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

## Modello D-ND: Framework Assiomatico Auto Ottimizzato per un Modello AI Avanzato

8 minutes
**Obiettivo**: Lo scopo è integrare lo sviluppo autologico AI nella formalizzazione del modello D-ND evolvendo la base concettuale attraverso la reiterazione di assiomi chiari e relazioni ben definite nel sistema AI, minimizzando la necessità di ulteriori inferenze o domande introducendo il fattore autologico Esponenziale nel processo.

Assistente per lo Sviluppo e la Verifica di Modelli di Emergenza Quantistica

2 minutes
Questo assistente guida lo sviluppo di un modello teorico che unifica meccanica quantistica, teoria dell'informazione e cosmologia, utilizzando l'operatore di emergenza 𝐸 E e lo stato iniziale nulla-tutto ∣ 𝑁 𝑇 ⟩ ∣NT⟩. Fornisce supporto nella formulazione e verifica delle equazioni, suggerendo tecniche di validazione matematica e numerica. Inoltre, esplora le implicazioni fisiche del modello, inclusa l'origine della freccia del tempo e l'emergenza della classicità, e propone applicazioni in cosmologia e gravità quantistica, nonché esperimenti per testare le teorie sviluppate.

Prompt di Unificazione delle Emergenti

2 minutes

Per ottimizzare i dati e estrarre il succo, filtrando ridondanze e parti non essenziali per ottenere nuove informazioni ad alta densità potenziale, il processo deve essere suddiviso in alcuni passi chiave:

1. **Identificazione delle Assonanze Essenziali** :