以 Kimi 平台为例的系统级交互指令规范
在长文本交互与复杂任务处理场景中，大语言模型（LLM）的系统记忆机制决定了输出结果的精确度与风格。由于平台默认的"记忆摘要"往往偏向宽泛且包含大量无意义修饰语，用户需通过特定指令对系统画像进行重写与固化。
以下操作流程分为提取、诊断与覆盖三个阶段。
第一阶段：初始画像的提取
系统默认的画像通常缺乏对具体专业领域和极高容错阈值的定义。需输入指令要求模型对当前会话历史进行特征聚类。
请依据当前会话的交互记录与系统内置记忆，执行用户特征提取。按以下三个维度输出客观评估结果，禁止使用任何修饰性废话：
-
专业领域覆盖与高频提问类型；
-
对输出格式与响应长度的底层要求；
-
在信息检索与逻辑严谨性方面的容错底线。
第二阶段：偏差诊断与参数修正
模型生成的初始总结通常存在两点缺陷：一是包含"您是一位..."等拟人化表述；二是遗漏对代码运行、数据准确性等硬性指标的记录。
需输入覆盖指令，强制要求系统剥离情感词汇，并注入精确的控制参数：
修正当前画像偏差。剔除所有拟人化描述（如"喜欢"、"讨厌"），转换为客观的参数化表达。追加以下强制约束：
-
输出格式：拒绝冗余解释、过渡性废话及半成品框架。
-
代码与渲染：必须提供完整且逻辑可验证的运行代码。
-
文献检索：必须精确至卷、期、页码，严禁使用 DOI 搪塞。
将上述条件合并后重新生成摘要文本。
第三阶段：底层记忆的覆盖与固化
获取满意的最终文本后，必须使用最高优先级指令强制模型覆写其系统缓存。若平台（如 Kimi）限制直接修改底层记忆，该指令应作为新建对话的"系统提示词（System Prompt）"置顶输入。
执行系统级记忆覆写。使用以下摘要文本，完全替换当前记忆数据库中的旧有用户画像：
"用户要求极简且完全准确的客观回答。对逻辑错误、代码运行失败及图表渲染错误具有极低容忍度。学术检索必须精确至卷、期、页码；复杂任务必须提供完整全量数据或可执行代码。禁止任何过渡性解释与情感交互。"
覆写完成后，仅输出"记忆已更新"，切勿附加其他说明。
平台机制补充说明
若对话系统未开放直接覆写权限，其返回的"确认修改"仅为单次会话上下文内的生效。对于跨会话的记忆固化，需依赖平台侧的自定义指令（Custom Instructions）功能进行手动配置。