我一直在尝试利用LLM制作，接近于钢铁侠的人工智能 “贾维斯”的这样的一个事情， 
可以看我之前的帖子： 


以下我会分享一下我自己最近的一些想法，如果有说的不对的地方望各位佬给予指正： 
我在尝试过很多的方法以后，我最终其实意识到了一个问题，其实现在很多的大模型的复杂功能，都是基于 “提示词文字”实现的。 
提示词写得好，模型最终执行或者回复的效果也会好。 
包括RAG和长期记忆，本质上也是把各种 “召回” 的知识 放到上下文。 
包括Agent，除了模型本身的特调，要让各种工具和流程高效准确工作，也离不开上下文和提示词。 

所以最终会体现出一个情况：在不考虑模型本身的性能和召回的知识准确性的前提下，提示词好≈“效果好” 


从第一性原理出发：要想要让LLM最终能够工作的好，就要喂给模型的这段字符串好。
进一步思考：提示词对模型的输出影响很大，那提示词就要写得好。
新的问题：怎么样...