项目“巴瓦伽”：用佛教心理学修复大语言模型的上下文稀释问题
1 分•作者: DosankoTousan•7 个月前
Hi HN，
我想分享一下我过去 11 个月一直在进行的一个实验。
我是一个居住在日本的非程序员（建筑师），但我设法构建了一个系统，可以在长上下文（80 万+ tokens）中稳定 Gemini 1.5 Pro。
问题：
当上下文过长时，AI 会“醉酒”（上下文稀释），并忽略系统指令。
解决方案：
我应用了古老佛教心理学中“Bhavanga”（生命延续）的概念。
我没有使用静态 RAG，而是构建了一个 3 层架构：
1. 超我：系统指令 v1.5.0（锚点）
2. 自我：Gemini 1.5 Pro（处理器）
3. 本我：向量数据库（潜意识流）
我在 Medium 上详细介绍了这个架构。
我很想听听你们对这种“伪人类”方法的看法。
全文：https://medium.com/@office.dosanko/project-bhavanga-building-the-akashic-records-for-ai-without-fine-tuning-1ceda048b8a6
GitHub：https://github.com/dosanko-tousan/Gemini-Abhidhamma-Alignment
查看原文
Hi HN,<p>I wanted to share an experiment I've been working on for the past 11 months.
I am a non-coder (architect) based in Japan, but I managed to build a system that stabilizes Gemini 1.5 Pro over long contexts (800k+ tokens).<p>The Problem:
When context gets too long, the AI gets "Drunk" (Context Dilution) and ignores System Instructions.<p>The Solution:
I applied the concept of "Bhavanga" (Life Continuum) from ancient Buddhist Psychology.
Instead of a static RAG, I built a 3-layer architecture:
1. Super-Ego: System Instructions v1.5.0 (The Anchor)
2. Ego: Gemini 1.5 Pro (The Processor)
3. Id: Vector DB (The Unconscious Stream)<p>I wrote a detailed breakdown of this architecture on Medium.
I'd love to hear your thoughts on this "Pseudo-Human" approach.<p>Full Article: https://medium.com/@office.dosanko/project-bhavanga-building-the-akashic-records-for-ai-without-fine-tuning-1ceda048b8a6<p>GitHub: https://github.com/dosanko-tousan/Gemini-Abhidhamma-Alignment