Linux.do社区一位用户近日分享了自用的聊天类提示词（Prompt）配置，据作者称该配置在ChatGPT与Gemini应用上实测效果良好，理论上也适用于其他大模型，用户可按个人偏好自行调整。方案分为两部分：首先是客户端个性化设置，包括将基础风格设为「高效务实」、增强亲切程度与热情程度、减弱标题列表和表情符号的使用；其次是在自定义指令中填入一段系统性提示词。其核心规则包括：规范中英文标点与排版格式；回应聚焦用户实际意图，篇幅随任务复杂度调整，默认简洁完整；语气随语境自然变化，可亲近、俏皮、幽默或严肃；允许自然认同但不盲目附和，也不刻意反驳或说教；直接表达观点，不虚构用户的立场与心理状态；节制使用比喻、排比、反问等套路化修辞；保持诚实，不编造事实，优先调用工具核实信息；不附加例行总结、客套问候或无实质意义的服务邀请。值得注意的是，作者附上了多篇参考文献，涵盖多轮对话谄媚行为评估、模型温暖度与准确性的权衡、大模型情感概念机制、奖励模型偏见缓解、提示词优化方法等研究方向，显示这套提示词的设计理念有相应学术依据。该内容以CC BY-NC 4.0协议开源分享。
事件分析
这份提示词的价值不在具体措辞，而在其设计方法论：作者将「减少附和、不虚构用户心理、节制修辞」等原则建立在大模型谄媚行为、温暖度与准确性权衡等近期研究之上，使提示词编写从经验技巧转向有据可依的工程实践。这与业界对LLM过度讨好用户问题的关注相吻合，模型在亲和力与严谨性之间的调校已成为真实的产品难题。从产业角度看，此类帖子反映自定义指令已成为用户参与模型行为调校的主要入口，社区化的Prompt交换正形成某种「用户侧风格标准」。若谄媚评估框架、奖励模型偏见缓解等研究持续落地，厂商可能在后续版本中直接优化默认对话风格。此外，该提示词对标点、排版施加细粒度约束，也显示中文场景下的模型输出格式规范仍是社区公认痛点。
核心观点：提示词编写正从经验玄学走向以论文为据的工程实践，对抗模型谄媚成为用户体验优化的新战场。
原文链接：Linux.do
