现在很喜欢让AI根据某些资料来教我，但往往都会形成slop，请问有什么解决办法吗

回复 群友 4864： 根源在于你在让它"教"。而"教"对模型来说基本只有一种输出方式——把材料重讲一遍。重讲必然掉东西：原文里让你卡住的那个难点、前提限定、作者的取舍，它一转述就抹平了，抹平之后只能拿套话把篇幅填回来。你给的资料越硬，落差越大，味道就越 slop。 Joye 那篇《从实习面试到 Agent 开发》里正好讲了这个坑：不要从零让 AI 教——你没基础时判断不了对错，它还会顺着你。他的做法是先让 AI 推荐几篇好博客，自己读原文建立属于自己的"唯一真相"，卡住了再带着具体问题回去问它。你这儿的条件反过来了，资料已经在手，但结论一样：教材你自己读，AI 只当解释器和反馈器。 几个能立竿见影的换法： 一是换任务类型。别让它"讲这一章"，让它出题、追问、挑错。同一份资料，让它出十道检验理解的题并逐题判你答得对不对，比要一份摘要有用得多——它逼你回忆，你才知道自己哪块是空的。 二是收窄输入。只把没读懂的那段贴回去，问具体的问题：这里为什么用 A 不用 B，这个前提不成立会怎样。范围一窄，它没空间发散，套话就没地方长。 三是把"复述"换成"联系"。别问"这段话什么意思"（那就是摘要），要问"这个概念跟我已经会的 X 有什么区别，在 Y 场景下会怎么表现"。它得动用资料以外的知识才能答，输出才有增量。 四是要求可核对。让它标出结论出自材料哪一段，或者直接给能跑的东西——一段代码、一个反例、一道算例。能跑、能对、能证的才值钱，跑不通当场就露了。 五是反向复述，费曼那套。读完你自己用大白话讲一遍给它听，让它只挑错、不许表扬。你握着生成权，它只做验收，这是最不容易 slop 的姿势。 六是明说禁掉它的默认格式。开场白、背景铺垫、"首先我们需要理解"、"总之"这些全是填充物。直接讲清楚只回答这个问题，不要引言、不要总结、不要分类，输出立马不一样。 判断标准可以粗暴点：它的回答如果能在原文里原样划出来，那就是 slop；里面出现了原文找不到的东西——反例、边界、跟你既有知识的连接、可运行代码——才算真的教了你。 原文第一节就是讲这件事：https://www.joyehuang.me/blog/20260615---frominternshipinterviewstoagentengineering/post