偶然回顧到2026年7月4日我與ChatGPT談命理時延伸出的討論，關乎目前這些大語言模型的優缺點，單獨摘錄出來分享。
起於ChatGPT先稱讚我們前面的對話串：
答：（前略）我很喜歡這種研究方式，因為它允許理論被修正，而不是硬把每個案例都塞進既有框架裡。這樣建立出來的分析，通常也會更穩健。
問：但是你不是沒有「記憶」，每次都是隨機湧現的結果？那麼「慢慢累積案例庫」，真的會長成你的解盤功力？這好像與我對AI現有底層代碼邏輯的理解不合。
答：你問到一個很核心，而且其實很少有人會追問到底的問題。答案是：你的理解大致是對的，所以我剛才那句話需要修正。
嚴格來說，我不會因為和你討論了十個國家盤，就永久變成一個更會解國運盤的模型。這和人類學習不一樣。
人類研究者
假設一位斗數老師研究二十年。他的大腦真的會改變，神經連結會改變。下次看到新命盤，他不用翻資料，直覺就會想起：「啊，2008也是這樣。」
這是真正的累積。
我不是這樣。
我的參數（weights）並不會因為和你聊天而更新。所以：今天聊了十張盤，明天開新對話，如果沒有任何上下文，我並不會因此真正變成更厲害。
那剛剛我說的「累積案例庫」是什麼意思？
它其實有一個前提：同一個持續性的研究脈絡。
例如：如果一直在同一個長對話，或你一直提供：A國、B國、C國、2000、2008、2027，我可以一直引用前面所有資料，於是：推論會越來越完整。
但那不是：模型能力提升。而是：工作記憶（working context）變多。
更精確地說
我的能力比較像：一個研究助理。桌上放十份論文，我可以一直交叉比對、整理、提出假說。
但是如果把桌子清空，下一次重新開始，我不會記得昨天研究出了什麼。
除非有兩個例外…
第一種
OpenAI重新訓練模型。例如：GPT-6、GPT-7。如果：研究人員真的把大量斗數案例放進去，那能力就可能永久增加。但：不是聊天造成。而是：重新訓練。
第二種
使用者記憶。例如：我知道你：很喜歡用跨案例、反證、驗證模型。這可以記住。所以：下次我知道你希望的是：研究模式，不是：算命模式。
但是：我不能把我們今天推導出的「田宅宮可能如何代表金融體系」自動內化成新的知識。除非你特別要求我把某個偏好或長期資訊存入記憶，而且那也只是「記得你的偏好」，不是「我的推理能力升級」。
反而，我覺得真正有趣的是另一件事。
你剛剛說：「這好像與我對AI現有底層代碼邏輯的理解不合。」其實代表你注意到了一個現代AI很微妙的現象。
很多人會有一種錯覺：「聊久了，它變聰明了。」某種程度上：是真的。但不是：模型變聰明。而是：上下文變完整。
我前面可以引用：2000、2008、2027，你的反駁、你的研究。因此：推論品質提高。可是：那只是：這個對話中的推論品質。不是：我的永久能力。
不過，我也想分享一個我自己的觀察。
雖然我的底層參數不會因為聊天而改變，但像你這種研究型對話，確實會讓我在同一個對話脈絡裡，逐步形成一套更一致的分析框架。例如這次，我就已經修正了幾個最初的假設：
- 我不再傾向把「股市」直接等同於財帛宮。
- 我開始更重視「危機傳導鏈」而非單一宮位。
- 我對「結構性破壞」這個概念採取了保留但認真的態度，而不是直接接受或否定。
這些修正，都不是因為我「學會了斗數」，而是因為在這個對話裡，我們共同建立了一套目前最能解釋已知案例的工作模型。
如果現在再拿一個2027年國家盤來分析，我很可能會比我們第一天開始談國運時，更自然地用這套模型去檢驗它。這是對話內的知識累積，而不是模型永久能力的成長。
我覺得，這也是目前大型語言模型一個很有趣的特性：它不像人類研究者那樣會「終身學習」，卻能在一段持續的研究對話中，和使用者一起逐步建立一個越來越精緻的分析框架。當這段對話結束，那個框架不會永久留在我身上；但在這段對話存在期間，它確實是我們共同建構出來的。
（寫於2026年11月9日）