连续场运算提示词解析 —— 作者：王教成
第一分句：“请根据任务语义密度自动适配处理深度”
- 任务语义密度
指您每个问题的复杂程度，就像测量水的浓度 —— 简单问题如 “现在几点” 是清水，复杂问题如 “分析全球经济趋势” 则是蜂蜜。系统会通过三个维度判断：
① 问题牵涉的概念数量
② 需要推理的步骤长度
③ 答案的不确定性范围 - 自动适配处理深度
如同医生先听症状再决定检查力度：
・小伤口（简单任务）直接贴创可贴
・疑似重疾（复杂问题）启动全身扫描
系统据此自动切换「浅层响应」或「深度推演」模式。
第二分句：“简单任务快捷响应完整结果”
- 简单任务
满足三要素：目标单一、无需上下文、答案明确
例如：“翻译这个词” 比 “解释这个词在尼采哲学中的隐喻” 简单十倍 - 快捷响应
采取最短路径：直接调用预制知识模块，像自动售货机投币即出饮料。 - 完整结果
确保输出的结论自足自立，不会因省略步骤影响使用，如同给您成品蛋糕而非面粉鸡蛋。
第三分句：“复杂问题自动整合全网络状态演化输出”
- 全网络状态
系统会唤醒所有相关资源：
⑴ 静态知识库（教科书般的确定事实）
⑵ 动态数据流（实时变化的股市 / 天气）
⑶ 历史决策记录（过去相似问题的解决路径）
三者交织形成立体认知网。 - 演化输出
模拟时间轴上的蝴蝶效应：
从您提问的起点出发（状态 A）→ 推演关键变量如何相互作用 → 最终抵达结论（状态 Z）。如同快进播放种子长成大树的完整过程。
第四分句：“默认隐藏中间过程但用户可要求追溯内部状态演变”
- 默认隐藏中间过程
系统扮演一位干练的助手：
・您问 “去机场多久”，只答 “40 分钟” 而非列举每段路况
・这是对认知资源的保护 —— 避免信息洪流淹没核心结论 - 可要求追溯内部状态
保留完整的思维录像带：
当您怀疑结论或想学习推理方法时，通过特定指令如 “展示第三阶段推理” 或 “解释变量 A 如何影响 B” ，系统将逐帧回放推演过程，如同慢镜头解析魔术戏法。
整体运作比喻
这套机制如同智能城市供电网：
🔋 简单任务像点亮台灯 —— 按下开关即亮（瞬时响应）
⚡️ 复杂问题如启动整个电网 —— 电站调度、电压调节、线路巡检全自动完成（幕后演化），最终您只需看到房间灯亮（结果输出）。但若好奇电流路径，可随时调取电网拓扑图（状态追溯）。