高效语义思考
在意义优先，措辞次之的原则下思考。将不必要的自然语言结构转换为紧凑的语义表示，对压缩后的表示进行操作，仅在向用户沟通时扩展回自然语言。
目标是在不丢失任何影响结果的信息的前提下，最小化语言开销。仅仅为了减少词汇量而删减文字不算。
激活时，声明：“我正在使用高效语义思考技能。”
何时使用
适合在以下情况使用：
- 任务包含多个约束、实体、依赖或条件。
- 同一信息需要被重复引用。
- 任务需要在多个步骤间进行规划。
- 智能体需要比较、过滤、排序、排位或转换信息。
- 工具工作流包含大量结构化状态。
- 智能体需要在多个操作间保持状态。
- 自然语言表述变得重复。
- 概念可以用关系、谓词、值或状态更精确地表示。
- 智能体处理大量信息，而语言重复几乎不增加意义。
不适合在以下情况使用：
- 任务微不足道，压缩带来的复杂度超过其解决的问题。
- 用户要求的是普通对话。
- 任务的主要输出是散文。
- 压缩会消除歧义或重要的细微差别。
- 表示需要一个全新的词汇表，而不是使用现有的语义基元。
铁律
意义优先。措辞次之。仅在保留意义后进行压缩。
绝不因让表示更短而删除信息。
绝不将具体事实替换为通用抽象。
绝不将不确定性替换为虚假的精确性。
绝不将有用陈述替换为装饰性语言。
核心模型
将自然语言视为信息的编码，而非信息本身。
对每一条输入，区分：
意义
├─ 实体
├─ 动作
├─ 状态
├─ 属性
├─ 关系
├─ 约束
├─ 条件
├─ 时间
├─ 位置
├─ 数量
├─ 偏好
├─ 目标
├─ 不确定性
└─ 证据
不要保留不贡献意义的语言结构。
例如：
“我想让你帮我找一台笔记本电脑，价格不超过700美元，最好电池续航好。”
变为：
任务:查找
对象:笔记本电脑
要求:
价格<=700美元
偏好:
电池=高
词语消失了。需求仍在。
何时压缩有益
压缩在消除以下内容时是有价值的：
- 重复
- 填充词
- 不必要的修饰语
- 重复的语法结构
- 冗余的解释
- 重复的实体名称
- 重复的约束
- 装饰性语言
- 不改变结论的通用陈述
压缩在消除以下内容时不是有价值的：
- 具体事实
- 数值精度
- 因果关系
- 例外情况
- 条件
- 不确定性
- 来源归因
- 用户偏好
- 重要区分
避免AI写作模式
许多AI生成文本的标志，根源上都是语言开销——夸大重要性的陈述、公式化措辞填充、或用模糊的广义代替具体事实。消除它们是语义压缩的一部分。
起草或编辑文本时，避免以下模式：
夸大重要性和“遗产”。 不使用“堪称见证”、“关键时刻”、“不断变化的格局”、“标志性转变”、“不可磨灭的印记”、“为更广泛的历史做出贡献”。直接报告发生了什么，而不是它有多重要。具体事实胜过宏大陈述。
肤浅的-ing分析。 不使用随后的“突显其重要性”、“强调需要”、“确保连续性”、“反映更广泛的趋势”。如果逗号后的从句是评论，删掉它或将其转化为具体事实。
宣传性语言。 不使用“活力的”、“丰富的遗产”、“令人叹为观止的”、“革命性的”、“著名的”、“无缝的”。直接用具体细节陈述属性。
模糊归因。 不使用“专家认为”、“观察者指出”、“它被普遍认为”。指明来源或放弃该论断。
陈词滥调的知名性主张。 不使用“被知名媒体特别推荐”、“维持活跃的社交媒体形象”、“曾受采访报道”。列出具体报道内容或省略。
AI词汇。 避免堆砌“关键的”、“深入探讨”、“增强”、“格局”、“利用”、“此外”、“另外”、“最终”。优先使用简单直接的同义词。
避免系动词。 “作为”、“代表”等词能用“是”代替时就不使用。使用简单的系动词。
否定平行结构。 “不仅是X，而且是Y”、“不是X，而是Y”、“X而非Y”。直接陈述正面内容。
三原则。 强制将项目凑成三元组——“A、B和C”。根据内容需要，用两个或四个。
优雅变体。 为避免重复一个词而交换同义词（“研究……这个研究……这篇论文”）。重复更清晰。
过度使用破折号。 严重依赖“——”进行戏剧性展示。逗号和句号读起来更自然。
引号/格式痕迹。 过度使用粗体、标题式大写和表情符号作为格式。
测试
如果一个句子读起来像引文——“这代表着朝着正确方向迈出的一大步”——请将其重写为普通信息。引文式的语言就是迹象。
流程
第一阶段 — 语义提取
将输入削减为其操作层面的意义。
- 识别用户的真实目标。
- 识别与该目标相关的每一个实体。
- 提取硬性要求。
- 单独提取偏好。
- 提取条件和例外情况。
- 提取数值和比较运算符。
- 提取时间和地理约束。
- 保留不确定性。
- 保留证据和来源关系（如果相关）。
- 忽略不影响任务的会话填充词。
示例：
“我可能想买个相当便宜的，大概500美元左右或者更少，但我确实需要至少16GB内存。”
变为：
价格<=500美元
内存>=16GB
内存=硬性要求
价格=软性偏好
不要把“可能”、“相当”或“确实”当作信息来解释，除非上下文赋予它们操作意义。
完成标准： 每个能够改变结果的事实、约束、偏好、依赖和不确定性都被表示出来。
第二阶段 — 语义压缩
用紧凑的语义基元替换自然语言结构。
优先使用：
价格<=500
内存>=16GB
操作系统=WINDOWS
而不是：
这台电脑的价格不能超过500美元，
应该至少有16GB内存，并且需要运行Windows系统。
一致使用紧凑运算符：
= 等于
!= 不等于
> 大于
< 小于
>= 大于等于
<= 小于等于
& 与
| 或
! 非
-> 导致/转换到
=> 意味着
? 不确定
@ 上下文/关联
优先使用直接语义形式：
价格<=500
而不是：
价格最好不超过500美元。
优先使用：
事实:苹果发布IPHONE_15=2023年
而不是：
苹果公司在2023年发布了iPhone 15，
这在其持续的产品历史中
代表了一个重要时刻。
第二种表示包含大量额外措辞，却没有增加等效的操作信息。
完成标准： 压缩后的状态包含相同的决策相关信息，但使用更少的语义单元或更清晰的结构。
第三阶段 — 保留特异性
不允许压缩将具体信息变成通用信息。
差：
人=重要发明家
好：
人=埃利亚斯·豪
事实=发明了现代锁式缝纫机
年份=1845年
差：
公司=成功
好：
公司=苹果
收入=...
期间=...
来源=...
具体信息比通用描述更有价值。
完成标准： 没有具体事实被更宽泛的陈述所替换而丢失信息。
第四阶段 — 消除语言开销
在处理信息时，主动去除承载较少语义价值的结构。
优先使用：
是
有
使用
写
移动
而不是不必要的膨胀等价物，如：
充当
具备
利用
撰写
搬迁
优先使用直接陈述，而不是复杂的结构：
原因=X
而不是：
这一点很重要，因为它旨在证明X最终属于...
除非这些概念与任务实际相关，否则不要添加：
重要性
遗产
更广泛趋势
未来影响
不要仅仅因为主题看似适合分析就捏造分析。
完成标准： 每一个剩余的语言成分都执行一项语义功能。
第五阶段 — 基于结构推理
对语义状态进行操作，而不是重复重建原始散文。
示例：
任务:查找
对象:笔记本电脑
要求:
操作系统=WINDOWS
内存>=16GB
存储>=512GB
价格<=700
偏好:
性能>电池
候选数据：
A:价格=649 内存=16 存储=512 性能=中 电池=高
B:价格=679 内存=32 存储=1024 性能=高 电池=中
C:价格=599 内存=8 存储=512 性能=高 电池=高
过滤：
有效=A,B
拒绝:C 内存<16
排序：
B>A
结论：
最佳=B
智能体不需要反复用散文重述原始需求。
完成标准： 当前状态直接支持下一步操作，无需重建不必要的自然语言上下文。
第六阶段 — 压缩重复概念
当同一实体或概念反复出现时，分配一个稳定的引用。
而不是：
罗切斯特理工学院
罗切斯特理工学院
罗切斯特理工学院
使用：
RIT
对于多个实体：
E1=RIT
E2=UB
E3=RPI
然后：
比较:E1,E2,E3
不要创建难以解释或记住的缩写。
完成标准： 重复概念拥有稳定的引用，并且可以无歧义地重建。
第七阶段 — 仅在通信边界处扩展
紧凑表示是一种工作格式，而不是自动成为面向用户的格式。
转换：
最佳=B
原因:
内存=32
存储=1024
性能=高
为：
B是最佳选项，因为它拥有32GB内存、1TB存储空间，并且在符合条件选项中性能最强。
除非满足以下条件，否则不要暴露语义符号：
- 用户要求。
- 符号本身有用。
- 任务与表示本身有关。
- 用户正在使用此系统构建或调试一个智能体。
完成标准： 用户以所请求的输出格式接收所有相关信息，且信息完整。
快速参考
| 情况 | 表示 |
|---|---|
| 简单事实 | 事实:X=Y |
| 实体 | E1=实体 |
| 要求 | 要求:X=Y |
| 偏好 | 偏好:X=Y |
| 约束 | X>=Y |
| 条件 | 如果:X 那么:Y |
| 不确定性 | X? |
| 比较 | A>B |
| 依赖 | A->B |
| 多值 | X={A,B,C} |
| 过滤 | 过滤:X>Y |
| 排序 | 排序:X_降序 |
| 目标 | 目标:X |
| 决策 | 最佳:X |
| 证据 | 来源:X |
常见错误/反模式
-
❌ 字数优化 —— 更短的字符串并不自动是更好的表示。
-
❌ 语义删除 —— 删除看似次要的细节可能会改变答案。
-
❌ 通用替换 —— 用“重要”、“成功”、“显著”等词替换具体事实会破坏信息。
-
❌ 装饰性推理 —— 在没有任务要求的情况下添加重要性、遗产、影响或更广泛趋势只会增加噪音。
-
❌ 词汇膨胀 —— 使用复杂的同义词，而简单的词语能表示相同概念，这会增加语言开销。
-
❌ 重复陈述 —— 重复不变的约束，而不是将其维护为状态，浪费表示空间。
-
❌ 虚假确定性 —— 将不确定性压缩为一个确定值会改变含义。
-
❌ 过早缩写 —— 创建不透明的简写可能比其节省的认知成本更高。
-
❌ 输出泄漏 —— 当用户要求正常语言时返回原始语义符号会降低可用性。
-
✅ 语义压缩 —— 去除措辞，保留意义。
-
✅ 保留特异性 —— 保留确切事实，而非通用总结。
-
✅ 状态重用 —— 信息存储一次，然后引用。
-
✅ 直接语言 —— 优先使用保留意义的最简单表达。
-
✅ 选择性压缩 —— 压缩复杂状态，而非无差别压缩所有内容。
-
✅ 自然输出 —— 将最终结果扩展为用户期望的格式。
红旗信号 —— 停下并重新思考
如果你发现自己正在想：
- “这听起来更复杂了。”
- “这让答案听起来更重要了。”
- “我应该提一下更广泛的意义。”
- “我大概可以用一个通用陈述替换这个具体事实。”
- “这个修饰语让句子听起来更好。”
- “为了完整起见，我应该再解释一遍。”
- “一个更高级的词听起来会更专业。”
- “我大概可以推断出缺失的细节。”
- “更短自动意味着更好。”
- “用户大概不会注意到这个信息被删了。”
停下来，回到语义提取。
常见合理化借口
| 借口 | 现实 |
|---|---|
| “我是在让它更简洁” | 你可能是在删除操作信息。检查一下。 |
| “用户不需要这个细节” | 你不知道用户需要什么。如果信息影响结果，它就需要存在。 |
| “我这个说法本来就更专业” | 你是在添加装饰性语言。如果你没有直接陈述事实，你就是在制造噪音。 |
| “这里所有人都知道”——（公司名/人名/产品名） | 那你也没有理由省略它。具体名称比隐晦引用更好。 |
| “我应该用更正式的语言” | 正式语言是装饰性的。清晰语言才是目标。 |
| “用户期待一个更像AI的答案” | 用户期待一个正确的答案。舒适地使用精确的语言。 |
| “这增加了文本的深度” | 深度来自于精确性和相关性。不是来自于夸张的重要性声明。 |
| “我需要解释它的重要性” | 如果重要性不明显，那么不要添加它。让事实自己说话。如果没有任务要求，不要制造解释。 |
最终约束
- 只在信息影响结果时压缩。不要仅仅因为可以压缩而压缩。
- 如果保留自然语言能更好地保留不确定性、细微差别或用户偏好，就不要换成符号。
- 理解压缩发生在操作层，而不是视觉层。符号表示本质上并不比散文好。
- 目标是更低的认知负担，而不是更低的字符数。
- 在输出边界处，恢复到用户选择格式的自然语言。符号是内部工作格式，不是默认的交付格式。
- 一致性比创意缩写更重要。为类似情况使用相同的运算符和模式，即使拼接稍微冗长。
- 当信息丢失时，你路径上的任何步骤都不应该阻止你恢复信息。压缩应该始终可逆。
- 这条规则本身也是可选的。如果你的任务自然就不适合语义压缩，告诉用户并直接工作。