（来源：上观新闻）
问题在于，我们雇🧼佣了一🇬🇾🇬🇳批来自 He🇲🇼👨💼wlett-Pa🛂ckard 🏋️♀️➖的人🇲🇹。第二点更多✨是工程实现层💆面🖥🇬🇧。差距在哪😔🛃？现在还没🧘♂️人能说清楚🇽🇰😻。AI 这✋条主线🛹眼下没🇧🇳有出现结束的证☠据，热度和资⚾金都还📐在🇮🇳🐦。亚马逊美股盘前🥵涨近2🏭%🔣🎫。在我们采🏬访时，Steve👩👩👧👧 正在经营他👩⚖️🇲🇻在离开 🎿Appl👦🔩e 后👦💔创立的利基🇷🇺计算机公司 👔NeX🏵T👨👨👦📮。在 A👨🚀🏳️🌈nthropic🗄 内部，关于我当💁♂️📄时想解决🔳🥐的核心问题——💰🚞“如何让🙀 Claude🎂 Code 🇹🇦的能力🏗🥰更容易在非编程场🍌景比如更广义的知🦆🇳🇿识工作中使用”，🇻🇺💙其实已经有很🐀多非常聪明🥅🇵🇫的人思考了🚵🔪很久🐤🇭🇹。
他大约比我大五👉岁🕠👾。需要注意的是🏴，这86%🇦🇮🇲🇫并不意😩🇸🇹味着模型🇲🇸在大多数日常⁉问答中都会🏆产生幻觉🐗，而是🌔其在触及知识盲区🥁🚾时的特定行为倾向🦅🔷。我们在 Ap🐱ple 设计了第🇨🇽⏱一款激光打印机🕎➰控制器🌡。最终结❓果从来不会和最初🇱🇾👨👦👦设想的一样，🎆因为当你深入到细🇹🇩🌘节时，你会🏺学到更多🏗。具体做法分四个▪阶段：首先👚，把零散🌙🌑的情节性记忆（e♻🇵🇰piso🔷dic，具👜🧵体的事📲📇件）通过聚类🧖♂️🔇提炼成语义模式（🇬🇧🇲🇵seman🇲🇫🚹tic，通🏣🇲🇨用规律）👩⚕️🎼；其次👨👧👦，对每个🉑语义模式计算置信🧫〰度（要求至🇳🇴💼少5条证📀🚯据支撑🧙♂️🏗，且置信度🆎公式考虑证据🦟🔮量和偏离均值的程😁🧡度），🎮只保留置信度≥0🇹🇰.7的🔈模式；然后🇲🇼，基于🙁这些结构化模式，🥵🤫用模板🥘生成自然语🌔👞言"软提示"🖲（sof📋t p0️⃣rompt💕📬s），无需调用⚱1️⃣任何LLM，零额🏹外计算成本；最后👻♒，在每次新🏚对话开始时🗨🇦🇼，把这些软3️⃣🈷提示自🦐⭕动注入到系统🌫上下文里🚴♀️（上限1500个🚖词元）▶，让AI的行👰为在不🇧🇫⛈知不觉🦙中被过去的🅰经验塑造🧗♂️。
