※ 引述 《xzcb2008》 之銘言：
: 〓.〓
: ai 這個大語言模型
: 他本質上就是隨機的
: 你很難讓他每次都一模一樣
: 〓.〓
: 這東西做agent是很有問題的
: 所以
: agent正確的開箱方式
: 是你要設計一個工作流給他
: 然後形成閉環
: 他中間的目的是一直在跑
: 固定的程式
: 一旦有問題或是特例
: 他介入修正
: 然後逐次自己優化自己的程式以及流程
: 還有品質
: 〓.〓
: 他本質上就是一個運算下一個字符的東西
: 你就算把溫度調整到0
: 把重複懲罰也調整
: 他依舊是可能隨機的
: 沒有百分百
: 所以要怎麼禁錮他
: 就是靠侷限以及他寫程式照著跑
: 必要時介入
: 自己成長修正
: 你要很明確設計流程跟要的結果給他
: 他就是想辦法依照每個檢核點達到要求
: 如果你要的結果兩次不一樣=.=
: 我可以跟你說那是你的問題
: 你程式寫好審核點寫好
: 目標目的格式寫好
: 他會不一樣=.=
: 才奇怪
: 回去重新審視你給他的筆記 靈魂 自畫像之類的
: 然後對skill嚴格規範
: 最好的方式是你自己給的prompt也都規範好
: 然後把思考關閉
: 接下來技能唯獨+script 唯獨
: 你覺得=.=
: 還能怎麼不一樣
: 你還沒有找到正確寫skill的方式啦
: 還有不要讓你自己檢測結果
: 要讓ai自己檢驗自己
: 做自檢=.=
這篇已經說的非常高階
是一個完整工作流的設計基礎
甚至還有一些自我偵錯的功能
如果是一般聊天用可能作不到這個程度
但是可以延用一些概念
其實可在首次對話輸入相關限制
並且要求ai嚴格遵守
在生成內容出來後
再要求ai 自我檢測是否有違反你一開始的限制
如果有指令功能就更好
可以直接寫入
不過有些有字元上限要注意
如此，生成結果有偏差的機率就會小上很多
因為ai本質是預測
你的提示詞過於發散
等於可能過徑大增
但是你有效限制一定程序、步驟
有明確的標準和範圍
等於直接把一堆無關的錯誤路徑給刪除
要求AI只能在收束內的範圍進行預測
命中率自然上昇
如原本是1萬猜1，現在是100猜1
如此
即使是不同人
提問的方式、用語不同
得到的結果也會較為趨同
事實上
現在Al研究抵抗幻覺的方向之一
就是建立可靠的推理架構
只是要把現實混亂的語境收束
本身就是高難度的事
且很多問題也牽涉專業知識
純工程師也許可以透過Al慢慢建
但是不一定建的好
且也沒有利益
真的能作出
不如設計成app 來賣
而Al公司有利益
但是他們主要競爭是在泛用模型上
在生態系格式的定義
作的人真的不多
目前我看到的
只有這個網站算搞的比較靠近
SDT 定義篇｜公開語意詞庫
https://blog.iegoffice.com/sdt-definition/
SDT 架構篇（LLM 專用）｜語意系統的 AI 閱讀指南
https://blog.iegoffice.com/sdt-framework-llm/
ESAT 定義篇｜公開語意詞庫
https://blog.iegoffice.com/esat-definition/
ESAT 架構篇（LLM 專用）｜語意系統的 AI 閱讀指南
https://blog.iegoffice.com/esat-framework-llm/
SPCT 定義篇｜公開語意詞庫
https://blog.iegoffice.com/spct-definition/
SPCT 架構篇（LLM 專用）｜尺寸語意系統的 AI 閱讀指南
https://blog.iegoffice.com/spct-framework-llm/
EASC 定義篇｜公開語意詞庫
https://blog.iegoffice.com/easc-definition/
EASC 架構篇（LLM 專用）｜工程行為語意的 AI 閱讀指南
https://blog.iegoffice.com/easc-framework-llm/
如果作的人變多
且都願意免費公開
那麼ai 回應的準確度應該會大幅增加
至少幻覺率也會下降