- v1版本，本地python验证逻辑
- 粗糙逻辑
- 多次迭代
- 展示出逻辑树，可以让人可视化的看到被拆解、具象化的问题。方便自己重新思考
- v2版本，web浏览器插件一键集成，可以让用户和插件与沟通找到有效的问题。然后跳转gpt沟通，找到答案。
- v3版本，用户无需知道gpt。只需要不断沟通就可以获取答案。
请挑战一些问题挑战
目前的gpt都是可以针对你的问题，生成一个针对这个问题的差不多的答案。但是这是远远不够的！
为什么我们会需要答案？因为有疑惑。
疑惑的种类：
- 明确方向，想知道自己的方向上的答，所以产生疑惑。
- 不明确方向，只知道模糊概念，所以产生疑惑。
- 内心有一个隐约的答案，对这个答案有一些疑惑。
对于三种情况：
- 具体的问题，是会有具体的答案（gpt就可以）
- 第二种是不会产生直接答案的（需要gpt多轮引导），而且深入的程度完全取决于人重新认知之后，提的问题的质量（陷入局部最优陷阱）
- 第三种消除疑惑并不意味着要提供答案，而是让他对重新认知自己的问题，重新找到新的问题。最终找到答案（gpt不会主动告知、人没有意识到的时候也不会认识到这个问题，陷入局部最优陷阱）
GPT的回答:
局部最优陷阱是指在寻找问题的最优解过程中，决策或算法被卡在一个小范围内的最佳解，而无法找到整体上的最优解。局部最优解在局部范围内表现最好，但从全局来看并不是最佳。问题通常出现在优化算法、决策制定或策略规划中。
特点包括：
- 局部最优解限制在小范围内。
- 缺乏全局视野导致无法跳出局部最优。
- 常见于梯度下降、职业选择、商业策略等场景。
解决方法包括：
- 使用启发式算法探索更大解空间。
- 引入随机性以打破局部限制。
- 通过多次从不同初始点出发搜索。
- 结合长期规划避免短期决策限制。
局部最优陷阱在现实生活中也普遍存在，例如在产品设计中满足现状而忽视创新，在个人成长中安于现状而不愿挑战更高目标。认识并尝试突破这一陷阱有助于取得更高成就。
这个例子就具体的说明了：有一个具体的直接答案，目前的各种gpt就充分可以了。
我们已经列举了三种疑惑的类型，问题的种类是站在另一个纬度（引自《写作是门手艺》）：
| 大问题 | 小问题 | |
|---|---|---|
| 大意义 | - | - |
| 小意义 | - | - |
- 大问题、大意义：
- 例如，哲学中的“如何过上良好生活？”这个问题探讨了生活的终极意义和目的，涉及到自我认知、信仰、真理、自由、正义、艺术和美等多个方面。
- 大问题、小意义：
- 例如，哲学中的“是否存在真理？”这个问题虽然看似宏大，但在某些哲学流派看来，它可能并不直接关联到日常生活的实际应用，因此其实际意义可能被认为相对较小。
- 小问题、小意义：
- 例如，哲学中的“人是否应该服从法律？”这个问题虽然在法学和伦理学中非常重要，但从哲学的角度来看，它可能被视为一个较为具体和局限的问题，其影响范围和意义可能不如那些探讨存在和宇宙本质的问题那么深远。
- 小问题、大意义：
- 例如，哲学中的“人是否拥有自由意志？”这个问题虽然看似是一个关于个体选择的小问题，但它实际上触及到了人类行为、道德责任以及社会结构等深层次的问题，具有重大的哲学意义。
对于一个个体，如何把大问题变小问题，如何把小意义转化为大意义就是最关键的。读者可以自行针对上述问题和你熟悉的AI互动看看是否可以获得答案。
行文至此，有两个核心概念已经表述：3种疑惑和4类问题。
笔者往往限于后两种困惑之间，提出的问题也往往是不明所以。尤其在笔者所在的软件工程领域，要做一些技术架构开发的时候，往往因为认知不足，在一些老旧过时的方向上深挖，搞得灰头土脸，因此常陷困苦之中。
所以本项目的核心目标：利用大语言模型，提出更好的问题，找到更好的方向。
本项目不会做的事情：
- 浪费时间在目前市面上已经有的功能
- 做一个所谓的第二大脑
本项目会做的事情：
- 利用好各种大模型
- 兼容一些主流的api
本项目预计会做的事情：
- 探索一下RAG（检索增强生成）会不会优化整体体验