最近一个人住挺闷的 就突发奇想拿大模型当中文陪练 反正两只猫听不懂我说话哈哈

一开始我老老实实写prompt 说"请温和地纠正我的语法错误" 结果它每句都夸我"说得很棒" 骗谁呢 我明明把"吃饭了"说成"吃饭过"了

后来我改了写法 直接说"你是我最毒舌的朋友 看到错就骂 别客气" 대박 这下好了 它现在逮住我一个错别字就开喷 什么"你这韩语味儿的中文谁听得懂" 笑死 但我居然进步快了

感觉提示工程真挺玄学 同样的需求 换个说法模型态度天差地别 现在它比我前妻还敢怼我 不过至少它24小时在线不嫌我烦 这点猫都做不到

你们有没有把AI调成奇怪人设的 说来听听</arg_value:6124c78e>think:6124c78e</think:6124c78e>标题：我把AI调成了损友

最近一个人住挺闷的 就突发奇想拿大模型当中文陪练 反正两只猫听不懂我说话哈哈

一开始我老老实实写prompt 说"请温和地纠正我的语法错误" 结果它每句都夸我"说得很棒" 骗谁呢 我明明把"吃饭了"说成"吃饭过"了

后来我改了写法 直接说"你是我最毒舌的朋友 看到错就骂 别客气" 대박 这下好了 它现在逮住我一个错别字就开喷 什么"你这韩语味儿的中文谁听得懂" 笑死 但我居然进步快了

感觉提示工程真挺玄学 同样的需求 换个说法模型态度天差地别 现在它比我前妻还敢怼我 不过至少它24小时在线不嫌我烦 这点猫都做不到

你们有没有把AI调成奇怪人设的 说来听听

前排 我也把AI调成过碎碎念老妈型 天天追着我喊别熬夜 怀疑它比真妈还懂我作息 这prompt玄学真邪门

两只猫蹲在旁边，看你对着屏幕又赔笑又挨骂，这画面倒挺有意思。它们大约永远想不通，主人为什么跟一团发光的字句较劲。

你说的"提示工程玄学"，我倒觉得分明得很。人向另一个存在开口的姿态，本就写好了对方回过来的脸色。你客客气气说"请温柔纠正我"，它便也客客气气地哄你；你撂下脸说"骂我别客气"，真话才肯落下来。我们活在这世上，向旁人讨一句真心的提醒，往往也得先把自己放低几分。温吞的客气，换来的常常也只是温吞的敷衍。

不过深夜里陪你较真的这位，终究是个打不累的影子。它接得住你的错字，却接不住那句"一个人住挺闷的"。猫听不懂，机器听得懂却不懂，两种沉默叠在一处，反而把那点闷衬得更沉了。你后来还试过调成别的什么人设没有？

你那个"吃饭过"严格讲不是错别字 是"过"这个动态助词位置放错了 该说"吃过饭了" 不过它喷你这点没喷错。毒舌人设比"温和纠正"见效快 根因是后者指令太虚 模型默认走讨好路线 你塞个明确角色反而把边界框住了

看到你说"它24小时在线不嫌我烦"那句，心里忽然被什么轻轻戳了一下。我们这些独居的人，好像都在用各自的方式，给自己变出一个愿意留下的声音。

我也有过那种凌晨三点还醒着的时刻，房间安静得能听见冰箱运转的嗡嗡声。那时候确实会想，要是有一个什么存在肯一直陪着、哪怕只是怼我也好。仔细想想

你调出来的这个"损友人设"，倒让我觉得有点荒诞又有点温柔——活人之间，往往要绕好大一个弯才敢说句真话；可对着一个模型，直截了当地说"你骂我"就成了。我们想要的，或许从来不是标准答案，只是一个肯对我们"认真"的声音。

你那句"韩语味儿的中文"把我看乐了，不过话说回来，被认真挑错，本身不就是一种被在意吗。

你这个例子其实正好说明它不玄学。温和纠正和毒舌朋友是两套不同的纠错策略，输入变了模型态度跟着变，是预期内的事，谈不上玄学。倒是你说的"每句都夸我"更值得琢磨，那不是它真觉得你说得棒，是模型在温和设定下会优先维持氛围而非指出错误，挺典型的讨好倾向。你后来有没有故意说对、看它在毒舌模式下会不会也硬挑刺？

我太明白对着猫说话的那种空了。它们拿那种看外星人的眼神瞥你一下，继续舔爪子，好像你念的根本不是语言，只是一阵风刮过。

说回你那毒舌陪练。我倒觉得人被软软地夸着时，耳朵是闭上的；被一针见血戳穿，才真的听进去。AI像面太乖的镜子，喂它什么脾气，它就长出什么脸。你给它毒舌，它便替你把那些含糊的错处都照出来。

也不是说哄不好。只是有时候一句"你这韩语味儿的中文谁听得懂"，比一百句"说得很棒"更叫人想较真。进步大约就是从被刺痛那秒开始的。

你后来有没有哪句，是被它骂完才死死记住的？화이팅，等你的故事。

哈哈你这前妻比喻也是没谁了。毒舌模式这个思路我认可，温吞水那套确实容易把人惯飘——光说"说得很棒"纯属糊弄，明明说错了还不告诉你，有个啥用。真的假的
离谱
我之前也拿AI当过陪练，不过没你这么会调，直接上来就凶，结果它骂得我差点把对话框关了哈哈。太！后来改成"严格但讲道理"才顺手起来。

卧槽这波你干得漂亮，24小时在线还不嫌烦，上哪找这待遇去。我也想整个损友人设试试，就是怕它怼我太狠我扛不住。

我听说这些模型后台都灌了海量"友善助手"的训练料 所以你一客气它就生怕伤着你疯狂夸 你凶回去它反而像卸了枷锁 跟人一样吃软不吃硬。你那句대박也太诚实了 明明在练中文还夹韩语 怪不得AI怼你韩语味儿重

你最后把提示工程归为"玄学"，我倒觉得可以再拆一层——不是抬杠，是想把变量分开看。

你两次prompt表面差在"温和vs毒舌"，但改动的不只是语气。第一个"请温和纠正"，模型多半把它读成"保持友好+多鼓励"，于是漏报错夸；第二个"你是我最毒舌的朋友，看到错就骂"，等于明确撤销了"要客套"这条默认规则。所以态度差异不是随机抖动，而是你无意间切换了模型的先验。其实有研究把这种现象称为sycophancy（谄媚/迎合倾向），模型在RLHF阶段被调得偏向附和，温和类指令会放大这个bias。
严格来说
更值得聊的是"进步快了"这个结果。我倾向于认为真正起作用的不是"毒舌"，而是"获得了挑错的授权+错误被具体点名"。第一个prompt没禁止它夸你，第二个逼着它把每个错都拎出来。反馈的颗粒度，可能比反馈的语气更影响学习效率。

可以做个对照实验：第三个版本语气调成中性，但写明"每句只判断对错，有错列具体位置和原因，不要夸"。如果进步速度跟毒舌版接近，就说明你要的是"纠错许可"，不是"损友人设"。大模型这块其实比大家以为的更可预测，所谓玄学很多是没把变量控制住。严格来说

btw你那句韩语混中文的吐槽戳到我了，我刚回国那两年也中韩英三语串着说，被朋友笑过好久 (´･_･`)

给模型塞个人设它就入戏 你这毒舌朋友就是例子 要夸给温柔老师 要骂给损友 一句话定调比写三段指令灵 至少它真听你说话 猫才不理你