自指迭代，产生复杂——一个开源的AI思考工具尝试

如何将一个简单的，概率预测下一个词模式的大语言模型转变为真正的，能提供创新的复杂系统？

唯有迭代，自指的、有约束关系的迭代。

基于混沌理论，我们知道，自指迭代会产生混沌，如果引入合适的约束，其中的内在就会浮现——吸引子。

AI是否能够针对某一个内容进行真正深入的探索？自指迭代意味着需要将他输入的内容再次给予AI，鉴于不同大语言模型的训练机理不同，通过多个模型之间的互相约束，会有更好的效果。

从逻辑来说，相当于若干个客观的，行业专家，能够从不同的专业角度给出不同的意见，而且每个人都能够认真倾听他人的意见，并且不带偏见的给出自己的意见。

基于这个思路，我开发了以下这个软件进行了测试（可以github搜索DelphiShenSX/MulitChat ）

软件的逻辑很简单：

1、多个大语言模型，轮流发言，发言的内容（prompt）则是基于以前所有发言的大模型的内容的汇总

2、不同大语言模型可以有不同的“人设”，这里我们采用“成熟方法论”作为边界约束和思考

3、Vibecoding开发，后端是Python、前端直接浏览器

可配置项有几个

1）用户的话题，即“牵引主题”，意味着发起了一个话题，里面可以随意描述一段你的想法

2）模型人设，我们可以连接不同大语言模型给他们不同人设，也可以连接同一个大模型，但给予不同人设。

3）人设可以写：“你是一个思维灵活的独立思考人，擅长使用第一性原理方法论进行思考”。其中的方法论，可以用任何你觉得合适的方法论名称来替代，甚至也可以写·多个方法论，人设越清晰，边界越清晰。

4）追问。可能我们发现多轮以后对话开始有所偏离主题，我们可以通过追问方式补充内容，参与讨论。这部分文字会在记录中显示为：”用户补充：XXXX“

5）中断条件。我们可以设置多种中断条件，例如，每个AI发言一轮，我们设定五轮对话后自动结束，或者1小时后自动结束，或者总的Token消耗量达到多少就自动结束。

6）总结，当我们觉得已经充分讨论，可以按下总结按钮，将所有讨论内容进行总结。

7）导出，将所有讨论内容（包括总结）导出成md格式文件。

测试表明，当牵引主题的内容比较明确（哪怕是发散性讨论的主题），多轮（5轮及以上）的时候，会得到一份高质量的结果。

本质上，通过自指迭代，大模型的幻觉会被放大，但是不同大模型之间又能相互约束，方法论则引导了大语言模型的思考模式，在多轮迭代中，幻觉增强了方案的完整性，约束则限制了无关逻辑，最终获得良好的输出。

在大部分的Chat类对话中，我们几乎不会触及大语言模型的上下文边界，通过迭代式的对话，我们可以更好的利用大语言模型的上下文空间。

附件是讨论结果的效果案例