长对话后大模型如何不忘记前面提示词的要求？

在长对话中，大模型如 Codex 会压缩上下文以保持对话的流畅性，但这可能导致模型忘记前面提示词的要求。为了改善这种情况，可以采取以下策略：

1. 重复关键信息：在对话中定期重复或强调关键信息，帮助模型记住重要的提示词要求。
2. 使用明确的指令：在对话开始时，给出清晰的指令或目标，并在对话中适时提醒，确保模型始终聚焦于任务。
3. 分段对话：如果可能，将长对话分成多个较短的部分，每部分专注于一个特定的任务或主题，减少模型需要记忆的信息量。
4. 利用结构化提示：使用结构化的提示词，如列表、编号或标题，帮助模型更好地组织和记忆信息。
5. 反馈机制：在对话中引入反馈机制，当模型的行为偏离预期时，及时纠正并重申要求。
6. 上下文总结：在对话的关键节点，对前面的内容进行总结，帮助模型回顾和记住之前的提示词。

通过这些方法，可以有效减少模型在长对话中忘记前面提示词要求的情况，提高对话的连贯性和效率。