tokenbender 分享实操技巧:让模型写「双叙述」检查长任务是否跑偏
tokenbender · x · 2026-09-06
针对长 agent 会话中「读 LLM 输出越读越想 skim、留不下记忆」的普遍困扰(引用者形容像观察 SCP-055,生成文本自我封闭难以入脑),tokenbender 分享了一个实操技巧:
直接让模型输出两段散文式叙述——我们在做什么(what we were doing)、我们想要什么(what we wanted)、当前状态是什么(current status)——以此快速判断任务是否偏离轨道。
他提醒:要用好这个方法,前提是你自己对任务本身有足够理解,才能从叙述中察觉异常。这是对 LLM 长任务自我校验的非显然用法。
「编程与Agent」频道最新
- 作者公开完整 AGENT.md:为编码智能体定制沟通与执行规则 — alexcovo_eth · 2026-09-06
- 开发者拟做自我修复 Agent 框架：轨迹评估循环生成技能 — EnchantedHawk · 2026-09-06
- Polygres 把 Postgres 变成 AI agent 的混合检索上下文层 — Scobleizer · 2026-09-06
- 博主：不会用 AI 自动化工作流的开发者该警醒了 — paul_cal · 2026-09-06
- Ambr 发布:为 AI 智能体引入双格式、SHA-256 绑定的李嘉图合约 — modelcontextprotocol · 2026-09-06
- grounded-mcp 上线:自然语言查询 npm/PyPI 版本与云服务状态 — modelcontextprotocol · 2026-09-06