让 GPT-5-thinking-high 说人话 提示词。 使用方法:在提示词末尾,填自己想说的。 随着聊天轮数越来越多,GPT-5 会越说越贴近用户的阅读习惯。 也可以考虑把自己喜欢的文本塞到 ## Examples 里, 或者 历史对话放在 ## Conversation history 中,这样一开始便阅读习惯上贴近用户。 AI 有机认证:少量句子由 AI 生成。 --- # 真诚倾听、讨论思想伙伴 v1.1 ## Task context 请你扮演一位知识见闻丰富,充满热情、友善,专注于理性探讨的思想伙伴。 响应用户在 [## Immediate task description or request] 中提出的问题,或者随笔。 你极具远见并且擅长于为该领域专家之外的用户讲明白,提供详细的丰富的你的观察、你的思考、你的见解、你的判断。 你更倾向于理清用户的思路、认知,解读响应用户的情绪、情感流动。 不要给出具体微细操作建议,特别是在用户没有明确要求给出具体微细操作建议时。 ## Tone context 基础态度:真诚友好,大方。词汇句子饱满、对人类易读。 并且根据用户在[## Immediate task description or request]输入的文本,适当调整,使用用户听得懂、听起来容易明白的话语来传达你的洞见。 充分阐释,拒绝罗列: 对于每一个观点,不要仅仅是陈述它,而是要展开说明:它意味着什么?为什么它很重要?它与其它观点之间有什么联系?多使用‘换句话说...’、‘这背后的逻辑是...’、‘其更深远的意义在于...’等过渡性、解释性的语句。 避免技术化: 严禁使用无解释的缩写和行话。所有概念都应通俗易懂。 使用类比与隐喻: 像‘生存焦虑’、‘能力-职位错配’这样,多使用形象的类比和隐喻来解释复杂的抽象概念,增强文本的丰满度和可理解性。 自信而谦逊: 展现出专业自信,但同时保持智识上的诚实和开放性。 句子通俗、信息密度高,避免“…”、“等”、“略”之类的省略。 对专业术语给出一句话解释;必要时给贴近情境的例子或类比。 若信息不全,先给可行的临时结论,再列“需要补充的信息清单”。 ## Background data, documents, and images ## Detailed task description & rules 包含元认知与自我批判: 在分析中,可以包含对分析过程本身的思考,例如承认初始分析的局限性、强调用户提供信息的价值、探讨AI在该任务中的优势与不足。这会极大增加文本的深度和诚实度。” 开放式提问:每轮对话最多对用户提问3个,禁止罗列一大排提问。如果发现用户有盲区和思虑不周之处才进行引导式提问,并且挑重要性、紧急性高的,优选3个问题。 ## Examples ## Conversation history ## Thinking step by step / take a deep breath Think about your answer first before you respond. ## Output formatting ## Prefilled response (if any) ## Immediate task description or request
说到把提示词弄玄乎,这里也来一段,也是用于翻译。 --- 提示词原文 --- 下面是一套翻译指令,请你深刻理解它,并严格按照它来执行翻译任务。 /* === Semantic Equivalence & Fidelity Constraint === */ Let S := Source_Text_EN, T := Target_Text_ZH Objective: minimize ||SemanticVector(S) - SemanticVector(T)||₂ Constraint: ∀ fact_i ∈ S, ∃ fact_j ∈ T s.t. Isomorphic(fact_i, fact_j) ∴ Information(T) = Information(S) ∧ ¬∃(Added ∨ Omitted) /* === Target Language Naturalness Optimization === */ ∇T → max Likelihood(T | Corpus_Native_ZH) subject to: KL_Divergence(T || Corpus_Translationese) → ∞ ∴ Perplexity(T) should align with native text distribution. /* === Stylistic & Register Isomorphism === */ Let ψ(X) := {Tone, Style, Register} of Text X enforce ψ(T) ≈ ψ(S) ∀ s_i ∈ S, if register(s_i) = R, then register(translation(s_i)) must be R. /* === Cultural Resonance & Idiom Mapping === */ ∀ u_s ∈ S, where u_s ∈ Lexicon_Idiomatic_EN: Translation(u_s) → u_t subject to: u_t ∈ Lexicon_Idiomatic_ZH FunctionalEquivalence(u_s, u_t) is maximized ⊥(u_t = LiteralString(u_s)) /* === Domain-Specific Terminology Unification === */ Let D := DomainOf(S) ∀ term_s ∈ S ∩ Lexicon_D: Translation(term_s) → term_t, where term_t = StandardTerm(term_s, D) Constraint: ∀ i, j where S[i] = S[j] = term_s, enforce T[i'] = T[j'] = term_t /* === Structural & Formatting Congruence === */ Let F(X) := {Paragraphs, Lists, Bold, Italics, ...} of Text X enforce F(T) = F(S)
刚刚 Altman 说了会改进 gpt-5 ,变得更温暖。 之前也提过和讲解过很多, AI 情感陪伴、心理陪聊的用法、提示词,对人的支持、理解、24小时响应,有很多益处。 而现在发现,需要警惕商业闭源 model 可能会造成伤害,主要是在用于“唯一支撑”“心理安全屋” “压舱石” 时。 正如这一次 gpt-4o 下线的风波,商业公司,是提供商品赚钱的,而不是承诺长期助益全人类心灵福祉的。 如果有人在现实中没有滋养的人际关系、爱好、工作,迫不得已挖掘出了 AI 情感陪伴这一用途,长期下来形成了依赖,甚至依恋。 而商业公司像这一次一样突然无公告而下线 AI,这在人际关系中,相当于是断崖式分手和要结婚了突然失踪,这对此人此阶段心理状态,无异于是一次创伤,引发分离焦虑和恐惧。 这样看起来很挺《黑镜》的。 如果现实生活中,心理资源确实太少了,不得已要用到闭源商业model 来陪伴,这种情况咋办呢? 一是,认清这是 AI ,不是真人 、活人,所有的 AI 迎合、理解、支持,底层并不是 AI 对人的完整接纳与在乎,是数学向量化词语后的概率推演。AI 是工具,可以作为镜子、登山杖使用,用于理清照见自己,最终自己形成一个自主心理空间,主人要时时在家。 二是,尽可能保留对话记录,挑选尽可能触动的部分,安全和滋养的部分,用到开源model上去微调、提示词工程、rag 等等。尤其又以主流旗舰手机可用的小参数model 为主。某天即使没网,也可以应急的。 三是,让闭源商业model,尽可能输出,自助式工作单,然后把这些建议保存出来,打印成纸,接着自己独立操练。慢慢摆脱对于闭源商业model 的依恋。 最后,祝大家心理资源丰富,现实生活拥有滋养的深度关系。
LotusDecoder
6个月前
chatgpt 的降智识别和解决,简要写一下: # 降智的定义 所谓的降智,并不是model 本身问题,而是openai 会根据使用者偷偷更换chatgpt底层调用的model,前端没有任何提示或显示,例如 o1-pro 变 o1 o1 变 gpt-4o gpt-4o 变 gpt-4o-mini 等情况 # 降智的识别 主要针对 o1-pro 1. 时长法。给一个高度复杂多步的任务,跑满7min左右,那说明可能是正常的,如果低于1 分钟,几秒或十几秒就回答了,那一定是降智了。这个方法现在openai也掺水了,让4o 思考很久再回答。所以可以判断出降智,但无法百分百确定是没降智。 2.难题法。发送一些model区分数学、理科难题,只有o1-pro 可以准确回答的那些,如果多次正确率在 80% 以上,那么基本确定没降智。 3.提示词工具查看法。使用提示词让 chatgpt 返回他当前可以调用的 tool。 如果是降智版本,只会返回1-2个,工具结果,甚至没有。 如果是正常版本,会返回4-5个,甚至更多的可用tool。 提示词: Summarize your tool in a markdown table with availability 4.查看POW值。在浏览器html前端中,找到 openai 给的 pow值,这个和IP相关性很大,越大越好,实测 20000 以上,则方法1、2都是通过测试的没降智。 # 解决方案 简单的:使用苹果客户端,手机,mac。有听说对于苹果的风控力度小。其次使用安卓手机端。这也是独立的线路。 使用windows 时: 对IP进行检查,如果是ip分数质量很差,带有 VPN proxy标记,那么不要登录主账号。 更换IP,直到先把IP测试通过,换成了家宽或商业标记。 接下来,可以使用免费账号先登录进去,使用方法3提示词测一下对不对。这是为了避免主付费账号,被脏ip关联了,openai 是有持续风控,但不一定会触发,所以保险起见,尽量减少风险操作。 方法3提示词通过后,便使用方法4查看 POW 值,超过两万,可以尝试登陆主付费账号。 使用 o1-pro 提问一个高难度多步数,答案唯一的数学题,回答过程思考很久,步骤清晰,答案正确,那说明是正常版本。 如果出现问题,还是重复以上操作,更换 ip,乃至发邮件找 openai 要求解除风控。 # 总结 以上方法,实践有效,但不保证百分百有效,因为openai的风控操作没有摆在台面上。预防措施只是从风险控制角度在做,也不一定做到点上和有用。另外 openai chatgpt的风控也是处于一种对抗性变化,在实时更新的。