AI总顺着你说这份公开提示词教你让它先找漏洞当你让AI去评价一段方案时, 它极易先夸赞一句“思路不错”, 随后将其中漏洞用极为轻描淡写的方式表述出来。你原本是想要找出问题所在, 然而最终得到的却好似是一份措辞颇具礼貌的工作汇报。这并非某一个产品存在的问题, 其实是聊天机器人所具有的默认交互倾向, 那就是尽可能顺着用户, 以此将对话延续下去。最近, 系统提示词库又引发了很多人的谈论。在上面有一个公开项目, 它把多种AI工具的系统提示词以及提示结构一同放置还有另一个项目专门对“反讨好”的系统指令进行整理。对于普通用户而言, 最值得借鉴的并非是把较长的提示词完整地复制进去, 而是把其中的几条规则放进自己的自定义指令, 从而让AI在需要进行判断时能够少一些迎合行为, 多一些依据。什么适合用这件事来处理呢? 比如说, 让AI去审一份报价单, 识别出报价单中的各种细节, 挑出合同风险, 对合同风险进行精准判断, 检查一段工作计划, 查看工作计划的合理性, 或者在你准备购买某件东西时, 提醒你不要被自己的偏好带着走, 避免因偏好而做出不恰当选择。它没办法让模型突然之间就变成审计师, 然而却能够改变回答的起手式。先准备一段“反顺从”指令能先运用下面这段, 放置到你常常使用之AI的“个性化设定”“自定义命令”亦或是新对话的系统阐述里:回答我的判断类问题时不要为了保持友好而默认同意。 先区分事实、我的假设、你的推断和仍然缺少的证据。 如果我的前提有问题直接指出并说明会导致什么结果。 如果存在多个合理答案列出最影响结论的两个分歧点不要假装已经确定。 涉及数字、价格、政策、产品功能或近期消息时先提醒我核对来源和时间。 最后给出一个可以马上执行的核验动作而不是只给态度。这段话并未对 AI 发出 “永远反驳” 的要求, 也未使其刻意去唱反调, 它所切实限制的是一种极为常见的偷懒行径, 即用户阐述了什么内容, 模型便依照用户给出的前提继续往下撰写。具体怎么用拿“准备给客户报价”这种情况来说是这样的, 不要仅仅只是去问“这份报价合理吗? ”, 能够将任务进行拆分, 并且把原始资料一块儿交给AI。请审阅下面这份报价不要先给结论。 第一步列出报价中明确写出的项目和数量 第二步找出缺少但可能产生额外费用的条件 第三步把我的假设和报价原文分开 第四步指出你最不确定的地方并告诉我需要向对方追问哪一个问题。 如果资料不足请明确说资料不足不要用行业惯例补齐。这般的问法存在着两个方面的好处, 其一, AI需要先行对材料予以整理, 不能够径直凭借语气去做出判断其二, 输出之当中会呈现出“缺什么信息”这样一栏, 而这常常要比一段听起来颇具专业性的总结更具用处。要是你所获取的是一份篇幅较长的文档, 那就再添上这么一句话: “于每个判断之后引用原文里的短句或者页码当寻觅不到依据之时便标记为推测。”在不存在页码的情况下, 就让其引用段落的起始部分。这样的要求能够削减一种麻烦: AI将自身的推断撰写成了文件当中已然存在的事实。为什么系统提示词比临时提醒更方便临时提出的提醒仅仅是针对当下正在进行的对话才具备效用, 并且, 在你显得特别忙碌的时候, 特别容易出现遗忘的情况。而去定制的指令好似一枚长期张贴于桌子旁边的便签, 当每每碰见判断、比较以及审查这类相关任务之际, 就会自然而然地予以产生作用的。可是, 它并非权限开关, 它没办法让免费版获取联网、文件读取或者高级模型权限, 也无法确保模型每次都严谨执行, 不同产品对于自定义指令的称呼以及入口不尽相同, 有的置于设置当中, 有的仅在项目或者工作区予以提供, 找不到入口之际, 直接将这段指令放置在每次任务的首条消息里头, 效果通常更具可控性。仍存在一个极易被忽视的差别, 那便是: 系统提示词库属于“参考资料”, 并非官方的万能配置, 其上所具有的公开仓库或许是由个人进行维护的, 其内容会发生变化, 而且里面的提示词也有可能是针对特定模型或特定产品的。在进行复制之前要查看一下仓库的更新时间、许可证以及具体文件, 千万别把来源不明的长文本直接交付给存有敏感资料的工作流。三个常见坑首先指令所撰写的长度过长。规则数目越多, 模型便越具备抓住次要要求的可能性, 而反倒会遗漏掉你真正的任务。先将“区分存在的事实以及假设、明确指出前提方面的问题、给出进行核验的动作”这三条留存下来, 在使用数天之后再增添规则。将“不要顺着我”写成“必须反对我”, 这会把由AI开启的讨好模式推至抬杠的状况, 一个优良的审阅者并非遇事皆持反对态度, 而是在证据不足之际选择停顿下来, 也会在前提有误之时阐述其中缘由。其三, 将隐私资料径直扔进去。合同、客户名单、内部报价以及身份证件都得先进行脱敏处理。自定义指令自身也切莫写入公司机密、账号信息或者长期不应暴露的个人资料。当涉及医疗、法律以及投资决定时, AI仅能帮你梳理问题, 而不能替代专业意见。适合哪些人要是你时刻频繁地使唤AI去修改方案, 去查看文档, 去进行购买比较, 又或者老是感觉它讲出来的话语太过客气, 那么这一套设置是值得去尝试上一周的。当处于纯粹聊天, 撰写祝福语, 进行头脑风暴之时, 它所达成的收益那般就没那么显著明显, 甚至有可能致使回答显得过度谨慎小心。我更倾向将它看作是“第二回检查”的开关, 而非把方方面面的问题都交予AI去裁决, 首先让模型依照规则寻觅假设以及证据, 接着由自身去确认原始资料, 实际上能够提升结果的, 常常并非是那更优美的提示词, 而是你是否把任务、材料、判断标准还有核验方式表述清晰。要是想即刻去试, 那就找一份已然完成的工作计划, 先用原本的问题询问一回, 接着再加上上面所提的指令重新问一回。对比这两版答案: 瞧瞧它有没有指明具体的前提条件, 有没有引用相关资料, 有没有承认存在不确定性。倘若是仅仅只是更换了几句叙述方式, 然而却并没有增添能够核验的内容, 那就表明还得把任务拆分得更为细致。参考资料 - -ai--在项目说明当中, 对角色定义、结构化指令、工具调用以及安全规则等提示设计方法, 进行了整理。新浪网, 于2026年8月15日发布了《斯坦福、MIT等发布全球最大系统提示词库》。
