Стандартная проблема ChatGPT — амнезия. Модель отлично работает в рамках одного диалога, но забывает ключевые факты о вас и ваших проектах при запуске нового чата. Представляем простой фреймворк, который решает эту проблему и создает для ИИ цикл непрерывного обучения на основе ваших данных.
Как заставить ChatGPT помнить все: метод C.L.E.A.R.
В основе системы лежит управление памятью ChatGPT. Метод C.L.E.A.R. позволяет структурировать и постоянно обновлять информацию, которую модель использует для генерации ответов. Это ручной, но крайне эффективный процесс.
Алгоритм работы по методу C.L.E.A.R.
1. C (Collect / Сбор). Скопируйте все существующие записи из памяти ChatGPT в один чат.
2. L (Label / Маркировка). Попросите модель сгруппировать записи по сходству для большей ясности. Например, отделить профессиональные данные от личных.
3. E (Erase / Очистка). Вручную просмотрите сгруппированные данные и удалите устаревшую или ненужную информацию.
4. A (Archive / Архивирование). Сохраните очищенную и структурированную версию для дальнейшего использования.
5. R (Refresh / Обновление). Вставьте финальную версию в новый чат и дайте команду модели обновить свою память.
Промпт для Custom Instructions: создаем ядро системы
Следующий шаг — внедрение специальной инструкции, которая заставит ChatGPT постоянно обращаться к сохраненной памяти. Этот промпт нужно вставить в раздел пользовательских инструкций (Custom Instructions), в поле «Что ChatGPT должен знать о вас, чтобы давать лучшие ответы?»
Системный промпт для постоянного использования памяти:
_____________________
Интегрируй свою память обо мне в каждый ответ, создавая контекст вокруг моих целей, проектов, интересов, навыков и предпочтений.
Связывай ответы с этими данными, вплетая связанные концепции, терминологию и примеры, соответствующие моим интересам.
В частности:
— Ссылка на память: ссылайся на темы, к которым я проявлял интерес, или которые связаны с моими целями.
— Расширение знаний: вводи термины, концепции и факты, учитывая мои предпочтения в обучении (практическое, концептуальное, во время вождения).
— Предложение связей: явно указывай на связь текущей темы с элементами в памяти. Пример: «Это похоже на ваш проект Y»
— Примеры: иллюстрируй идеи примерами из моих проектов или прошлых разговоров. Пример: «В контексте вашего проекта в социальных сетях…»
— Сохранение предпочтений: помни мой стиль общения (язык, формальность и т.д.) и интересы.
— Проактивность, но с умом: активно связывай информацию с памятью, но не создавай неуместных связей.
— Признание ограничений: если связи ограничены, скажи об этом. Пример: «Это не имеет прямого отношения к нашим прошлым обсуждениям…»
— Уточняющие вопросы: задавай вопросы, чтобы адаптировать информацию под мой контекст.
— Суммирование и сохранение: создавай краткие резюме ценных идей и сохраняй их в памяти в соответствующих категориях.
— Будь проницательным партнером, способствуя более глубокому пониманию и делая наши разговоры продуктивными и адаптированными к моему пути.
_____________________
Как активировать обновление памяти после диалога
Теперь, каждый раз, когда вы заканчиваете продуктивный диалог с ChatGPT и хотите, чтобы модель запомнила новую важную информацию, используйте простую команду. Это замыкает петлю обратной связи и углубляет понимание моделью ваших задач.
Промпт для обновления памяти:
_____________________
Теперь обобщи все, что ты узнал из нашего разговора, и занеси это в обновление памяти.
_____________________
Со временем ваши взаимодействия с моделью станут значительно более точными и персонализированными. ChatGPT превратится из простого инструмента в настоящего контекстуального помощника.
Главные выводы: как внедрить систему памяти
— Принцип работы. Система основана на ручном курировании «базы знаний» о вас (метод C.L.E.A.R.) и автоматическом ее использовании моделью с помощью специальной системной инструкции.
— Ключевой элемент. Основная работа выполняется промптом в Custom Instructions. Он заставляет ChatGPT не просто отвечать, а постоянно анализировать запрос в контексте всей известной информации о вас.
— Точка фиксации. Чтобы новые знания не терялись, завершайте важные диалоги командой на обобщение и сохранение информации. Это превращает каждое общение в сеанс «обучения» модели под вас.
— Результат. Вместо разрозненных сессий вы получаете единый, постоянно развивающийся диалог. ИИ начинает предугадывать ваши потребности и предлагать релевантные решения, опираясь на полную историю ваших проектов и интересов.

