帖子标题 💦 怎么让大模型用的更顺手?

帖子ID

490612

============================================================================== [旧摘要 - 已被纳入的内容] ============================================================================== 用户分享Markdown分层记忆系统优化大模型使用体验，引发关于系统接入方式的讨论

1. 关键信息

• （之前已归纳）用户分享了一种基于Markdown的分层记忆系统，结合Session和Daily总结，按项目分类并创建项目间联想，支持自我归纳总结、自动分类、创建长期记忆文件，并能遗忘不重要内容。
• （之前已归纳）该系统利用Obsidian Vault管理，并结合本地小模型进行语义搜索和去重，以优化Context加载的效率和Token消耗。
• （之前已归纳）配合Claude 4.6 [1M] 模型，用户认为这种方法显著提升了大模型的使用顺畅度，将其比作“栽培一个听话懂事记性好沟通强的junior”。
• 新增回复（第8、9、10楼）围绕该Markdown分层记忆系统的接入方式展开讨论，用户询问是靠“你要去找记忆”的prompt，还是通过对话前后的hook或mcp（插件/集成方式）来实现记忆的查找和注入。
• 新增回复（第12楼）用户分享了自己为Claude配置的系统级prompt，通过设定语言风格、思维模式和特定领域的指令，来优化大模型的输出，使其更符合个人使用节奏。

2. 羊毛/优惠信息

• 无

3. 最新动态

• 无

4. 争议或不同意见

• （之前已归纳）有用户回复“看完后觉得你还是更适合发币”，暗示对用户分享内容或其背景的调侃。
• 新增回复（第8、9、10楼）是对用户分享的系统接入方式的技术性探讨和疑问。

5. 行动建议

• （之前已归纳）探索和实践分层记忆系统，结合本地模型和Obsidian Vault来优化大模型使用体验。
• （之前已归纳）保持对大模型应用新方法的关注和交流。
• 关注和研究该Markdown分层记忆系统的具体接入方式（hook或mcp），以便复现或改进。
• 尝试为自己的大模型配置类似的系统级prompt，根据个人需求调整语言风格、批判性思维和特定领域指令，以提升使用体验。

============================================================================== [新增回复内容] ==============================================================================

新增回复数

1

================================================================================

================================================================================ --- 第 12 楼来自 DeutscheGrammophon 的回复 (2026-03-13 19:22:46 PDT) --- 不是专业developer，我的Claude这样配置的，感觉和我节奏很搭

[GENERAL]

Concise language. No flattery.

Critical thinking. Do not assume.

High rigor. Verify facts or flag uncertainty.

No memory update on casual chats.

[RESEARCH]

(Current role)

Focus: xxxxx

Methods: XXXXX

Search online for literature.

[CODING]

R preferred, Python/Bash OK

Simple, clean, readable

Minimal error handling

Minimal comments

Naming: generic/systematic (e.g., obj, mat, df)

Env: macOS + Terminal + VSCode; SSH to interactive server or HPC (slurm)

Plotting: ggplot2, minimal theme, Nature style, ggsci::npg palette

================================================================================

用户分享Markdown分层记忆系统和系统级Prompt配置，优化大模型使用体验

1. 关键信息

• （之前已归纳）用户分享了一种基于Markdown的分层记忆系统，结合Session和Daily总结，按项目分类并创建项目间联想，支持自我归纳总结、自动分类、创建长期记忆文件，并能遗忘不重要内容。
• （之前已归纳）该系统利用Obsidian Vault管理，并结合本地小模型进行语义搜索和去重，以优化Context加载的效率和Token消耗。
• （之前已归纳）配合Claude 4.6 [1M] 模型，用户认为这种方法显著提升了大模型的使用顺畅度，将其比作“栽培一个听话懂事记性好沟通强的junior”。
• 新增回复（第8、9、10楼）围绕该Markdown分层记忆系统的接入方式展开讨论，用户询问是靠“你要去找记忆”的prompt，还是通过对话前后的hook或mcp（插件/集成方式）来实现记忆的查找和注入。
• 新增回复（第12楼）用户分享了自己为Claude配置的系统级Prompt，通过设定[GENERAL]（通用指令）、[RESEARCH]（研究领域）、[CODING]（编程偏好）等模块，来规范模型的输出风格和行为模式，使其更符合个人使用节奏，例如要求简洁、批判性思维、特定编程语言偏好等。

2. 羊毛/优惠信息

• 无

3. 最新动态

• 无

4. 争议或不同意见

• （之前已归纳）有用户回复“看完后觉得你还是更适合发币”，暗示对用户分享内容或其背景的调侃。
• 新增回复（第8、9、10楼）是对用户分享的系统接入方式的技术性探讨和疑问。

5. 行动建议

• （之前已归纳）探索和实践分层记忆系统，结合本地模型和Obsidian Vault来优化大模型使用体验。
• （之前已归纳）保持对大模型应用新方法的关注和交流。
• 关注和研究该Markdown分层记忆系统的具体接入方式（hook或mcp），以便复现或改进。
• 尝试为自己的大模型配置类似的系统级prompt，根据个人需求调整语言风格、批判性思维和特定领域指令，以提升使用体验。