最近注意到，日常与大语言模型（LLM）的频繁互动，正在潜移默化改变我和真人的沟通方式。具体来说，有两点变化非常明显。
一、回答问题时，我开始尝试直接发送“提示词”
有时候同事向我提问，我会直接把一段 prompt 发回去。就很奇怪，别人在向你提问，你又再发一个问题过去。但由于 prompt 的表述方式明显不是“对人说话”，对方一般都能快速get到我的意图。
二、我向别人提问时，变得更加的http了（开个玩笑，意思是设想当前沟通是无状态的，每次提问都描述好上下文）
这个习惯有两个来源：
1是来自被提问的体验。白天专注写代码时，经常被打断。有时收到一个问题，还得翻半天聊天记录才能理解来龙去脉。当时就在想，如果对方每次提问都能“交代历史”那得多好。
2是来自我和 LLM 的交流方式（我习惯使用“一问一答”模式，而不开启“记忆”。因为我觉得每次独立提问的答案更可控，启用记忆反而可能引入干扰）。每次向 LLM 提问时，我都会预设它不知道角色、身份、背景和目标，从而对这些信息补全。
由于向LLM提问多了，日常工作向真人提问时，也习惯了对自己的问题进行“优化”，然后最近发现自己的提问变得非常的有质量（从而促使我发分享这篇问题）
举个例子：我在使用公司内部产品时遇到一个报错。我没有直接问“这里为什么报错”，而是先截取报错界面（图片本身也是问题的一部分，除了框选重点，还要对其他位置进行模糊，这种提炼有利于对方快速识别意图），然后写道：
“我的目标是 xxx，在xx位置进行xx操作后遇到异常，请问上图中的操作是否正确或必要？如果不是，我先忽略这个异常”
交代背景后，对方除了解答当前问题，也许还会根据我的目标给出更优解
