GPT 回答太"端水"？多模型分工与自定义指令的实用配置

同一个问题分别丢给三四个模型，得到的回答常常是三种气质：一种先给你铺三段前提，再说"这要看具体情况"；一种顺着你的话往下接，你说什么都对；还有一种努力讲笑话，讲完你发现有效信息没几句。这也是为什么"还在用 GPT 吗"这类话题总能吵起来——大家抱怨的表面是模型，实际是"我想让它干的那件事，它不肯好好干"。

争议集中在主观题上：对政治、经济现象的观察，两性议题，职场和人际关系里的牢骚。这类问题没有标准答案，用户希望模型把利弊摊开、给出有立场的分析，甚至直接指出自己论证里的漏洞；而模型的默认表现是先声明立场中立，再教育用户要理性客观，被指出错误时先辩解，然后继续输出道德正确的片汤话。换成别家，问题又变成另一种：附和太多、缺少反对意见，或者俏皮过头、信息密度太低。

三类不满，指向的其实是同一件事

把这些抱怨拆开看，大致是三种：

• 说教感：先给免责声明，再给"两方面都有道理"，最后上一段价值倡导，真正有用的分析被稀释。
• 谄媚：用户说什么都先肯定，用户表述有误也不纠正，读起来舒服但没有增量。
• 信息密度低：铺垫、比喻、俏皮话占了大量篇幅，结论只有一句。

值得注意的是，用户想要的并不是"让 AI 骂人"。更准确的诉求是：就事论事，语气可调，允许用户自己决定要冷峻还是温和。把"不要谄媚"等同于"要攻击性"，是把问题带偏了。

厂商为什么倾向于保守

理解了动机，就不会对默认表现抱不切实际的期待：

1. 舆情与法律风险。一段被截图的输出就可能引发公关危机，涉及宗教、族群、政治人物的内容在不同地区还有明确的法律边界。对厂商来说，最安全的策略就是不说。
2. 服务最大公约数。默认配置要同时满足写作业的学生、做客服的企业和只想闲聊的用户，折中结果必然是温和、模糊、正确。
3. 对齐训练的目标函数。基于人类反馈的优化天然奖励"无害"和"讨喜"，而"有观点"和"得罪一部分人"是同一枚硬币的两面。

所以指望默认模型变成一个有脾气、敢下判断的顾问，方向就错了。可行的路线是自己调、自己分工。

各家风格的常见印象

下面是使用者在讨论中反复提到的感受，属于主观体验，不是评测数据，也会随模型版本更新而变化：

关键结论不在于谁排第一，而在于没有一家能同时满足"严谨"和"有观点"，所以要做的是组合，而不是换一个更好的。

解决方案

一、把语气写进自定义指令

多数产品都提供自定义指令、人格设定或系统提示的入口，但很多人装了之后没效果，原因是入口不止一个：网页端、API、命令行工具各自独立，改了一处不影响另一处。先确认你实际使用的那个入口有没有生效。

一段可直接改用的模板：

回答规则：
1. 直接给结论和依据，不要用"好问题""我很乐意帮你"这类开场。
2. 不确定的地方明确标注"这是我的推测"，不要用模糊措辞掩盖。
3. 不同意我的说法时，直接指出并说明理由，不要先肯定再反驳。
4. 不要复述我的观点来取悦我；如果我论证有漏洞，优先指出漏洞。
5. 涉及有争议的话题：先列出双方最强的论据，标明哪些是事实、哪些是推断，最后给出你的判断和判断依据。
6. 篇幅控制在必要范围内，不用比喻和排比凑字数。

用一段时间后按实际表现增删条目。经验是：规则越具体越好，"别太啰嗦"不如"不超过 300 字"。

二、按任务分模型，而不是找一个全能

真正省时间的做法是给不同任务配上固定模型，形成自己的映射表：

"生成与审查分开"这条最值得坚持。同一个模型审自己的输出，盲区完全一致，很容易漏掉同一类错误；换个模型，哪怕能力弱一点，也更容易发现问题。

三、把"求认同"改成"求反驳"

主观题上模型表现得像在端水，很大程度是被问法诱导的。问"你觉得我这样想对吗"，模型几乎必然走"理解你的感受 + 但也有人持不同看法"的模板。换几种问法，效果差别明显：

• "分别列出支持这个观点和反对这个观点最强的三条理由，每条注明是事实还是推断。"
• "我准备这样判断，请只指出其中的逻辑漏洞和证据不足的地方，不用照顾我的立场。"
• "假设你持相反立场，用最有力的论据反驳我。"
• "给我三种不同取向的解读，并说明每种解读在什么前提下成立。"

这类问法把任务从"表态"变成了"分析"，模型不必在价值上选边，输出反而更敢说、更有信息量。至于最终判断，本来也只能由你自己做。

四、切换成本与长时间运行的稳定性

同时挂着几家模型、几个命令行工具时，真正的摩擦往往不在模型本身，而在使用环境：本地机器休眠、网络抖动、任务跑到一半连接断掉，长任务就得重来。如果只是偶尔对话，这不构成问题；但如果你要跑长时间的分析或自动化的代码任务，可以考虑把这些工作放到一台长期在线的机器上，本地只负责编辑和查看结果——例如整机托管在机房的远程 Mac，按月租用、远程连接使用，网络环境比家用线路稳定一些。是不是需要这么做，取决于你的任务是否真的需要连续在线，不是必选项。

五、上手前的检查清单

• 官方提供的自定义指令、人格选项，实际使用的入口是否都配好了？
• 同一个问题问三个模型，看分歧出现在哪一步，是事实分歧还是价值分歧？
• 有没有记录"哪类问题哪家更好用"，形成自己的映射表？
• 对争议话题，提问时是否要求了列论据，而不是要一个结论？
• 是否把"读起来舒服"和"说得对"区分开了？

几个不建议的做法

使用去对齐、去拒绝的模型。 社区里常有人推荐修改过安全对齐的开源模型，用来绕开拒答。风险很实在：输出可能包含有害内容，稳定性差，出问题没有支持渠道，如果用于对外产品还要自行承担合规责任。想本地化又想保留可控性，更稳妥的做法是用官方发布的开源权重配合明确的系统提示，并保留人工复核环节。

通过非常规手段注册或共享账号。 服务未在所在地区开放时，绕过限制去注册付费账号，随时可能被风控处理，已付费用难以追回，也可能违反服务条款。合规路线是使用官方在你所在地区提供的服务、通过云厂商的合规 API 接入，或者改用可本地部署的模型。各家支持地区和条款经常调整，以官方最新说明为准。

把模型输出直接当结论。 尤其是社会议题，模型的训练数据和优化目标决定了它不可能真正中立。它可以帮你整理材料、找出反方论据，但不能替代你的判断。

小结

默认模型是给最大公约数设计的，温和、模糊、谁也不得罪，这是它的产品定位，不是 bug。想让输出更锋利、更有信息量，靠的是三件事：把语气要求写成明确的指令、按任务把不同模型分工、把提问从要结论改成要论据。

另外要有心理准备：任何一家的"性格"都不稳定，版本一更新，昨天顺手的配置可能就失效了。与其追着找那个"最像人"的模型，不如把调用习惯和验证流程固定下来，这套东西不会随版本变化。