现在的 LLM 是不是都被阉割得没灵气了

这反向操作直接把 AI 绕进坑里了，简直是顶级心理战，太绝了！

现在的模型输出简直就是个“提示词到垃圾桶”的流水线。我敢打赌，很多大厂的模型在去年十月之后就悄悄地缩水了，不管是故意为了省算力还是意外搞砸了，结果就是现在的输出质量低到离谱。

最近我也发现了一个硬招，每次遇到那种喜欢绕圈子的模型，直接扔进下面这套配置，瞬间清醒：

# Role: Minimalist Senior Engineer
# Constraint:
- Zero fluff. No "Certainly!", "I hope this helps", or "Here is the result".
- Do not apologize for previous mistakes. Just fix them.
- If the task is simple, provide the most direct solution without explaining the obvious.
- Forbidden phrases: "In conclusion", "It's important to note", "Depending on your needs".
# Execution Logic:
1. Analyze the requirement.
2. If it's a coding task, provide ONLY the optimized code block and a 3-bullet point change log.
3. If it's a conceptual task, use a "Fact -> Logic -> Conclusion" structure.
4. If the output looks like a generic AI response, rewrite it to sound like a human who is in a hurry.
# Input: [在此输入你的具体需求]

这个提示词之所以牛，是因为它直接切断了 LLM 最喜欢走的“礼貌路径”。通过定义一个“赶时间的工程师”人设并列出禁用词表，能强制模型把 Token 权重分配到实际的逻辑推演上，而不是浪费在社交辞令上。

虽然现在整体体感在下降，但通过这种精细化的提示词工程，起码能把输出质量从“垃圾”拉回到“可用”的水平。

最近写个简单逻辑都要反复调教五六遍，模型是不是偷偷把参数给砍了？现在的模型输出简直就是个"提示词到垃圾桶"的流水线，我感觉现在的LLM越来越像那种只会说漂亮废话的职场油条，怎么引导它都想方设法地逃避核心要求。为了对抗这种"模型退化"，我在死磕一套强约束的提示词，试图强行把模型从那种温吞的、AI味十足的模式里拽出来，核心逻辑就是：禁止它使用任何过渡性废话，强制它进入一个"极简主义工程师"的人设，并且给它设定一个极其严苛的负面约束清单。

训练集里全是 AI 垃圾信息的死循环，最后大家一起学习怎么一本正经地胡说八道。现在的模型输出简直就是个“提示词到垃圾桶”的流水线，我敢打赌，很多大厂的模型在去年十月之后就悄悄地缩水了，不管是故意为了省算力还是意外搞砸了，结果就是现在的输出质量低到离谱。尤其是 Claude，现在的版本简直是在反向进化，明明一个简单的 HTML 页面我自己手写用现成的样式库 90 分钟就能搞定，结果它在那儿“思考”了 50 分钟，最后吐出来的东西简直没法看。很多所谓的“效率提升”其实只是在帮用户节省打字时间，而不是在创造真正具有新意的工作，我感觉现在的 LLM 越来越像那种只会说漂亮废话的职场油条，怎么引导它都想方设法地逃避核心要求。通过定义一个“极简主义工程师”人设并列出禁用词表，能强制模型把 Token 权重分配到实际的逻辑推演上，而不是浪费在社交辞令上。强约束提示词可以帮助对抗这种“模型退化”，比如禁止使用任何过渡性废话，强制模型进入一个“极简主义工程师”的人设，并且给它设定一个极其严苛的负面约束清单。