配方 33 动手实践 10 分钟 更新 2026年10月29日
把指示拆成原子问题，比塞进一条原则更强（Takuma Yoshida）
外链 Takuma Yoshida 的 note.com 文章（2026-10-29）：在 Kaggle Game Arena Bargaining 上，把谈判原则拆成大量小问题交给托管 TypeSafe Jev（再可选把可算部分交给 Python），优于把七条原则塞进同一问。
这份指南指向哪里
Takuma Yoshida 在 note.com 发布了 AI(Jev)への指示をこまかく分けて渡したら、別人のように良くなった（2026-10-29）。系列用对局检验托管 Jev 能否在业务式决策上比通用 LLM 更强/更快/更便宜。继奥赛罗之后，本篇改打 Bargaining（估值隐藏、最多十次提案）。
此前把七条谈判原则写进同一道 Jev 题（Strategy）反而弱于裸 Basic。本篇改为：
- 原子化 — 按候选方案 / 物品 / 手番拆成大量窄问题（合法手 37 个时最多 189 问），一次 Jev 调用批量发出（Jev Atomic）。
- 组合 — 第二轮只看答案表与同一套七原则，再让 Jev Choice 选一手（此处组合仍在模型侧；TypeSafe 文档常把最后组合留给代码）。
- 常量/程序化 — 能算清的题改由 Python（Python Atomic），进一步降成本与延迟。
文中报告的 Bargaining 结果（作者按 API 标价估算，非账单）：Jev Atomic 对 Basic 297–40–63；对先前 Strategy 330–14–56；Python Atomic 更强，中位决策时间与每局费用低于 Jev Atomic。作者称原子化在 Bargaining 上比奥赛罗更明显。下篇计划对阵 Claude Haiku 5.5。
本页是非官方手册入口——请对照原文与 TypeSafe 文档核实数字与方法。
要点
- 把原则塞进一问可能让概率发散；拆成原子问题可能扭转胜负。
- API 允许时，把大量独立问题放进同一次请求。
- 确定性计算留在代码；只把仍属闭集、但偏模糊的判断交给 Jev。