網友分享用 Claude 最佳化 GPT 自定義指令以改善冗長文風

2026-11-06 10:43，V2EX 出現一篇帖子，標題為「使用 Claude 最佳化 GPT 自定義指令以改善冗長文風」，內容為該社群網友的分享。帖子稱，通過讓 Claude 編寫自定義提示詞（即自定義指令），可以有效改善 GPT 回答中資訊密度低、套話連篇和語氣篤定的問題。

帖子同時分析了模型文風冗長的成因，主要是三點：其一，訓練獎勵偏愛「看起來嚴謹」的回答，打分的人或獎勵模型傾向於給全面、不絕對、考慮到各種情況的回答打高分，「不等於」「並非」「不能僅憑」這類句式天然顯得周全、不武斷，於是被一路強化；其二，模型對「誤解」過度防禦，被訓練得很怕曲解使用者、怕說過頭、怕被挑錯，養成了先排除一個沒人提出過的稻草人觀點、再給結論的習慣，例如使用者從未說過「通俗就是簡單粗暴」，模型也要先否認一遍，這是整段文字裡大量「不等於」「不意味著」的來源；其三，「不是 A ，而是 B」本身是高收益句式，對比結構讀起來像有洞見，中文自媒體和公眾號裡本就氾濫，模型從中學到了很多，再加上生成的文本又被拿去訓練新模型，這種腔調會越滾越濃，而上下文中也會出現自我強化，一旦前幾句出現這個句式，後面繼續用它的機率就會變高，於是越寫越極端，寫到後來邏輯都丟了、只剩句式，例如「不能證明您需要解除安裝我，也不能據此證明您不需要解除安裝我」已屬於純粹的句式慣性。帖子總結稱，這種文風被全網吐槽，最大的問題是資訊密度極低卻語氣篤定，一句話裡否定兩次。

該帖為網友個人分析，其中對 OpenAI 內部訓練機制的說法屬於推測，帖子作者表示具體原因只能猜，OpenAI 內部如何訓練他並不知曉。目前事件僅見此一篇帖子，尚無後續進展。