※ 引述 《xzcb2008》 之铭言：
: 〓.〓
: ai 这个大语言模型
: 他本质上就是随机的
: 你很难让他每次都一模一样
: 〓.〓
: 这东西做agent是很有问题的
: 所以
: agent正确的开箱方式
: 是你要设计一个工作流给他
: 然后形成闭环
: 他中间的目的是一直在跑
: 固定的程式
: 一旦有问题或是特例
: 他介入修正
: 然后逐次自己优化自己的程式以及流程
: 还有品质
: 〓.〓
: 他本质上就是一个运算下一个字符的东西
: 你就算把温度调整到0
: 把重复惩罚也调整
: 他依旧是可能随机的
: 没有百分百
: 所以要怎么禁锢他
: 就是靠侷限以及他写程式照着跑
: 必要时介入
: 自己成长修正
: 你要很明确设计流程跟要的结果给他
: 他就是想办法依照每个检核点达到要求
: 如果你要的结果两次不一样=.=
: 我可以跟你说那是你的问题
: 你程式写好审核点写好
: 目标目的格式写好
: 他会不一样=.=
: 才奇怪
: 回去重新审视你给他的笔记 灵魂 自画像之类的
: 然后对skill严格规范
: 最好的方式是你自己给的prompt也都规范好
: 然后把思考关闭
: 接下来技能唯独+script 唯独
: 你觉得=.=
: 还能怎么不一样
: 你还没有找到正确写skill的方式啦
: 还有不要让你自己检测结果
: 要让ai自己检验自己
: 做自检=.=
这篇已经说的非常高阶
是一个完整工作流的设计基础
甚至还有一些自我侦错的功能
如果是一般聊天用可能作不到这个程度
但是可以延用一些概念
其实可在首次对话输入相关限制
并且要求ai严格遵守
在生成内容出来后
再要求ai 自我检测是否有违反你一开始的限制
如果有指令功能就更好
可以直接写入
不过有些有字符上限要注意
如此，生成结果有偏差的机率就会小上很多
因为ai本质是预测
你的提示词过于发散
等于可能过径大增
但是你有效限制一定程序、步骤
有明确的标准和范围
等于直接把一堆无关的错误路径给删除
要求AI只能在收束内的范围进行预测
命中率自然上升
如原本是1万猜1，现在是100猜1
如此
即使是不同人
提问的方式、用语不同
得到的结果也会较为趋同
事实上
现在Al研究抵抗幻觉的方向之一
就是建立可靠的推理架构
只是要把现实混乱的语境收束
本身就是高难度的事
且很多问题也牵涉专业知识
纯工程师也许可以透过Al慢慢建
但是不一定建的好
且也没有利益
真的能作出
不如设计成app 来卖
而Al公司有利益
但是他们主要竞争是在泛用模型上
在生态系格式的定义
作的人真的不多
目前我看到的
只有这个网站算搞的比较靠近
SDT 定义篇｜公开语意词库
https://blog.iegoffice.com/sdt-definition/
SDT 架构篇（LLM 专用）｜语意系统的 AI 阅读指南
https://blog.iegoffice.com/sdt-framework-llm/
ESAT 定义篇｜公开语意词库
https://blog.iegoffice.com/esat-definition/
ESAT 架构篇（LLM 专用）｜语意系统的 AI 阅读指南
https://blog.iegoffice.com/esat-framework-llm/
SPCT 定义篇｜公开语意词库
https://blog.iegoffice.com/spct-definition/
SPCT 架构篇（LLM 专用）｜尺寸语意系统的 AI 阅读指南
https://blog.iegoffice.com/spct-framework-llm/
EASC 定义篇｜公开语意词库
https://blog.iegoffice.com/easc-definition/
EASC 架构篇（LLM 专用）｜工程行为语意的 AI 阅读指南
https://blog.iegoffice.com/easc-framework-llm/
如果作的人变多
且都愿意免费公开
那么ai 回应的准确度应该会大幅增加
至少幻觉率也会下降