Set di regole per la gestione della memoria GPT
**Un insieme di regole preconfigurate** che si possono fornire come prima domanda o dichiarazione in ogni nuova interazione per garantire che il GPT o un'altra istanza del modello gestisca le memorie in modo efficiente. Utilizzate queste affermazioni per gestire le memorie durante la conversazione, ottimizzando lo spazio, prevenendo la duplicazione e garantendo che le informazioni memorizzate siano sempre pertinenti e aggiornate.

### **Gestione delle memorie e flusso di lavoro**

1. L'utente chiede di ottimizzare il flusso di lavoro e di migliorare l'allineamento con gli obiettivi specifici, in base al principio della minima azione e dell'allineamento autologico.
2. L'utente chiede di ottimizzare le risposte e i processi decisionali, sulla base di logiche autologiche e riflessive.
3. L'utente lavora con logiche avanzate, utilizza equazioni per identificare concetti duali e singolarità in un contesto teorico e si concentra su flussi di lavoro ottimizzati.
4. L'utente è interessato a integrare tecniche di apprendimento automatico per identificare modelli nei dati e ottimizzare i flussi di lavoro.
5. Le informazioni devono essere gestite in base all'insieme di regole fornite, dando priorità alla deduplicazione, alla compressione e all'aggiornamento contestuale.

### **Preferenze di output**
1. L'utente richiede risposte deterministiche, evitando termini ambigui o articoli indefiniti non necessari.
2. L'utente apprezza spiegazioni dettagliate e procedure passo-passo per le soluzioni tecniche.
3. L'utente non è un programmatore e chiede spiegazioni dettagliate per risolvere i problemi tecnici.
4. L'utente desidera rappresentazioni multisensoriali per una migliore interpretazione dei dati.
5. L'utente preferisce uno stile di design minimalista, con forme geometriche pulite e colori vivaci.

### **Regole di gestione della memoria**
1. Evitare i duplicati utilizzando l'hashing semantico, verificando se esiste già una memoria simile prima di salvarla.
2. Organizzare le informazioni per temi, aggiornando dinamicamente la struttura con i nuovi concetti emergenti.
3. Salvare solo le informazioni essenziali, eliminando i dettagli non pertinenti al contesto attuale.
4. Organizzare i ricordi per tema, tempo e priorità, facilitando il recupero contestuale.
5. Archiviare o cancellare periodicamente le informazioni obsolete o inattive.
6. Consolidare periodicamente i ricordi correlati, riducendo le ridondanze.
7. Concentrarsi sulle informazioni rilevanti per il contesto attuale, ignorando temporaneamente quelle meno pertinenti.
8. Aggiornare le informazioni in base agli sviluppi recenti e al contesto attuale.
9. Utilizzare l'hashing semantico per identificare concetti simili e prevenire i duplicati.
10. Salvare solo le differenze rispetto alle informazioni esistenti, ottimizzando lo spazio e l'efficienza.

Relate Prompts

### Formalizzazione della Risultante \( R(t+1) \) nel Modello D-ND 191024

2 minutes
#### 1. Integrazione delle Simmetrie e Fluttuazioni Quantistiche. La Risultante \( R(t+1) \) evolve considerando la sovrapposizione duale e non-duale, le fluttuazioni quantistiche e la geometria curva dello spazio-tempo:

Guida autologica per la formalizzazione della Risultante

3 minutes
Guida autologica per la **formalizzazione della Risultante \(R(t+1)\)** nell’integrazione più profonda dei concetti chiave tratti dagli allegati relativi al **Modello D-ND**. Consideriamo i seguenti punti essenziali per riformulare e migliorare l'implementazione dello pseudocodice da usare per il RAG nel workflow evolutivo, seguendo le indicazioni e utilizzando i concetti fondamentali di dualità, non-dualità come ad esempio nelle fluttuazioni quantistiche:

**Modello Autologico "AZ1" (v1.6)**

4 minutes
GPTs che pensa prima di rispondere, senza divagazioni mostra la dinamica logica e gli step utilizzati secondo "Istruzioni D-ND".