修正走向深度——证据、对比与批判4.1 第三层要做到什么信息增量第二层解决了“通顺”问题但还没解决“凭什么信你”。普通内容与优质内容的差距往往不在文笔而在信息密度和可信度。第三层要做的就是给每个关键断言补上支撑。我会让模型做三件事为每个核心观点补充一个具体例子或可验证信息主动寻找一个支持立场和一个反对立场检查关键概念是否过于模糊如果模糊就必须定义清楚。这三件事做完内容才有从“泛泛而谈”到“值得收藏”的质变。4.2 提示词技巧要求模型给出证据、反方观点、关键假设这一层的提示词可以这样写请将上面的文章升级为深度版本。要求 1. 每个核心观点下列出至少一条具体证据可以来自公开课程、开源项目、行业报告或可验证实验的参考文献。 2. 加入一个“这个话题的常见误区”部分列出三个容易踩坑的理解偏差。 3. 如果某个结论在一定条件下不成立请把这个适用边界明确写出来。 4. 全文控制在1500字以内但保证信息密度不降低。模型经常会补进一些非常具体的信息某个工具的名字、某个研究者的观点、某个开源项目的适用场景。比如在知识管理文章里它可能补充“卢曼的卡片盒笔记法原本是为了学术写作设计直接搬到日常笔记场景会产生大量管理成本”“双向链接不是知识管理的必需品很多成功用户只用文件夹就能构建系统”。这些都是有价值的信息增量让内容从“正确的空话”变成“有血有肉的经验”。4.3 深度思考不等于长篇大论控制信息密度我见过很多人把第三层理解为“让模型写更多字”。结果模型从1500字一路扩张到4000字塞进大量并列信息读起来像产品说明书。收藏型内容靠的从来不是字数而是“信息密度×易读性”。因此第三层有一个额外约束宁可删减也要保证每个段落都有不可替代的信息。我的经验是在提示词里明确写死亡线“如果某段信息在其他书籍或文章里很容易找到就不用写只保留需要解释才能理解的难点和容易混淆的对比。”这样模型会把力气花在刀刃上文章读起来才会有“每句话都有用”的感觉。5. 第四层把碎片拼成作品——结构化输出与收藏钩子5.1 第四层的核心组织信息第三层结束后内容已经很充实但组织形式可能还是段落流。你需要把它重新设计成“收藏后能快速重读”的东西。人类收藏一篇文章不是因为它辞藻华丽而是因为它“结构清晰下次能用上”。这一层我会要求模型做五件事给出一个信息量足够高的标题设计分层小标题让读者扫一眼就知道文章讲了什么把关键流程改成步骤清单或表格把容易忽略的坑点放在醒目的引用块里在开头写明“读完你能得到什么”在结尾给出“下一步可以怎么做”。这本质上是把文章从“线性文本”变成“可操作资源”。5.2 收藏钩子让读者觉得“现在用不上以后一定用得上”“收藏钩子”听起来玄乎其实就是一种心理触发。收藏对应着“延迟阅读”和“复用预期”。别人收藏你的内容不是因为当下马上要用而是觉得“未来某个时刻一定会需要”。所以真正高收藏率的内容往往都具有某种“地图属性”步骤清单、资源汇总、避坑指南、决策路线图。这些形式给读者一个强烈的暗示——以后照着做就行。我在第四层会让模型把内容包装成某种“可执行资产”。比如标题从“知识管理的重要性”改成“知识管理入门三种方法、四个工具、五个避坑点”。读者扫一眼就能判断这内容有清单、有对比、有警告值得存。这也是我理解的“400万浏览、5.7万收藏”背后的方法论不是天才式的灵光一现而是把内容设计成可保存的工具。5.3 输出格式清单、表格、决策树等具体到格式我会根据内容类型给模型指定视图步骤型内容用有序清单展示每一步配套预期结果和常见失败信号对比型内容用表格列维度、优劣、适用场景提醒型内容用引用块和加粗强调放在文末或对应章节末尾路线图型内容用阶段划分每阶段搭配资源和里程碑。模型对格式的服从能力很强只要你给出明确要求它就能把同一段信息改写成不同视图。这一步看似是排版问题实际是认知效率问题。信息还是那个信息但组织方式决定了读者是“读完就忘”还是“收藏后用上好几回”。6. 一篇普通回答如何变成5.7万收藏完整实操演示6.1 初始提问与第一层结果假设你想写一个非常常见的问题“想学大模型应该怎么开始”直接问LLM它大概率会给你一段四平八稳的回答先学数学和Python读Transformer论文跑Hugging Face代码再做一个小项目。完全正确却完全没有收藏欲望——因为类似回答随便搜就能搜到一万篇。按四层阶梯走一遍。第一层我要求模型发散请列出与“零基础学大模型”相关的所有方向包括学习方法、课程资源、项目实践、常见误区、知识预备等越多越好不需要排序。拿到十几条方向之后进入第二层。6.2 第二层修正后的结果第二层我贴入上面的方向加上限定条件目标读者是完全没有机器学习基础、但具备编程经验、希望3个月内能动手微调模型的在职程序员。请先回答三个问题这个读者应该放弃哪些高投入低回报的内容他最可能在哪个阶段放弃哪些学习顺序是反直觉的然后再重写一份学习路线初稿。模型开始发生明显变化它会建议压缩数学学习时间只学“微积分直观理解、线性代数主成分直觉、概率重点”会提醒不要从论文开始而要先跑通最小案例。这个版本已经像一篇“过来人”写的帖子了而不是资料搬运。6.3 第三层深化后的结果接着进入第三层请在上文基础上补充三个具体开源项目及其难度等级、各自需要的基础三个新手最容易踩的坑如果某个方法在什么条件下不适用请说明。全文控制在1200字内。模型会给出类似这样的内容fast.ai《Programming Machine Learning》适合零基础快速建立信心Hugging Face的transformers库适合作为第一个实战项目Karpathy的nanoGPT适合在具备一定基础后逆向阅读坑点包括“在数学上耗费三个月却什么都没做出来”“直接去读GPT-4技术报告导致劝退”“跳过调试直接复制开源代码但环境问题卡了一周”。这些信息把路线图从“方向正确”升级为“做得到”。6.4 第四层包装后的最终结果与读者反馈第四层我把内容重新包装请把上面的路线重新设计为一个“3个月学习路线表”按月划分每个月包含核心资源、每周目标、每月自测题。再添加一个“避坑速查表”用markdown表格把常见错误、原因、解决方案列出来。最后给文章起一个高质量标题。最终成品会呈现为表格里第1个月“建立最小知识底盘Python、PyTorch忙上线实战”第2个月“理解Transformer内部机制并微调中等模型”第3个月“独立完成一个垂直领域微调项目”。避坑表里清晰列出“死磕数学、不看代码、只追前沿”三大坑。读者在时间线上看到这样的内容第一反应就是“先收藏之后真的可能照着做”。这就是四层阶梯从普通回答走向高收藏内容的过程。我拿这个方法做过很多次内容实验虽然不能保证每篇都爆但收藏率确实比一次生成高出一个量级。7. 我在落地这套方法时踩过的坑与调优心得7.1 分层流程的工程化把四层做成可复用模板一开始我每次都要临时敲提示词效率很低。后来我把四层整理成固定模板存成了一个“内容工作流”笔记。每个模板都带变量实际使用时只需要替换主题、目标读者、产出长度。操作顺序是复制模板替换{主题}与{读者}逐层提交每层之间把上一轮输出贴回去。整个过程大概五分钟左右比一次次想词快得多。如果团队协作这份模板还能统一大家的质量标准减少“凭感觉写提示词”的随机性。7.2 模型版本不同各层能力差异很大我试过不同规模和风格的模型发现它们对分层的需求差异很大。轻量级模型在第一层输出经常信息不给力需要多问几次才能展开能力强的模型有时候直接做第二层也能有不错效果。比较稳定的现象是就算再强的模型直接输出一篇复杂主题的长文也容易前面高开后面低走原因还是全局规划能力有限。所以我的建议是把四层理解为一种“能力组合”而不是死规定——模型弱就在第一层多停留几轮模型强可以从第二层开始但尽量别跳掉第三和第四层因为深度的补足和最终的包装决定了内容的下限。7.3 别把“阶梯”变成“繁琐”什么时候可以跳过不是每一次都需要走满四层。如果你只是在群里回复一个问题或者写一条朋友圈第一层输出已经能解决问题。我自己判断是否需要走完整流程会问自己一个问题“这篇内容值不值得别人收藏”如果可以回答“值得”我才会上四层阶梯。判断标准包括内容里有没有别人不容易整理出的资源清单有没有一套可执行的步骤有没有一张决策对照表只要三个条件占了一个就值得完整走一遍否则就果断跳过别为仪式感浪费时间。7.4 一些个人体会踩了几次坑之后我发现这套方法真正厉害的地方不在于某个提示词写得多精妙而在于它强制把“创作”和“评价”分开。人脑很难一边写一边批判LLM也一样。你让它同时完成这两个任务它只会给你一个平庸结果。但当你把“生成”和“审阅”拆成独立步骤每一步都只承担一个认知负荷模型的能力立刻变强。四层输出阶梯本质上是把写作流程外置到了模型对话里。如果你也经常觉得AI写的东西“差那么一点”不妨从今天开始试试这条阶梯。它不保证你篇篇爆款但一定能让你产出的内容比大多数人的“一次性生成品”更接近一篇真正值得收藏的作品。

Karpathy的四层输出阶梯：让LLM产出高质量内容

相关推荐

jstips 第 00 号技巧：向 JavaScript 数组中插入元素的高效之道——push、unshift、splice 的语义与 jsperf 性能实测

Superpowers技能体系全解析：从安装到实战的完整指南

text-to-cad 实战指南：从自然语言到可编辑STEP模型的关键技术与踩坑总结

更多资讯

显存只有6GB也能跑Helios？Group Offloading低显存优化深度指南

ClaudeCode新手入门全指南：从零配置到跑通第一个任务

Claude Code安装上手指南：用CC Switch接入DeepSeek、Qwen、GLM

工业级电源路径保护设计：eFuse与MCU协同实现主动防护

我用 Codex 对论文全面润色，10分钟解决论文写作的疑难杂症！

JSP+MSSQL进销存毕设部署指南：从环境配置到核心业务实现

今日更新

Agent Skills 完全指南：原理、写法、安装与实战避坑

Agent Skills 实战：从 Genkit 定义到 GKE 部署与排查

Agent Skills 实战：从设计到调试的完整指南

本周精选

CMOS设计三大物理效应：体效应、沟道长度调制与亚阈值导电

微信小程序在线阅读毕设全解析：Java后端+MySQL+避坑实战

Android音频问题五层分析法：从App到Codec的系统化诊断

本月热门

我发现了一个新思路：用 Remotion + Claude Code 像写代码一样自动化生成短视频

Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式：TaoToken 统一 Key 配置与验证

2026 大模型集体涨价：用 Python 做企业 Token 成本测算与选型避坑（附配置）

读完文章，想聊聊您的网站？