最近在使用chatGPT的时候有一种感觉，他现在在回答中明显加强了引导的能力和输出比例。
这看起来就像是一种"自我迭代"，用起来在解决大型问题的时候如果方向正确，会有一种完全自动化的感觉（虽然现在已经有很多的agent体系在慢慢涌入市场，但是终归还不是很完善，所以看到chatGPT的这种优化还是很让人欣喜的）
但是，虽然看起来是"自我迭代的模式"，但是我们都清晰的指导这是不可能的，至少在现在还没有实现的苗头。所以I do some research to find out。总结出来这么几个对我有帮助的key word：
- vague intention：这种引导实际上是LLM通过将我们的模糊的需求离散化的一个过程的表现。我们在现实中总会有这种感觉，大概知道自己想要什么，但是说不太清楚，说不太具体。现在的chatGPT在这方面有所加强，会帮助我们更好的理解自己的intention，也就能更好的更准确的break down我们的task，这样我么就会感觉在完成任务上更加的得心应手了。
- steer the conversation：以前是你一直在「开车」，现在模型也会帮你「打方向盘」。
- reduce friction：减少阻力，减少prompt时间
虽然我的第一感受是利好的一个改变，但同时我在使用中也发现了一些问题。如果一开始ai的方向不是你想要的方向，你需要画很长的时间去训练他改变轨迹，甚至必须重新来过。这是所有固定化或者是走向固定化schema的一个通病，我觉得我们作为使用者，需要学习利用这个模式，让我们的使用更加高效。同时作为开发者，我们同时应该关注如何优化这个问题，到底是应该从根本上寻找真正inteligent的的模型还是说不断地加一些module去帮助优化呢？