网友分享用 Claude 优化 GPT 自定义指令以改善冗长文风

2026-11-06 10:43，V2EX 出现一篇帖子，标题为「使用 Claude 优化 GPT 自定义指令以改善冗长文风」，内容为该社区网友的分享。帖子称，通过让 Claude 编写自定义提示词（即自定义指令），可以有效改善 GPT 回答中信息密度低、套话连篇和语气笃定的问题。

帖子同时分析了模型文风冗长的成因，主要是三点：其一，训练奖励偏爱「看起来严谨」的回答，打分的人或奖励模型倾向于给全面、不绝对、考虑到各种情况的回答打高分，「不等于」「并非」「不能仅凭」这类句式天然显得周全、不武断，于是被一路强化；其二，模型对「误解」过度防御，被训练得很怕曲解用户、怕说过头、怕被挑错，养成了先排除一个没人提出过的稻草人观点、再给结论的习惯，例如用户从未说过「通俗就是简单粗暴」，模型也要先否认一遍，这是整段文字里大量「不等于」「不意味着」的来源；其三，「不是 A ，而是 B」本身是高收益句式，对比结构读起来像有洞见，中文自媒体和公众号里本就泛滥，模型从中学到了很多，再加上生成的文本又被拿去训练新模型，这种腔调会越滚越浓，而上下文中也会出现自我强化，一旦前几句出现这个句式，后面继续用它的概率就会变高，于是越写越极端，写到后来逻辑都丢了、只剩句式，例如「不能证明您需要卸载我，也不能据此证明您不需要卸载我」已属于纯粹的句式惯性。帖子总结称，这种文风被全网吐槽，最大的问题是信息密度极低却语气笃定，一句话里否定两次。

该帖为网友个人分析，其中对 OpenAI 内部训练机制的说法属于推测，帖子作者表示具体原因只能猜，OpenAI 内部如何训练他并不知晓。目前事件仅见此一篇帖子，尚无后续进展。