ChatGPT去AI味指令实战指南：从新手到精通的提示词设计

1次阅读

没有评论

共计 1448 个字符，预计需要花费 4 分钟才能阅读完成。

当开发者使用 ChatGPT API 时，常常会遇到生成文本带有明显 ’AI 味 ’ 的问题。这种 ’AI 味 ’ 主要表现在以下几个方面：

过度使用连接词和填充词（如 ’ 此外 ’、’ 值得注意的是 ’ 等）
句子结构过于规范和模式化
表达方式显得僵硬不自然
缺乏个性和情感色彩

这些问题的技术成因主要来自模型的训练数据分布和默认生成参数设置。ChatGPT 基于海量互联网文本训练，这些数据本身就包含了大量格式化表达。同时，默认的温度参数和采样策略也倾向于产生更加 ’ 安全 ’ 但缺乏特色的输出。

温度参数控制生成文本的随机性程度。数值越高，输出越多样化但也可能更不连贯；数值越低，输出越保守和可预测。

推荐范围：0.7-1.0（平衡自然性和一致性）
效果：适当提高温度可以使表达更自然流畅

这种采样方式只考虑概率累积达到 p 值的词，动态调整候选词数量。

推荐值：0.9-0.95
优势：比传统 top- k 采样更能保持上下文一致性

通过明确的提示词引导模型采用特定风格：

指定语气（如 ’ 用轻松的口语化表达 ’）
限制长度（如 ’ 用 1 - 2 句话简短回答 ’）
提供示例（如 ’ 像这样表达：…’）

import openai

# 基础调用（有明显 AI 味）response = openai.ChatCompletion.create(
    model="gpt-3.5-turbo",
    messages=[{"role": "user", "content": "请解释量子计算的基本原理"}]
)
print(response['choices'][0]['message']['content'])

# 优化后的调用
response = openai.ChatCompletion.create(
    model="gpt-3.5-turbo",
    messages=[{"role": "system", "content": "你是一位善于用简单比喻解释复杂概念的科普作家"},
        {"role": "user", "content": "用日常生活中的例子，向高中生解释量子计算的基本原理，控制在 3 句话以内"}
    ],
    temperature=0.8,
    top_p=0.9
)
print(response['choices'][0]['message']['content'])

参数调整会影响生成质量和响应时间：