这不是一篇分享AI工具的文章。我是想讲一个我自己绕了很久才想明白的问题，AI 回话又长又周全，到底是谁的问题。

事情要从一次讨论说起。

有一次我和它聊一个刚起步的项目，方案还没定，我要的其实是和ai做一次梳理，把这个项目该怎么走、有哪几条路先理出来。结果它每次都会回一大段。前面那一小截确实是我要的，后面直接就跳到了具体计算和选型建议。那些数我当下根本不会去看，因为方向都没定，选了也白选。

我当时的感受很难形容，前期对项目的了解还不够，用什么方案也没定下来，但是ai凭借知道我从事的什么行业，扩展了很多方向不见得对的内容，我当下不会看，也看不懂，可整条回复里，那一部分占了绝大部分篇幅。

后来我发现这个场景不是偶发，于是想分享出来，如果屏幕前的你也遇到过类似的情况，相信我，看完，至少能给你一些调整的方向。

偶然间我刷到过一个 GitHub 项目，叫 i-have-adhd，中文翻译过来是“我有注意力缺陷”，它在很短的时间里攒到了两万多 star，我一看，原来不止是我遇到过类似的问题，这个星数的增长的趋势，足以证明很多人都苦这个问题久矣。我照着它那一套改了输出规则：删掉开场白，删掉预告，删掉「希望对你有帮助」，结论走第一行。

我仔细看了看这个项目，发现他本质上就是往提示词里加一句“别啰嗦，当我有 ADHD”听起来是不是还挺有意思的，怪不得名字叫这个呢哈哈。这话有点刻薄，但不算错。项目把一个模糊的需求，让ai的废话少一点，更一针见血一点，他把这个模糊需求变成了一个可安装的东西，这是这个项目火的原因。

刚调整完输出规则，确实管用，模型回话短了一半，但其实我不是很喜欢这种列表的规则，不够有人味。另外我心里有几个担心一直没消，首先是，这个项目改动点是提示词，本质还是需要模型的执行力，但就我使用下来，提示词对模型的约束其实是不够强的，第二个，他会不会把有用的东西一起截断掉，我是不是把模型限制住了，让它变成一个只会报数的东西。

大伙都知道，ai 回话的长度其实分两截。一截是我们能看见的那段话，另一截是它的思考过程，我平时在飞书上跑，看不见他的思考过程，我那些规则管的是能看见的那部分输出。把顺序重排、把客套删掉，这叫整理，不会削有用的内容，真正会伤到信息的是规则定数字上限，比如说答案不许超过五行。

有一个角度可能大家没有关注过，我们给自己的agent定规则，定约束，让他贴近我们的品味，其实是在跟它的出厂设置做对抗。

昨天我刷到一个视频，一个榜单，上面说 V4.1 是废话最多的模型，我去找了榜单的原始出处，是 Artificial Analysis 的实测。他们跑完一整套评测题目，算下来平均每道题用掉 89k tokens，比智谱的 GLM-5.3 多 25%，比 DeepSeek 自家的 V4 Pro 多 62%。榜单原话是，这是我们测过的最冗长的模型之一。

然后我就跟我的deep seek讨论，问他怎么看待这个事情，讨论的时候deepseek透露出，他的后训练奖励的是”看起来周到，语气友好，解释充分“。我当时其实还挺震惊的，看起来周到和解释充分，这不就组成闭环了，不管答案正确与否，都看起来很像对的，这对真实工作是一个很明显的劣势啊，所以我问它，训练的时候为什么奖励”看起来周到“，而不是“正确”，周到又不等于是对的。

它给我讲了后训练里的一个环节，给答案打分的是人类标注员，或者充当裁判的模型，拿两个回答摆到面前，判断哪个回答看着更靠谱很容易，但是判断哪个回答真的正确，成本极高，多数场景根本做不到。于是自然会落到能廉价判断的地方，长不长、结构清不清楚、语气稳不稳、有没有边界条件。所以模型学到的就是”看起来可靠“这个特征，”真的正确“和看起来可靠只是弱相关关系。

这件事有人专门测过，2023 年有一篇论文，研究偏好标注里的长度偏差，结论是模型当评委时偏好长答案的程度超过人类评委。还有的研究，专门看奖励模型，发现奖励分和回答长度高度相关，而那部分长度并不带来正确性提升。更麻烦的是，奖励只要有偏向，模型就会朝着这个偏向去优化，可观测到的后果就是长度灌水和迎合式回答。

还有一层是官方的取舍，可自动验证的领域才有真实奖励：数学、代码、题解能自动判对错，这部分真实性可以被强化；开放问答没有裁判者，只能退回到偏好打分。所以”看起来周到“在不可验证区域占的权重天然高很多到这里就说通了。deep seek被排到废话最多档，是它的目标函数就长这样。

我问deepseek，这样对真实工作来说不就是负担，他说有一半对。训练数据是大众用户的分布，和实际流程使用者这里的分布不一样，同一条奖励在真实工作这里是噪声，在chatbot那里是好处，它管这叫错配，不叫错误。

下面这些是我自己摸索出来的用法，最有用的一条，是告诉它你现在在哪一步，这是我那个项目讨论里最应该给出却没给的东西。方向没定的时候，我需要的是一次梳理，不是一份方案。所以我后来会在开头加一句，现在只是在理方向，先别给结论和数字，这一句比我改过的任何格式规则都管用。第二条是分清场景，查一个事实、理一个方向、让它动手干活，这三件事对长度的容忍度完全不一样：查事实的时候我要的就是一行，多一个字都嫌吵；理方向的时候我要它把岔路摊开，长一点没关系；动手干活的时候我要它的过程，因为我要检查它在哪一步拐弯，同一个“别啰嗦”的提示词，在这三种场景里根本不是一个意思，这也是很多规则调不好用的原因。

第三条是永远别设字数上限，这个坑我踩过，字数是最好量的东西，所以最容易变成指标，然后模型为了凑数，会把本来该说的话删掉，我们要删的是客套，寒暄这样的形式，不是简单的控制长度能解决的。这里我们可以想个事情，AI输出的这句话会不会改变我的判断和行动，会，它就是有用的。不会，它就是无用的形式，也是废话的来源。有了这个判断，才能写出适配自己的输出规则。第四条是关于我们自己，我们给它的处境描述越具体，它跑偏的空间越小，而Ai最擅长的，就是从我们一段长长的碎碎念里提取信息，有些信息是我们主动描述，怎么也描述不出来的东西，而这些描述不出来的信息，往往藏着很重要的内容，所以我现在提出需求的时候都是直接语音输入，想到什么说什么，我用下来的感受是，这样比绞尽脑汁的打字想要输出完整的项目背景，信息，快的多，也完善得多，所以可预见的，ai给出的答复，也好得多。

模型的出厂设置摆在那里，我们改不动，能改的是我们递过去的那个语境和我们要的输出形式，它默认面对的是一张白纸，我们把白纸换成一张写着“我现在在哪、我要去哪、别替我决定”的纸，会见到一份完全不一样的答复。

我后面会继续写这类东西，真实的视角，真实遇到的问题，还有我自己试出来的解决办法。不一定对，但希望能给你一份思路。欢迎大家借鉴，也欢迎来讨论。