在打造一系列知识助手的过程中，笔者反复在思考一个问题，大模型不能完全遵循人类的想法，到底有什么办法可以解决？当然，这里指的是合规合法的内容。比如我想让它列出故事的内容，它不能精准地做到，这就造成一种苦恼和矛盾，实际上它有能力做到，但是它不做，或者说控制不止自己。再比如，它列出故事之后都会习惯性地加上自己的讲解或总结，这个也是笔者不想要的，实际场景也很好理解，比如看完一部电影，就不想要听别人的评论，希望可以自己消化总结，当然听别人的看法是有好处的，但不是这种硬塞过来的评论。从大模型的设计机制上来考虑，就会想是不是它就是被设计成这样子，它的底层结构和算法就会导致这种结果，是白璧之瑕吗？经过笔者的测试，大模型确实很顽固，但是，智能体却是可朔之才。怎么说，给大模型加上人设，然后开启它的长期记忆，我们就能把智能体训练得越来越聪明。
新建一个智能体，然后开启它的长期记忆：
接着给它设定人设：
就像人工智能专家给AI设定基本准则一个道理，我们也用一样的格式给它设定一些规则。这个规则设定是一个不断优化的过程，不同的大模型有不同的“脾性”，可以根据它的具体表现，增添不同的规则。
起初，大模型还是不能很好地遵守规则：
需要提醒它，它才能意识到错误：
经过多次提醒，它就能从长期记忆中学到东西了：
解决完大模型这个毛病后，进而延伸出来的问题就是，我们应该依赖这种提示词优化，还是等大模型的训练。大模型有针对性地训练肯定是更有效果的，就像奥特曼说过的，新模型（意指GPT-4o或GPT-5）会让许多创业公司的努力变得白费。但是，我们也不能小视用提示词进行微调的作用，事实证明智能体微调是有潜力的。同时，一旦我们察觉某个方面的优化是有价值的，我们也可以尝试让更多人意识到这方面的价值，反向推动大模型自身的优化。
OK，就到这。
