Ref
识别信号 — 什么问题用什么模式
快速查阅表
| 你遇到的问题 | 对应模式 | 具体怎么做 |
|---|---|---|
| Prompt 反复调整，质量卡在某个分数上不去，小改动没有效果 | 模拟退火 | 把 temperature 调到 0.8+，彻底换一种 prompt 结构（如从步骤式改成示例式），接受前几次变差——局部最优必须靠"退步"才能跳出去 |
| Multi-agent 并行跑，但不同 agent 输出互相矛盾，合并结果一团糟 | 傅里叶分解 | 逐个隔离 agent 单独测试，找出哪两个任务共享了同一个隐性状态（context/memory/工具调用顺序）——冲突根源在耦合，不在模型 |
| 加了新 agent、新规则或更长 context 之后，整体质量突然下降 | 相变 | 逐一撤销最近加入的组件，定位质量突变的那个临界点；系统复杂度有阈值，越过后行为模式会整体改变 |
| Agent 输出质量忽好忽坏，没有规律，不知道从哪里下手 | PID 控制 | 分清三类误差：当次输出偏差（P → 改 prompt 措辞）、历史累积偏移（I → 清 context/memory 重置基线）、输出抖动（D → 加格式约束锁定结构）；对症各自处理 |
| System prompt 写了很多指令，但模型还是经常偏离，越加越乱 | 奇异吸引子 | 把正向指令（"你应该做 X"）换成边界约束（"绝对不要做 Y"）；吸引子靠排斥力定义，而不是靠正向引力——负约束比正约束更稳定 |
| 同一个 prompt 多次运行，输出差异很大，结果不可预期 | 香农熵 | 对每个模糊点各加一个 few-shot example 或明确约束，直到同一 prompt 连续 10 次输出格式一致为止；高熵=歧义多，消歧义是唯一解法 |
| 团队讨论 agent 配置时，陷入"又要快、又要好、又要便宜"的死循环 | 帕累托前沿 | 先写下三个指标的相对权重（如速度 5 / 成本 2 / 质量 3），用权重排方案优先级；不存在全部最优——决策前必须先定取舍 |